MiniMax M3: atenção esparsa, 1M de contexto e multimodal nativo em um modelo open-weight

Até ontem, se você quisesse um modelo com capacidade de código de ponta, janela de 1 milhão de tokens e multimodalidade nativa, sua única opção era pagar API fechada — Claude, GPT, Gemini. O MiniMax M3 muda isso. É o primeiro modelo open-weight a entregar as três capacidades simultaneamente, com uma arquitetura de atenção esparsa própria (MSA) e números que, em pelo menos um benchmark importante, já colocam ele na frente do Opus 4.7.

O que é o MiniMax M3

O M3 é o novo modelo de linguagem da MiniMax, empresa chinesa que até então era mais conhecida por modelos de vídeo (Hailuo). A virada para texto é ambiciosa: o M3 foi treinado do zero com pipeline multimodal — não é um modelo de texto que ganhou visão depois. A empresa refez todo o pipeline de dados, escalou o pré-treinamento para mais de 100 trilhões de tokens e desenvolveu uma arquitetura proprietária chamada MiniMax Sparse Attention (MSA).

Na prática, o MSA é o que permite oferecer até 1 milhão de tokens de contexto via API (com mínimo garantido de 512K) sem que o custo compute exploda — o mecanismo de atenção esparsa corta o que não importa e mantém o foco no que importa. E o cache é automático, sem configuração nenhuma.

BrowseComp e PostTrainBench: onde o M3 brilha (e onde ainda perde)

O M3 não chega com um paper de 80 páginas cheio de benchmark — o que é raro e, na minha visão, intencional. Mas dois números específicos chamam atenção.

No BrowseComp (benchmark de browsing autônomo e information retrieval), o M3 fez 83,5 — acima do Opus 4.7 (79,3). BrowseComp não é um benchmark de conversa fiada: ele testa a capacidade do modelo de navegar, buscar, filtrar e sintetizar informação sozinho. Passar um modelo fechado nesse teste é um sinal forte de que a arquitetura de atenção longa funciona.

No PostTrainBench — um benchmark que avalia a capacidade do modelo de executar todo o pipeline de pós-treinamento (síntese de dados, treino, avaliação, iteração) de forma autônoma — o M3 fez 37,1, ficando em #3 geral. Atrás do Opus 4.7 (42,4) e do GPT-5.5 (39,3), mas à frente de todo o resto. É um teste brutal: 12 horas de execução contínua, sem intervenção humana, partindo de quatro modelos base pré-treinados.

O que esses dois números juntos dizem: o M3 é melhor que o Opus 4.7 em navegação autônoma mas ainda perde em pipeline de treinamento completo. Um empate técnico com sabor de vitória pra um modelo open-weight.

12 horas reproduzindo um paper e 24 horas otimizando kernel CUDA: o M3 na prática

Dois experimentos que a MiniMax publicou mostram o M3 em ação de forma concreta.

No primeiro, o modelo passou 12 horas reproduzindo um paper destaque do ICLR 2025. Foram 18 commits, 23 figuras experimentais e os experimentos centrais foram replicados com sucesso. O que impressiona não é só o resultado — é o modelo ler o paper, interpretar gráficos e fórmulas (multimodal nativo), manter o código, os logs e o artigo original todos em contexto simultaneamente (1M de tokens) e iterar sozinho por meio dia.

No segundo, o M3 otimizou uma operação FP8 GEMM em GPUs NVIDIA Hopper. Em aproximadamente 24 horas, executou 147 submissões de benchmark e 1.959 chamadas de ferramenta. O resultado: a utilização de pico do hardware saltou de 7,6% para 71,3% — um ganho de 9,4× — com zero intervenção humana.

É o tipo de demonstração que faz a diferença entre "modelo bom em benchmark sintético" e "modelo que entrega resultado real em tarefa de engenharia".

Por que isso importa para devs

Três pontos na minha leitura:

(1) Open-weight com capacidade de código de ponta. Se o M3 cumprir o que promete quando abrirem os pesos, qualquer empresa ou dev solo vai poder rodar um modelo com capacidade de agente, multimodal e 1M de contexto em infra própria. Isso muda a equação de custo e privacidade para times que hoje dependem de API fechada.

(2) Onde o M3 já roda. A MiniMax já publicou guias de integração com 10 ferramentas de código: Claude Code, Roo Code, Kilo Code, Cline, Codex CLI, OpenCode, Droid, TRAE, Grok CLI e Cursor. Na prática, você pode trocar o modelo padrão pelo M3 em qualquer uma delas hoje. E o cache automático (sem configuração) reduz a fricção de adoção.

(3) Atenção esparsa como diferencial arquitetural. A maioria dos modelos com contexto longo usa alguma variante de flash attention ou ring attention. O MSA é uma aposta diferente — e os números do BrowseComp sugerem que funciona. Se a MiniMax documentar bem a arquitetura quando abrir o código, pode influenciar a próxima geração de modelos open-source que alimentam harnesses de agente.

Conclusão

O MiniMax M3 não é "mais um modelo chinês". É o primeiro open-weight a emparelhar com os modelos fechados de ponta em capacidade de agente, código e multimodalidade — e ganhar em navegação autônoma de um modelo que custa múltiplas vezes mais por token. O diabo vai estar nos detalhes da licença, na qualidade real dos pesos quando forem abertos e na consistência do modelo em tarefas longas. Mas a direção é clara: a fronteira do que era "só modelo fechado" acabou de se mover. O M3 é o primeiro a cruzar.

Todos os detalhes estão na página oficial do MiniMax M3.