MiniMax M3
9051°
<minimax-m3>
Las apps que soportan etiquetas de ModelTrends te permiten ejecutar/instalar modelos copiando este código en tu prompt sin configuración. Busca nuestro ícono en apps que lo soporten, como Prism (abajo).
Ejecutar este modelo
Ofertas / Anuncios
Easy Creator (Prism) Web
Ilimitado · tarifa fija
Ideal para principiantes. Flujos de trabajo potentes, curva de aprendizaje baja.
PirateDiffusion Telegram
Ilimitado · tarifa fija
Crea videos, imágenes, personajes de chat personalizados y más.
Pro studio (SpyGlass) Web
Ilimitado · tarifa fija
Explora modelos, renderiza y mejora desde cualquier navegador o teléfono.
Discord bot (Vector)
Ilimitado · tarifa fija
Agrega Vector a tu servidor o únete al Discord de Vector. ¡Crea lo que quieras!
Unified Editor Web
Ilimitado · tarifa fija
Editor para imágenes y video: renderiza, edita, mejora y más en una sola página.
OpenRouter Terminal / API
Pago por token
Chatea con este modelo en el navegador o llámalo desde tu código con una clave API.
Apps locales
Requiere configuración
Instala programas locales si tu computadora tiene buen hardware.
ModelDuel Web
Paga por uso
Genera el mismo prompt en hasta 50 modelos checkpoint/base a la vez.
Guías para este modelo
Cómo elegir un modelo de IA en octubre de 2026: las novedades de código cerrado y luego los pesos abiertos que vale la pena descargar
Mejor LLM local según el uso (octubre 2026): el modelo abierto adecuado para cada tarea
¿Cuánta VRAM necesito realmente para IA local?
Pesos abiertos vs código abierto vs solo API: lo que realmente puedes hacer
Cómo instalar Ollama y ejecutar una IA local (Windows, Mac, Linux)
MiniMax | contexto de 1,048,576 tokens | $0.30/M entrada, $1.20/M salida. MiniMax-M3 es un modelo base multimodal de MiniMax. Soporta entradas de texto, imagen y video con salida de texto, una ventana de contexto de 1M tokens, y está diseñado para trabajo agentico de largo horizonte, codificación y uso de herramientas. Está construido sobre MiniMax Sparse Attention (MSA), que reemplaza la atención completa con selección de bloques KV para reducir el cómputo por token en contexto largo — aproximadamente 1/20 del costo de la generación anterior a 1M tokens, con prellenado y decodificación…MiniMax | contexto de 1,048,576 tokens | $0.30/M entrada, $1.20/M salida. MiniMax-M3 es un modelo base multimodal de MiniMax. Soporta entradas de texto, imagen y video con salida de texto, una ventana de contexto de 1M tokens, y está diseñado para trabajo agentico de largo horizonte, codificación y uso de herramientas. Está construido sobre MiniMax Sparse Attention (MSA), que reemplaza la atención completa con selección de bloques KV para reducir el cómputo por token en contexto largo — aproximadamente 1/20 del costo de la generación anterior a 1M tokens, con prellenado y decodificación sustancialmente más rápidos manteniendo calidad en la mayoría de tareas. Entrenado como modelo multimodal nativo en datos entrelazados y ajustado para colaboración multi-turno tipo producción vía un framework interactivo de simulador de usuario, el modelo está orientado a tareas sostenidas y multi-paso en lugar de ejecución de un solo turno.
Notas del capitán
Notas del 2026-10-13
MiniMax M3 es un modelo sparse mixture-of-experts de 428 mil millones de parámetros de MiniMax, que activa aproximadamente 23 mil millones de parámetros por token, con una ventana de contexto de un millón de tokens y soporte nativo para entradas de texto, imagen y video. Su arquitectura MiniMax Sparse Attention reduce el cómputo por token a aproximadamente 1/20 de la generación anterior en contexto completo, con una precarga 9× más rápida y decodificación 15× más rápida. Los pesos son abiertos, la API es económica y el diseño apunta a trabajo agentivo sostenido en lugar de consultas de un solo disparo.
