MiniMax lança M3.1 Flash, modelo de peso aberto de 428B parâmetros com 1M de tokens de contexto

MiniMax libera pesos do M3.1 Flash, modelo de 428 bilhões de parâmetros com 1 milhão de tokens de contexto

A MiniMax publicou no Hugging Face os pesos completos do MiniMax M3.1 Flash, nova versão do seu modelo de mixture of experts voltado para programação, uso de computador e fluxos agentivos. O modelo tem 428 bilhões de parâmetros no total, mas ativa apenas 23 bilhões por token, o que mantém o custo de inferência sob controle mesmo em uma arquitetura desse tamanho. O card no Hugging Face confirma o lançamento e já traz instruções de uso via SGLang, vLLM e TokenSpeed.

O que o M3.1 Flash traz de novo

A MiniMax descreve três mudanças centrais em relação ao M3 anterior: atenção esparsa em todas as camadas do modelo, que reduz custo computacional; treinamento com reconhecimento de quantização, que diminui o uso de memória sem perder tanta precisão; e um novo método de decodificação especulativa chamado DSpark, que acelera a geração de texto prevendo tokens futuros antes de confirmá-los. Na prática, isso significa um modelo pensado para rodar mais rápido e mais barato em produção, não só para ganhar benchmark. O contexto de até 1 milhão de tokens e o suporte nativo a texto, imagem e vídeo colocam o M3.1 Flash na categoria de modelos multimodais de uso geral, não apenas um assistente de código.

A pista do modelo misterioso no OpenRouter

Antes da publicação oficial, o tester TestingCatalog já vinha acompanhando um modelo não identificado circulando no OpenRouter sob o apelido "Space Bunny", anunciado em 19 de outubro sem a empresa por trás revelada. Com o lançamento confirmado agora, a alegação é que o Space Bunny era justamente o M3.1 Flash sendo testado antes do tempo, prática comum entre laboratórios chineses que soltam modelo sem marca para colher feedback da comunidade antes do anuncio formal. Essa parte específica da história segue como leitura de tester, não como confirmação da MiniMax.

Por que isso importa para quem usa IA no dia a dia

Pesos abertos de um modelo de quase meio trilhão de parâmetros, mesmo com ativação esparsa, dão a desenvolvedores e empresas a opção de rodar o modelo na própria infraestrutura, sem depender de uma API fechada nem de limites de uso impostos por terceiro. Isso importa principalmente para quem lida com dado sensível e não pode mandar tudo para a nuvem de outro provedor. A contrapartida é o custo de hardware: rodar um modelo desse porte localmente exige GPU de ponta, então na prática a maioria dos usuários ainda vai acessar o M3.1 Flash pela API ou pela plataforma da própria MiniMax, e não pelo download direto.

A leitura do MaxAssistant

O M3.1 Flash reforça uma tendência que vem se consolidando entre os laboratórios chineses: lançar modelo grande, de peso aberto, otimizado para tarefa agentiva e de código, competindo diretamente com modelos fechados ocidentais em benchmark e em custo. A parte ainda não comprovada é o quanto a otimização de atenção esparsa e decodificação especulativa realmente se traduz em economia na prática, fora do ambiente controlado da MiniMax. Vale acompanhar os primeiros testes independentes de custo e qualidade antes de tratar os números do card como veredito final.