minimax
MiniMax: MiniMax M3
minimax/minimax-m3
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
MiniMax M3 (minimax/minimax-m3) es un modelo multimodal nativo de tipo Mixture-of-Experts de MiniMax, que acepta entradas de texto, imagen y video y produce texto sobre una ventana de contexto de aproximadamente un millón de tokens. La documentación del proveedor describe un diseño de atención dispersa orientado a la eficiencia en contextos largos y tres modos de razonamiento seleccionables. El catálogo de OpenRouter indica compatibilidad con herramientas, salidas estructuradas y precios con caché de entrada, además de resultados agregados en categorías agénticas y de diseño. La evidencia se limita a la ficha del proveedor y al catálogo, por lo que se recomienda verificación independiente.[1][2]
Puntos fuertes
- Manejo multimodal nativo: entradas de texto, imagen y video con salida de texto, más una ventana de contexto cercana al millón de tokens, según la ficha del proveedor y el listado de OpenRouter.[1][2]
- El proveedor reporta una arquitectura de atención dispersa (MSA) destinada a reducir cómputo y memoria en contextos muy largos; estas mejoras de eficiencia son afirmaciones del proveedor, no medidas independientes en este paquete.[2]
- Operación flexible: tres modos de razonamiento (activado, adaptativo, desactivado) documentados por el proveedor, y soporte a nivel de API para herramientas, salidas estructuradas y controles de muestreo según el catálogo.[1][2]
Limitaciones
- Toda la evidencia proviene de la ficha del propio proveedor y del catálogo de OpenRouter; no se suministró ninguna evaluación independiente ni valoración de seguridad, por lo que las afirmaciones deben validarse con cargas de trabajo reales.[1][2]
- Publicado bajo una licencia personalizada 'minimax-community'; los términos completos no se incluyeron en este paquete de fuentes y deben revisarse antes del despliegue.[2]
- Los resultados agregados del catálogo sugieren un desempeño de rango medio en categorías agénticas y de front-end; deben considerarse orientativos y no definitivos, y la fecha de corte de conocimiento no está reportada.[1]
Dónde utilizarlo
- Vale la pena evaluarlo para flujos de trabajo agénticos y de programación de largo alcance, que el proveedor destaca y la amplia ventana de contexto podría favorecer; confírmelo en sus propias tareas.[1][2]
- Candidato para pipelines multimodales que deban leer imágenes o video y devolver texto, dado el entrenamiento multimodal nativo que afirma el proveedor.[1][2]
- Puede convenir a despliegues vía API que requieran llamadas a herramientas o salidas estructuradas con razonamiento opcional y ajustable; no se aportaron requisitos de autoalojamiento ni de hardware más allá de los frameworks sugeridos por el proveedor.[1][2]
Fuentes
- [1] OpenRouter catalog · MiniMax: MiniMax M3Fuentes consultadas: 13 nov 2026
- [2] Model documentation · MiniMax: MiniMax M3Fuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
MiniMax-M3 is a multimodal foundation model from MiniMax. It supports text, image, and video inputs with text output, a 1M-token context window, and is suited for long-horizon agentic work, coding,...
Especificaciones
- ID del modelo
- minimax/minimax-m3
- ID canónico
- minimax/minimax-m3-20260531
- Creador
- minimax
- Añadido a OpenRouter
- 31.05.2026
- Longitud de contexto
- 1,048,576
- Modalidad
- text+image+video->text
- Modalidades de entrada
- text, image, video
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $0.300 / salida $1.2
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | CC — por debajo de la franja B | razonamiento: opcional · parámetros: include_reasoning, reasoning |
| Programación | BB — siguiente 30% de la cohorte | — |
| Agentes | AA — siguiente 20% de la cohorte | parámetros: structured_outputs, tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | razonamiento: opcional · parámetros: include_reasoning, reasoning |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | entrada: image |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | entrada: video |
| Embeddings | Sin medición | — |
Evaluaciones
| Fuente | Benchmark | Valor | Nota | Datos obtenidos |
|---|---|---|---|---|
| Artificial Analysis | Intelligence index | 18.9 | CC — por debajo de la franja B | 13.11.2026 |
| Artificial Analysis | Coding index | 58.6 | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Artificial Analysis | Agentic index | 29.5 | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | agents · agenticgamedevtasa de victoria 44.9% · posición 18 | 1,114Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | agents · androidnativetasa de victoria 45.1% · posición 25 | 1,156Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | agents · blender3dtasa de victoria 42.5% · posición 15 | 1,090Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | agents · codetovideotasa de victoria 57% · posición 6 | 1,215Elo | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | agents · fullstacktasa de victoria 47.4% · posición 19 | 1,179Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | agents · htmlslidestasa de victoria 46.7% · posición 14 | 1,077Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | agents · mobileappstasa de victoria 46.5% · posición 27 | 1,171Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | agents · pdftasa de victoria 61.6% · posición 7 | 1,261Elo | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | agents · python-pptxslidestasa de victoria 47.5% · posición 16 | 1,166Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | agents · spreadsheettasa de victoria 51.2% · posición 17 | 1,155Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | agents · webappstasa de victoria 47.7% · posición 22 | 1,192Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · 3dtasa de victoria 50.1% · posición 52 | 1,193Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · asciiarttasa de victoria 45.5% · posición 43 | 1,149Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · codecategoriestasa de victoria 50.5% · posición 47 | 1,237Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · dataviztasa de victoria 51% · posición 44 | 1,231Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · gamedevtasa de victoria 45.4% · posición 55 | 1,202Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · svgtasa de victoria 44% · posición 48 | 1,148Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · uicomponenttasa de victoria 50.2% · posición 47 | 1,236Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · websitetasa de victoria 51.6% · posición 45 | 1,249Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| DeepInfrafp8 | 524,288 | $0.224 | $0.880 | — | — | 76% |
| CoreWeavefp4 | 262,144 | $0.230 | $0.960 | — | — | 100% |
| GMICloudfp8 | 1,048,576 | $0.240 | $0.960 | — | — | 100% |
| DeepInfrafp8 | 524,288 | $0.280 | $1.1 | — | — | 83.33% |
| Venicefp8 | 524,288 | $0.300 | $1.2 | — | — | 100% |
| Parasailfp8 | 1,048,576 | $0.300 | $1.2 | — | — | 100% |
| Minimax | 524,288 | $0.300 | $1.2 | — | — | 100% |
| Parasailfp8 | 1,048,576 | $0.450 | $1.8 | — | — | 100% |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.