Wat is MiniMax M3? MiniMax' multimodale vlaggenschip met 1M-context

MiniMax M3 is een native multimodaal open-weight taalmodel van het Chinese lab achter de M-serie tekstmodellen, de Hailuo-videomodellen en de Music-serie. Het lab kondigde het aan op 1 juni 2026 en het nam de toppositie in de eigen modellenlijst van het bedrijf over van MiniMax M2.7, met een contextvenster van een miljoen tokens, native tekst-, beeld- en video-invoer, en een sparse-attention-architectuur die het lab MSA noemt.

Veertien artikelen in het archief van deze blog vermelden MiniMax M3. Tot nu toe ging geen ervan over het model. Het duikt op als de tegenstander in de ene na de andere vergelijking — het open-weight referentiepunt waaraan een nieuwere Gemini, Qwen, Grok of GPT wordt afgemeten — en er is hier geen pagina geweest waar een lezer terechtkon om erachter te komen wat MiniMax M3 nu eigenlijk is. Dit is die pagina.

Het specificatieblad

MiniMax M3 is een mixture-of-experts-model met ruwweg 428 miljard totale parameters en ruwweg 23 miljard die per token worden geactiveerd, volgens de modelkaart die MiniMax samen met de gewichten publiceert. Het is van nature multimodaal in plaats van alleen tekst met visie eraan vastgeschroefd: de kaart beschrijft training op afwisselende modaliteiten vanaf de eerste stap, en het model accepteert tekst-, beeld- en video-invoer en retourneert tekst.

• Contextvenster: 1.048.576 tokens, waarbij onze eigen catalogusvermelding een gegarandeerd minimum van 512.000 tokens bruikbare context aangeeft
• Maximale uitvoer: 512.000 tokens op onze cataloguspagina; MiniMax publiceert geen cijfer voor maximale uitvoer in zijn eigen materiaal, dus behandel 512K als ons cijfer, niet dat van de leverancier
• Modaliteit: tekst-, beeld- en video-invoer; tekstuitvoer
• Parameters: ~428B totaal, ~23B actief per token
• Redeneerbesturing: een denkparameter met de modi ingeschakeld, adaptief en uitgeschakeld
• Aanbevolen sampling: temperature 1.0, top_p 0.95
• Architectuur: MiniMax Sparse Attention (MSA), het onderwerp van arXiv-paper 2606.13392
• Endpointvorm: OpenAI-compatibele chat completions

De belangrijkste architectonische claim gaat over de aandachtkosten bij een lange context. MiniMax zegt dat MSA meer dan 9x sneller vooraf vullen en meer dan 15x sneller decoderen levert dan M2 bij een venster van één miljoen tokens, waardoor de rekenkosten per token tot ongeveer een twintigste van de vorige generatie worden teruggebracht. Dat zijn cijfers van de leverancier zelf en we hebben ze niet onafhankelijk gereproduceerd gezien.

Waar MiniMax M3 staat binnen MiniMax' eigen productlijn

Het is het topmodel van de taalmodellenlijn, maar het is de moeite waard om precies te zijn over wat die lijn bevat, omdat MiniMax een langere staart van nog steeds vermelde modellen aanhoudt dan de meeste labs. De eigen modeldocumentatie van de leverancier verdeelt ze in tweeën.

• Huidige modellen: MiniMax M3, MiniMax M2.7, MiniMax M2.7-highspeed
• Verouderde modellen, nog steeds vermeld: MiniMax M2.5, MiniMax M2.5-highspeed, MiniMax M2.1, MiniMax M2.1-highspeed, MiniMax M2
• MiniMax M2, het oudste daarvan, heeft een context van 200.000 tokens en een maximale uitvoer van 128.000 tokens, inclusief chain-of-thought
• MiniMax publiceert geen context- of uitvoerlimieten voor M2.7 of M2.1 in hetzelfde document

De generatiekloof is reëel maar niet enorm op de enige index waarop beide modellen voorkomen. Artificial Analysis geeft MiniMax M3 een 29 op de Intelligence Index-revisie v4.3.2, en MiniMax M2.7 een 23 op diezelfde revisie — 29 plaatst M3 op rang 16 van de 114 modellen in de tabel van die revisie, en 23 plaatst M2.7 op rang 36. M2.7 werd uitgebracht in maart 2026. De sprong is een stap, niet een generatie, en het is de moeite waard om de twee cijfers uit dezelfde revisie af te lezen: deze index is op 7 september 2026 opnieuw gekalibreerd, en scores van vóór die datum zijn niet vergelijkbaar met scores erna.

