MiniMax Frontier Poids ouverts Disponible dans FlowHunt

MiniMax M3

MiniMax M3 est un modèle d’IA frontal de premier plan, développé par MiniMax et publié en juin 2026. En tant que modèle à poids ouverts, ses poids entraînés sont accessibles publiquement — vous pouvez l’auto-héberger, le fine-tuner sur des données propriétaires, ou l’exécuter sur site sans dépendance aux API. La fenêtre de contexte d’un million de tokens est suffisamment grande pour contenir des bases de code entières, de longs documents techniques ou des sessions agentiques étendues sans troncature.

Lire la suite
MiniMax M3 a été publié le 1er juin 2026 comme une déclaration volontaire : le premier modèle frontal à poids ouverts à égaler les fournisseurs d’API fermés en matière de longueur de contexte (1 million de tokens) et à inclure une compréhension multimodale native. MiniMax a passé trois ans à développer des techniques d’extension de contexte et une infrastructure d’entraînement multimodal pour y parvenir. La publication des poids ouverts de M3 a créé une nouvelle catégorie de modèle — de classe frontalière, multimodal et entièrement auto-hébergeable — qui n’existait auparavant pas. Cette publication a été largement couverte dans les cercles de recherche en IA comme le moment où les modèles à poids ouverts ont comblé la dernière grande lacune de capacité avec les modèles d’API fermés.

Benchmarks

Chaque score n'apparaît qu'une fois, avec son rang parmi les modèles suivis et l'indication de qui l'a mesuré.

Comparé aux modèles de niveau Frontier sur la même échelle
  • MiniMax M3ce modèle
  • GPT-6.1 Solce modèle est en tête sur 0 sur 3
  • Claude Opus 5.5ce modèle est en tête sur 0 sur 4
Vérifié évaluateur indépendant, compte pour le classement Autodéclaré publié par MiniMax, affiché mais non classé
Général

AA Intelligence Index

Independent composite of agent, coding, knowledge and science tests by Artificial Analysis (v4).

Source ↗

MiniMax M3 29,2 GPT-6.1 Sol 51,8 Claude Opus 5.5 57,6
#31sur 45 Vérifié
Programmation

SWE-bench Pro

Real issues across several languages and large codebases.

MiniMax M3 59,0% GPT-6.1 Sol Aucun score Claude Opus 5.5 89,9%
Non classé Autodéclaré

SWE-bench Verified

500 verified GitHub issues. Saturated at the frontier.

Source ↗

MiniMax M3 75,0% GPT-6.1 Sol Aucun score Claude Opus 5.5 Aucun score
#17sur 22 Vérifié
Agents

Terminal-Bench 4.0

Multi-step professional tasks done by an agent in a command-line terminal.

Source ↗

MiniMax M3 2,0% GPT-6.1 Sol 56,1% Claude Opus 5.5 59,6%
#28sur 36 Vérifié
Raisonnement

Humanity's Last Exam

Expert-written questions across 100+ subjects, no tools.

Source ↗

MiniMax M3 39,0% GPT-6.1 Sol 52,9% Claude Opus 5.5 61,4%
#27sur 44 Vérifié

GPQA Diamond

Graduate-level science questions that search cannot answer.

Source ↗Aussi : Vérifié 92,7% (Vals AI own implementation)

MiniMax M3 92,9% GPT-6.1 Sol Aucun score Claude Opus 5.5 Aucun score
#10sur 37 Vérifié

Pourquoi utiliser MiniMax M3

Déploiements Auto-Hébergés et Privés

MiniMax M3 est à poids ouverts (paramètres MoE (non divulgué)) — ses poids entraînés sont disponibles publiquement pour téléchargement et auto-déploiement. Exécutez-le sur votre propre matériel GPU ou cloud privé pour garantir que les données ne quittent jamais votre environnement, éliminez les coûts d'API par token à grande échelle, ou fine-tunez le modèle sur des ensembles de données propriétaires.

Analyse de Longs Documents et Bases de Code

Avec une fenêtre de contexte d'un million de tokens, MiniMax M3 peut ingérer des dépôts logiciels entiers, de longs contrats juridiques, des rapports de recherche de la taille d'un livre ou de vastes historiques de conversation en une seule requête — permettant un question-réponse approfondi sur des documents, un raisonnement transversal sur des bases de code et une synthèse complète sans heuristiques de découpage ni pipelines RAG.

Points forts et limites

Points forts

  • Déploiements auto-hébergés et respectueux de la confidentialité des données (poids ouverts)
  • Très longs documents et grandes bases de code (contexte de 1M)

Utilisez-le dans FlowHunt

Utilisez MiniMax M3 dans n'importe quel flow, aux côtés de vos propres outils et sources de connaissances.

  1. 1Ouvrez un flow ou créez-en un à partir d'un modèle
  2. 2Ajoutez un composant AI Agent ou Generator
  3. 3Choisissez MiniMax M3 dans le sélecteur de modèle

Modèles d'IA associés

À propos de MiniMax Shanghai, China · Fondé 2021 · minimax.io

MiniMax est une start-up chinoise d'IA fondée en 2021 par Yan Junjie, qui a précédemment dirigé la recherche en vision par ordinateur chez SenseTime. L'entreprise est soutenue par de grands investisseurs chinois, notamment Hillhouse Capital, Yunqi Partners et Tencent. MiniMax s'est d'abord concentrée sur des applications d'IA destinées aux consommateurs — dont le chatbot Hailuo AI — avant de se lancer dans le développement de modèles fondamentaux. La publication du modèle M3 en juin 2026 a marqué l'entrée de l'entreprise dans le peloton de tête : le premier modèle à poids ouverts à égaler les fournisseurs d'API fermés en matière de longueur de contexte (1 million de jetons) tout en incluant des capacités multimodales natives. MiniMax se positionne comme le laboratoire d'IA chinois le plus convivial pour les développeurs, publiant les poids de ses modèles publiquement avec des licences permissives.

minimax.io ↗

Parcourir le classement complet des modèles d'IA

Questions fréquemment posées

En savoir plus

Qwen 3.7-Max — Benchmarks, Capacités et Cas d'Usage
Qwen 3.7-Max — Benchmarks, Capacités et Cas d'Usage

Qwen 3.7-Max — Benchmarks, Capacités et Cas d'Usage

Qwen 3.7-Max est un modèle d'IA propriétaire d'Alibaba, classé au niveau Frontier avec une fenêtre de contexte de 1 million de tokens. Il est disponible directe...

5 min de lecture
Mistral Medium 3 — Benchmarks, capacités et cas d'utilisation
Mistral Medium 3 — Benchmarks, capacités et cas d'utilisation

Mistral Medium 3 — Benchmarks, capacités et cas d'utilisation

Mistral Medium 3 est un modèle d'IA propriétaire de Mistral, classé au niveau Avancé avec une fenêtre de contexte de 128K tokens. Découvrez les scores de référe...

4 min de lecture
Mistral Large 3 — Benchmarks, Capacités et Cas d'Usage
Mistral Large 3 — Benchmarks, Capacités et Cas d'Usage

Mistral Large 3 — Benchmarks, Capacités et Cas d'Usage

Mistral Large 3 est un modèle d'IA open-weight de Mistral (41B/675B MoE), classé niveau Advanced avec une fenêtre de contexte de 256K tokens. Il est disponible ...

4 min de lecture