MiniMax M3: multimodal nativo, contexto de 1M y prueba gratis en OpenCode

MiniMax M3: multimodal nativo, contexto de 1M y prueba gratis en OpenCode — Free AI API

MiniMax M3 es un modelo open-weight multimodal con contexto de un millón de tokens. MiniMax Sparse Attention (MSA) selecciona bloques sobre el KV Cache sin comprimir y reduce el coste por token de una ventana de 1M a cerca de 1/20 del Full Attention tradicional.

Capacidades

El modelo promete 512K de recuperación perfecta, acepta texto, imagen de alta resolución y vídeo, y fue entrenado desde el inicio con datos multimodales intercalados. También incorpora Computer Use. Según los resultados publicados, supera a GPT-5.5 y Gemini 3.1 Pro en SWE-Bench Pro, a Claude Opus 4.7 en SVG-Bench y a Gemini 3.1 Pro en OmniDocBench; valida estos benchmarks en tu propio caso.

Prueba gratis en OpenCode

OpenCode es un agente de programación open source con TUI, lectura de archivos, ejecución de comandos y múltiples proveedores. Anunció acceso gratuito a MiniMax M3 sin API Key personal. Instálalo, ejecuta opencode, abre /models y elige MiniMax M3; usa @plan o @build para tareas en el repositorio.

API oficial

Para aplicaciones, MiniMax ofrece un endpoint compatible con OpenAI en https://api.minimax.io/v1. Los ejemplos originales de cURL y Python se conservan a continuación. La prueba de OpenCode y la API oficial son vías distintas: comprueba precios y límites antes de producción.

Code

bash
curl -fsSL https://opencode.ai/install | bash
bash
brew install opencode-ai/tap/opencode
bash
npm i -g opencode-ai@latest
bash
opencode
bash
curl https://api.minimax.io/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $MINIMAX_API_KEY" \
  -d '{
    "model": "minimax-m3",
    "messages": [
      {"role": "user", "content": "Write a concurrent web scraper in Python."}
    ],
    "max_tokens": 1024
  }'
python
from openai import OpenAI

client = OpenAI(
    api_key="your-minimax-api-key",
    base_url="https://api.minimax.io/v1"
)

response = client.chat.completions.create(
    model="minimax-m3",
    messages=[
        {"role": "user", "content": "Analyze the performance differences between MSA and traditional Transformer attention."}
    ]
)

print(response.choices[0].message.content)

References

https://x.com/opencode/status/2061233503337906187

Comentarios de la comunidad

Los comentarios están vinculados a tu cuenta de GitHub; inicia sesión para participar en la discusión.