Maison
MiniMax open-source son grand modèle M3 doté d'une architecture MSA et d'un contexte de 1 Mo, rivalisant avec les produits phares étrangers
MiniMax Xiyu Technology a dévoilé son modèle de grande envergure de nouvelle génération, le MiniMax M3, le 1er juin 2026. Il s'agit du premier modèle open source chinois à combiner une programmation de haut niveau, une fenêtre de contexte ultra-longue d'un million de caractères et des capacités multimodales natives, conçu pour rivaliser à tous les niveaux avec les principaux modèles fermés étrangers.

Pour remédier aux goulots d'étranglement liés à l'expansion du contexte dans les tâches complexes impliquant des agents, le M3 introduit une architecture d'attention clairsemée (MSA) au niveau fondamental. Par rapport aux approches conventionnelles, il offre un partitionnement KV plus précis et des optimisations au niveau des opérateurs, atteignant une vitesse de calcul quatre fois supérieure à celle des solutions open source comparables. Avec une longueur de contexte de 1 million, le coût de calcul par token chute à seulement un dixième de celui de la génération précédente. Il accélère la phase de préremplissage de plus de 9 fois et la phase de décodage de 15 fois.

Grâce à un entraînement natif sur des données entrelacées à l'échelle du trillion, l'espace sémantique de M3 atteint une intégration profonde. Il surpasse GPT-5.5 et Gemini 3.1 Pro dans des évaluations faisant autorité en génie logiciel et multimodales telles que SWE-Bench Pro. Lors de tests de tâches extrêmes, M3 fait preuve d’une planification autonome robuste à long terme : il a reproduit de manière indépendante les expériences d’un article phare de l’ICLR en moins de 12 heures, a fonctionné 24 heures d’affilée sans code de référence tout en appelant des outils près de 2 000 fois, a fait passer le taux d'utilisation du matériel de multiplication matricielle FP8 sur l'architecture Hopper de 7,6 % à 71,3 %, et a orchestré de manière autonome l'ensemble du pipeline « données-entraînement-itération » sur la plateforme ouverte PostTrainBench.
Article connexe
Stripe va acquérir OpenRouter alors que le routage basé sur des modèles d'IA prend de l'ampleur
Stripe a conclu un accord en vue d’acquérir OpenRouter, une plateforme de routage de modèles d’IA qui permet aux développeurs d’accéder à des centaines de modèles via une interface unique. Cette acqui
Barrett Zoph, ancien chercheur chez OpenAI, revient chez Google pour contribuer au développement de Gemini
Barret Zoph, qui avait auparavant quitté brusquement l’entreprise pour rejoindre OpenAI en raison d’un désaccord avec Miriam Mularati, PDG de Thinking Machines Lab, a une nouvelle fois changé d’employ
Comment Recursive Intelligence a levé 335 millions de dollars en 4 mois, avec une valorisation de 4 milliards de dollars
Les cofondatrices de la start-up Ricursive Intelligence semblaient destinées à devenir cofondatrices.Anna Goldie, PDG, et Azalia Mirhoseini, directrice technique, sont si connues dans le milieu de l’I
Recommandations de sujets spéciaux liés
commentaires (0)

Pour remédier aux goulots d'étranglement liés à l'expansion du contexte dans les tâches complexes impliquant des agents, le M3 introduit une architecture d'attention clairsemée (MSA) au niveau fondamental. Par rapport aux approches conventionnelles, il offre un partitionnement KV plus précis et des optimisations au niveau des opérateurs, atteignant une vitesse de calcul quatre fois supérieure à celle des solutions open source comparables. Avec une longueur de contexte de 1 million, le coût de calcul par token chute à seulement un dixième de celui de la génération précédente. Il accélère la phase de préremplissage de plus de 9 fois et la phase de décodage de 15 fois.

Grâce à un entraînement natif sur des données entrelacées à l'échelle du trillion, l'espace sémantique de M3 atteint une intégration profonde. Il surpasse GPT-5.5 et Gemini 3.1 Pro dans des évaluations faisant autorité en génie logiciel et multimodales telles que SWE-Bench Pro. Lors de tests de tâches extrêmes, M3 fait preuve d’une planification autonome robuste à long terme : il a reproduit de manière indépendante les expériences d’un article phare de l’ICLR en moins de 12 heures, a fonctionné 24 heures d’affilée sans code de référence tout en appelant des outils près de 2 000 fois, a fait passer le taux d'utilisation du matériel de multiplication matricielle FP8 sur l'architecture Hopper de 7,6 % à 71,3 %, et a orchestré de manière autonome l'ensemble du pipeline « données-entraînement-itération » sur la plateforme ouverte PostTrainBench.
Stripe va acquérir OpenRouter alors que le routage basé sur des modèles d'IA prend de l'ampleur
Stripe a conclu un accord en vue d’acquérir OpenRouter, une plateforme de routage de modèles d’IA qui permet aux développeurs d’accéder à des centaines de modèles via une interface unique. Cette acqui
Barrett Zoph, ancien chercheur chez OpenAI, revient chez Google pour contribuer au développement de Gemini
Barret Zoph, qui avait auparavant quitté brusquement l’entreprise pour rejoindre OpenAI en raison d’un désaccord avec Miriam Mularati, PDG de Thinking Machines Lab, a une nouvelle fois changé d’employ
Comment Recursive Intelligence a levé 335 millions de dollars en 4 mois, avec une valorisation de 4 milliards de dollars
Les cofondatrices de la start-up Ricursive Intelligence semblaient destinées à devenir cofondatrices.Anna Goldie, PDG, et Azalia Mirhoseini, directrice technique, sont si connues dans le milieu de l’I











