MiniMax lanzó M3 hoy, un lanzamiento API-first con pesos abiertos y reporte técnico prometidos dentro de 10 días. El titular es MSA (MiniMax Sparse Attention), un nuevo esquema de atención sparse que entrega contexto de 1M tokens a aproximadamente 1/20 del compute por token del modelo M2 previo. La multimodalidad nativa está incluida: texto, imagen y video como entrada (salida solo texto), entrenados juntos desde el inicio en lugar de añadidos vía adaptador de visión. Precio desde $20/mes por ~1.7 mil millones de tokens; SWE-Bench Pro a 59.0% (según MiniMax, por delante de GPT-5.5 y Gemini 3.1 Pro, acercándose a Opus 4.7).
MSA es un mecanismo de atención de dos etapas. Una rama de indexación ligera escanea los tokens entrantes y selecciona qué bloques del KV-cache son relevantes; el cómputo de atención costoso entonces solo se ejecuta sobre esos bloques seleccionados. MiniMax describe la implementación como "KV outer gather Q": los bloques KV sirven como bucle externo, agregando las consultas que los tocan, cada bloque leído una vez con acceso de memoria contiguo. Afirman más de 4x más rápido que las implementaciones Flash-Sparse-Attn. A 1M de contexto, MSA produce aproximadamente 15.6x más rápido en decodificación y 9.7x más rápido en prefill versus M2, por 1/20 del compute por token. El conteo de parámetros no se divulga en los materiales de lanzamiento. Los pesos abiertos y reporte técnico están programados dentro de 10 días; el repo HuggingFace a observar es huggingface.co/MiniMaxAI. Hasta entonces, trata la descripción de arquitectura como el propio framing de MiniMax en espera de verificación independiente, y los números de benchmark como vendor-led (TechTimes ya los enmarcó como "frontier claims, unverified benchmarks").
Dos hilos de ecosistema a seguir. Primero, el ángulo de costo: MiniMax está fijando precio para M3 en aproximadamente 5 a 10 por ciento del costo de GPT-5.5 y Gemini 3.1 Pro para benchmarks de coding similares. Si los números sobreviven a la reproducción independiente, este es el punto de presión open-weight enfocándose para el frontier cerrado. Segundo, el hilo arquitectural: MSA es un router aprendido (la rama de indexación) seleccionando qué bloques KV merecen atención. Eso es estructuralmente similar al routing MoE, aplicado a la capa de atención en vez del FFN. Para builders pensando en eficiencia long-context sin explosión cuadrática, el patrón index-luego-atender es una de las direcciones a estudiar junto con Hyena, Mamba y variantes longformer. El lado agéntico (Agent Teams corriendo workflows multi-etapa concurrentes, el bucle de self-correction producer-verifier) es interesante pero vendor-descrito; el demo CUDA-optimization de 1,959 tool calls y el run de 12 horas de reproducción autónoma de paper son el tipo de demos que se ven extraordinarios en material de lanzamiento y necesitan reruns reales de harness antes de decirte algo sobre tu carga.
Lunes por la mañana, si tienes cargas long-context (lecturas de codebase, QA de documento completo, runs de agente multi-hora), M3 vale la integración vía API hoy y benchmarking contra tu modelo frontier actual en el rango 200K a 1M. La brecha de costo es lo suficientemente grande para importar incluso si M3 está significativamente detrás en calidad, y el piso de fidelidad garantizada de 512K te da una banda de operación segura. Si estás comprometido con pesos abiertos, el countdown de 10 días importa: hasta que esos pesos aterricen en HuggingFace, esta es una historia de API cerrada. Si estás construyendo tu propia infraestructura de atención sparse, el paper MSA (cuando salga) es lectura obligatoria. Y como siempre con benchmarks vendor contra modelos frontier, corre tu propio harness sobre una carga que se parezca a la tuya antes de reorientar tu stack.