Conocido por
- Contexto de 1 millón de tokens a una fracción del costo computacional de modelos de atención densa
- Entrenamiento multimodal nativo desde el primer paso en texto, imagen y video
- Aceleraciones de 9× en precarga y 15× en decodificación respecto a M2 en contexto máximo
- Tres modos de razonamiento conmutables: siempre activo, adaptativo o desactivado
- Optimizado para tareas agentivas de múltiples turnos y uso de herramientas, no solo prompts de un turno
Cuidado con
- Con 428 mil millones de parámetros totales, el despliegue local requiere hardware serio; verifica los requisitos de VRAM antes de descargar.
- Pesos abiertos, pero verifica los términos de licencia para tu caso antes de construir un producto comercial encima.
- La calidad de entrada de video e imagen en contextos extremos no está evaluada independientemente aquí.
Prompts para probar
Tarea de refactorización multiarchivo
Estás trabajando en un scraper web en Python dividido en tres archivos: fetcher.py maneja solicitudes HTTP con reintentos, parser.py extrae datos estructurados usando BeautifulSoup y main.py orquesta el pipeline. El scraper descarta silenciosamente ítems cuando una página devuelve un 429. Diagnostica la causa probable, propone una solución con retroceso exponencial y reescribe las secciones relevantes de fetcher.py y main.py para implementarla.
Preguntas y respuestas sobre documento largo
Voy a pegar un contrato largo a continuación. Lee todo el documento y responde estas tres preguntas: 1) ¿Cuáles son las condiciones de terminación para cualquiera de las partes? 2) ¿Hay cláusulas de renovación automática y, de ser así, qué periodo de aviso aplica? 3) ¿Qué parte asume la responsabilidad por brechas de datos? Cita el número de cláusula para cada respuesta. [Pega el texto del contrato aquí]
Análisis basado en imagen
Adjunto una captura de pantalla de un panel de control. Identifica cada métrica visible, señala cuáles están fuera del rango normal según lo que ves y sugiere las dos causas raíz más probables para cualquier anomalía. Luego escribe un resumen de tres frases que un gerente no técnico pueda entender.
Comparar con
- MiniMax M1Modelo solo APIContexto de 1,000,000 tokens · $0.55/M entrada, $2.20/M salida
- MiniMax M2.5Modelo con pesos abiertosContexto de 204,800 tokens · $0.27/M entrada, $0.95/M salida
- MiniMax-01Modelo con pesos abiertosContexto de 1,000,192 tokens · $0.20/M entrada, $1.10/M salida
- MiniMax M2.1Modelo con pesos abiertosContexto de 204,800 tokens · $0.30/M entrada, $1.20/M salida
Más modelos de texto de minimax
Preguntas frecuentes
- ¿Puedo ejecutar MiniMax M3 localmente?
- Sí, los pesos son abiertos y están alojados en MiniMaxAI/MiniMax-M3 en Hugging Face. MiniMax soporta SGLang, vLLM, Transformers, KTransformers, unsloth y ATOM como frameworks de inferencia, aunque con 428 mil millones de parámetros necesitarás hardware sustancial.
- ¿Cuánto cuesta MiniMax M3 vía API?
- La API cuesta $0.30 por millón de tokens de entrada y $1.20 por millón de tokens de salida, con una ventana de contexto de 1,048,576 tokens.
- ¿En qué se diferencia M3 de M2?
- M3 reemplaza la atención completa por MiniMax Sparse Attention, entregando una precarga 9× más rápida y decodificación 15× más rápida a 1M de contexto mientras reduce el cómputo por token a aproximadamente 1/20 de M2; además añade entrada nativa de video y un modo de razonamiento configurable que M2 no exponía.
Veredicto del capitánUn modelo raro de pesos abiertos que toma en serio la ventana de contexto de un millón de tokens hasta reconstruir el mecanismo de atención alrededor de ella.
Ficha del modelo en Hugging Face
El capitán escribe estas notas a partir de la descripción y ficha del modelo. Los precios y tamaños de contexto son los del proveedor al momento de escribir y pueden cambiar.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #19 Hottest Text / LLM model · #19 Hottest Text / LLM text model
Not this creator?
