MiniMax lançou M3 hoje, um lançamento API-first com pesos abertos e relatório técnico prometidos dentro de 10 dias. O título é MSA (MiniMax Sparse Attention), um novo esquema de atenção sparse que entrega contexto de 1M tokens a aproximadamente 1/20 do compute por token do modelo M2 anterior. Multimodalidade nativa está incluída: texto, imagem e vídeo como entrada (saída apenas texto), treinados juntos desde o início ao invés de adicionados via adaptador de visão. Preço a partir de $20/mês por ~1,7 bilhões de tokens; SWE-Bench Pro a 59,0% (segundo MiniMax, à frente de GPT-5.5 e Gemini 3.1 Pro, se aproximando de Opus 4.7).
MSA é um mecanismo de atenção em dois estágios. Um ramo de indexação leve escaneia os tokens de entrada e seleciona quais blocos do KV-cache são relevantes; o cálculo de atenção caro então só executa sobre esses blocos selecionados. MiniMax descreve a implementação como "KV outer gather Q": os blocos KV servem como loop externo, agregando as consultas que os atingem, cada bloco lido uma vez com acesso de memória contíguo. Eles afirmam mais de 4x mais rápido que implementações Flash-Sparse-Attn. A 1M de contexto, MSA produz aproximadamente 15,6x mais rápido em decodificação e 9,7x mais rápido em prefill versus M2, por 1/20 do compute por token. A contagem de parâmetros não é divulgada nos materiais de lançamento. Os pesos abertos e relatório técnico estão programados dentro de 10 dias; o repo HuggingFace a observar é huggingface.co/MiniMaxAI. Até lá, trate a descrição da arquitetura como o próprio framing da MiniMax aguardando verificação independente, e os números de benchmark como vendor-led (TechTimes já os enquadrou como "frontier claims, unverified benchmarks").
Dois fios de ecossistema a seguir. Primeiro, o ângulo de custo: MiniMax está precificando M3 em aproximadamente 5 a 10 por cento do custo de GPT-5.5 e Gemini 3.1 Pro para benchmarks de coding similares. Se os números sobreviverem à reprodução independente, este é o ponto de pressão open-weight ganhando foco para o frontier fechado. Segundo, o fio arquitetural: MSA é um router aprendido (o ramo de indexação) selecionando quais blocos KV merecem atenção. Isso é estruturalmente similar ao routing MoE, aplicado à camada de atenção ao invés do FFN. Para builders pensando em eficiência long-context sem explosão quadrática, o padrão index-depois-atender é uma das direções a estudar junto com Hyena, Mamba e variantes longformer. O lado agêntico (Agent Teams rodando workflows multi-estágio concorrentes, o loop de self-correction producer-verifier) é interessante mas vendor-descrito; o demo CUDA-optimization de 1.959 tool calls e o run de 12 horas de reprodução autônoma de paper são o tipo de demos que parecem extraordinários em material de lançamento e precisam de reruns reais de harness antes de te dizer algo sobre sua carga.
Segunda-feira pela manhã, se você tem cargas long-context (leituras de codebase, QA de documento completo, runs de agente multi-hora), M3 vale a integração via API hoje e benchmarking contra seu modelo frontier atual na faixa 200K a 1M. A diferença de custo é grande o suficiente para importar mesmo se M3 está significativamente atrás em qualidade, e o piso de fidelidade garantida de 512K te dá uma faixa de operação segura. Se você está comprometido com pesos abertos, o countdown de 10 dias importa: até esses pesos aterrissarem no HuggingFace, esta é uma história de API fechada. Se você está construindo sua própria infraestrutura de atenção sparse, o paper MSA (quando sair) é leitura obrigatória. E como sempre com benchmarks vendor contra modelos frontier, rode seu próprio harness em uma carga que se pareça com a sua antes de reorientar seu stack.