MiniMax M3: multimodal nativo, contexto de 1M e teste grátis no OpenCode

MiniMax M3: multimodal nativo, contexto de 1M e teste grátis no OpenCode — Free AI API

O MiniMax M3 é um modelo open-weight multimodal com contexto de 1 milhão de tokens. Sua MiniMax Sparse Attention (MSA) seleciona blocos no KV Cache sem compressão e reduz o custo por token, em uma janela de 1M, para cerca de 1/20 do Full Attention tradicional.

Capacidades

O modelo promete 512K de recuperação perfeita, aceita texto, imagem de alta resolução e vídeo e foi treinado com dados multimodais intercalados desde o início. Também oferece Computer Use. Segundo os resultados publicados, supera GPT-5.5 e Gemini 3.1 Pro no SWE-Bench Pro, Claude Opus 4.7 no SVG-Bench e Gemini 3.1 Pro no OmniDocBench; avalie os benchmarks no seu próprio cenário.

Teste grátis no OpenCode

O OpenCode é um agente de programação open source com TUI, leitura de arquivos, execução de comandos e suporte a múltiplos provedores. Ele anunciou acesso gratuito ao MiniMax M3 sem API Key pessoal. Instale, execute opencode, abra /models e escolha MiniMax M3; use @plan ou @build para tarefas no repositório.

API oficial

Para aplicações, a MiniMax oferece endpoint compatível com OpenAI em https://api.minimax.io/v1. Os exemplos cURL e Python originais são preservados abaixo. O teste do OpenCode e a API oficial são rotas diferentes: confirme preços e limites atuais antes de produção.

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

Feedback da comunidade

Os comentários estão vinculados à sua conta GitHub — entre para participar da discussão.