Get your own badge
Tendencia de popularidad de MiniMax M3
Puntuación de calor desde 31 May 2026
Puntuación de popularidad
9,051°
Esta semana
▲
29.0%
9,017° entonces, 9,051° ahora
Este mes
▲
231%
8,892° entonces, 9,051° ahora
Último año
n/a
No fue lanzado/seguido
7,000°
Piso
La escala va de 0° a 9,999°. Todo lo que está por debajo de 7,000° se reserva para modelos que ninguna fuente reporta aún, que llevan un número provisional ahí para que las listas se mantengan completas. 7,000° es donde empiezan los datos medidos: un modelo con datos reales pero casi sin descargas se sitúa en el piso, y las mediciones llenan los grados por encima. El piso no dice nada sobre el modelo; solo los grados por encima lo hacen, y son los que separan un modelo de otro.
+1,727°
Tokens de OpenRouter
5,730,756,128,120 tokens procesados por este modelo a través de OpenRouter en los últimos 30 días, sumando prompts y respuestas. Cada 10,000,000 tokens cuentan como una descarga en el periodo de descargas, 573,075 en total; los tokens del último día se suman a la tasa de adopción. Fuente: OpenRouter (openrouter.ai/rankings).
+324°
Tasa de adopción
Unos 20,825 descargas al día, medidos entre dos lecturas de las fuentes, nunca estimados a partir de un promedio de toda la vida. La velocidad pesa un cuarto del término de descargas, así que un aumento reciente se nota sin que un pico de un día supere años de uso.
Mostrar desglose detallado
Cada número en este sitio se puede verificar. La puntuación de popularidad de este modelo es 9,051°, y aquí se construye un ingrediente a la vez, con el total acumulado después de cada uno: el piso, los grados que añade cada fuente, el bono por el tipo de modelo y lo que la antigüedad de sus pesos resta. Los colores son las bandas del gráfico de arriba. El glosario al final define cada término.
- 1Empieza en el piso.Por qué 7,000° y no cero: la escala va de 0° a 9,999°, y la parte por debajo de 7,000° está reservada para modelos que ninguna fuente reporta aún, que llevan un número provisional ahí para que las listas se mantengan completas y nunca superen a un modelo con datos. 7,000° es donde empiezan los datos medidos. Un modelo con datos reales pero casi sin descargas está aquí; todo lo que sigue es medición, y el espacio sobre el piso tiene diez pasos de diez veces más descargas a 300° cada uno. El piso es igual para todos los modelos, así que no decide nada; los grados por encima sí.7,000°total acumulado
- 2Suma las descargas.573,075 equivalentes a descargas en total, de Tokens de OpenRouter. Diez veces las descargas suman el mismo 300°, así que el tamaño importa pero nunca domina la puntuación.+1,727°8,727°total acumulado
- 3Añade la tasa de adopción.Unos 20,825 descargas al día ahora mismo, medido entre dos lecturas, con un cuarto del peso.+324°9,051°total acumulado
- =La puntuación heat.Dónde está este modelo en cada lista de este sitio. Nada más la ajusta.9,051°
Glosario: los términos usados aquí
- Puntuación heat
- Un número que muestra cuánto se usa y quiere un modelo ahora mismo, de 0° a 9,999°. Cada lista en este sitio que dice más popular está ordenada por esto y nada más.
- Piso
- Los 7,000° con los que empieza todo modelo con datos reales. La escala va de 0° a 9,999°; la parte bajo el piso está reservada para sustitutos (modelos sin datos), para que un modelo con datos siempre esté por encima de uno sin. El piso es igual para todos y no decide nada; los grados sobre él son la medida.
- Equivalentes a descargas
- Todo lo que la puntuación trata como una descarga, sumado: las descargas mismas, cada seeder de torrent como 1,000, cada imagen de AI Horde y cada ejecución en un sitio de generación como uno.
- Escala logarítmica
- Cuenta de a decenas, no de a uno: pasar de 1,000 a 10,000 descargas suma los mismos grados que pasar de 10,000 a 100,000. Evita que los gigantes opaquen todo lo demás.
- Likes
- Pulgares arriba y likes de todas las fuentes, valen la mitad de una descarga cada uno en la escala logarítmica.
- Tasa de adopción
- Cuántas descargas al día recibe un modelo ahora mismo, según la diferencia entre dos lecturas de una fuente. Un cuarto del peso del término de descarga.
- Medido y estimado
- Medido significa que hay dos lecturas de una fuente y la diferencia es real. Estimado significa que solo se conoce el total de hoy y el pasado se distribuye a lo largo de la vida del modelo; el sitio indica cuál está mostrando.
- Seeder
- Alguien que mantiene una copia de los pesos en línea para que otros la descarguen por torrent, o un espejo alojado que hace lo mismo. Cada uno cuenta como 1,000 descargas.
- AI Horde
- Una red de voluntarios que genera imágenes gratis en computadoras donadas. El número de imágenes que ha hecho con un modelo es público, y cada una cuenta como una descarga.
- Sitios de generación
- Sitios que alojan sus propias copias de un modelo y permiten que la gente genere con él, como PixAI, SeaArt y Yodayo. Sus descargas cuentan igual que las de Civitai y cada generación cuenta como una descarga.
- Tokens de OpenRouter
- Un modelo de texto servido mediante una API, como Claude o GPT, no tiene pesos para descargar, por lo que su uso se mide en tokens: fragmentos de texto que leyó y escribió a través de OpenRouter, una puerta de acceso que usan muchas apps, durante los últimos 30 días. Cada 10,000,000 tokens cuentan como una descarga. Fuente: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modelo completo (checkpoint)
- Los pesos en sí, el archivo que genera por sí solo. Tiene un bono porque los complementos dependen de él.
- LoRA y embedding
- Archivos pequeños que dirigen los pesos de otro hacia un estilo, personaje o concepto. No pueden funcionar solos.
- Familia y pesos
- La base sobre la que se construye un modelo, como SD 1.5, SDXL, Flux o Wan. Cada modelo hereda la fecha de lanzamiento de los pesos de su familia.
- Antigüedad
- Grados descontados según hace cuánto salieron los pesos de la familia: 150° por año, hasta 750°. Mantiene las descargas antiguas que tuvieron años para acumularse congelando la cima de la lista.
- Impulso de familia
- Un pequeño empujón limitado para LoRAs de una familia que este sitio está promoviendo ahora, siempre listado en el desglose.
- Puntaje provisional
- Un número estable por debajo del mínimo dado a un modelo que aún no tiene reportes de fuentes, para que las listas estén completas. Nunca se posiciona por encima de un modelo con datos.
- ¡Nuevo! (periodo de gracia)
- Un modelo con menos de 7 días muestra ¡Nuevo! en lugar de una puntuación y no ocupa lugar en los rankings. Su puntuación se calcula desde el primer día, pero un modelo de un día crece más rápido que cualquier otro, así que sin este periodo el #1 de la semana siempre sería el que salió ayer en vez del que se mantuvo una semana.
- Tendencia
- Cómo el crecimiento de un modelo en un período se compara con el crecimiento típico de modelos en ese mismo período. Más rápido que lo típico se lee como subida, más lento como bajada.
- Modelo típico
- El punto medio del catálogo: la mitad de los modelos con cifras crecieron más rápido en el período, la otra mitad más lento.
Cómo se ha movido la popularidad de este modelo frente al resto del catálogo: su crecimiento en descargas, likes y uso en cada periodo, medido contra el crecimiento típico de un modelo en el mismo periodo, con su puntuación de calor en ese momento. Por encima del crecimiento típico se lee como un aumento, por debajo como una caída. El pasado se reconstruye a partir de los totales de hoy, el primer día del modelo y su velocidad de descarga medida cuando hay dos lecturas; un modelo que no existía al inicio de un periodo muestra n/a.
MiniMax M3 es un modelo de texto para la familia Text / LLM listado en ModelTrends.ai, un catálogo de solo lectura de modelos de IA de imagen, vídeo y texto de código abierto. Compáralo con otros modelos Text / LLM, consulta su puntuación de calor para ver su tendencia y ábrelo en PirateDiffusion o BitVector para probarlo.
Más modelos Text / LLMMás Texto / LLM de Text / LLMllmminimaxvisiónvideorazonamientoagentesprogramacióncontexto largo
Explorar por familia de modelos
Modelos Text / LLM
434
Modelos Anima
528
Modelos Chroma
19
Modelos Fibo
2
Modelos Flux
1,496
Modelos Flux 2 / Klein
1,239
Modelos Flux 3
3
Modelos Moss
3
Modelos Iris
1
Modelos MiniMax H3
364
Modelos Hunyuan
204
Modelos Ideogram
20
Modelos Krea2
717
Modelos Qwen
20
Modelos Qwen2
47
Modelos Ltx2
153