Wat het kost

MiniMax berekent de prijs van M3 op basis van de aanvraaggrootte op zijn pay-as-you-go-tariefkaart, en de gepubliceerde tarieven bevatten een permanente korting van 50% ten opzichte van een hogere catalogusprijs.

• Tot 512K tokens aan invoer: $0,30 per miljoen invoertokens, $1,20 per miljoen uitvoertokens, $0,06 per miljoen gecachte leesbewerkingen — tegenover een lijstprijs van $0,60 / $2,40 / $0,12
• Boven 512K tokens aan invoer: $0,60 per miljoen invoer, $2,40 per miljoen uitvoer, $0,12 per miljoen gecachte leesbewerkingen — tegenover een lijstprijs van $1,20 / $4,80 / $0,24
• Priority-servicelaag: 1,5x het standaardtarief, dus $0,45 / $1,80 / $0,09 op de laag voor kleine verzoeken, geselecteerd door service_tier in te stellen op "priority"
• Niet gepubliceerd: MiniMax vermeldt geen prijs voor cacheschrijven voor M3, alleen een prijs voor cachelezen

OrcaRouter biedt MiniMax M3 tegen dezelfde cijfers — $0,30 in, $1,20 uit — zonder opslag bovenop het providertarief. Het is een uitgelicht model in onze catalogus, en het verkeer is niet gering: 153,7 miljoen tokens gerouteerd in de afgelopen zeven dagen op het moment van schrijven, met een p50 time-to-first-token van 4,26 seconden en een p95 van 10,00 seconden.

Waar MiniMax M3 meetbaar goed in is

Begin met de cijfers die MiniMax over zichzelf rapporteert, die allemaal door de leverancier zijn gerapporteerd en waarvan we er geen enkele door een derde partij hebben zien worden gereproduceerd.

• SWE-Bench Pro: 59,0%
• Terminal-Bench 2.1: 66,0%
• SWE-fficiency: 34,8%
• MCP Atlas: 74,2%
• BrowseComp: 83,5, het cijfer waarmee de leverancier uitpakt bij agentisch zoeken
• Video-MME: 84,6 bij 512 frames, waarbij de externe API het aantal frames beperkt tot 640
• KernelBench Hard: 28,8%
• OSWorld-Verified: 68,70% bij 100 maximale stappen, oplopend tot 70,06% bij 200

Het onafhankelijke beeld is het eens over de richting. Artificial Analysis plaatst MiniMax M3 op een Intelligence Index van 29 in revisie v4.3.2, op de 16e plaats van 114 modellen, tegen $0,51 om de index per model te draaien — rang 21 van 114 op die kostenmaatstaf. De outputsnelheid is 106,4 tokens per seconde tegen een mediaan van 67,1, en de tijd tot het eerste token is 1,25 seconden tegen een mediaan van 2,33 seconden. Beide zijn beter dan typisch voor deze categorie, en de prijs ligt ruim daaronder.

Herpublicatie door derden van dezelfde indexfamilie vult de subscores aan: SWE-bench Verified op 80,5%, tau-squared-bench op 88,9%, AA-GPQA Diamond op 92,9%, AA-LCR op 83,0%, AA-IFBench op 82,9%, OmniDocBench 1.5 op 91,6% en USAMO 2026 op 85,7%. Documentbegrip en het volgen van instructies lijken echte sterke punten, en de score voor redeneren met een lange context past bij het architectuurverhaal.

Waar het meetbaar slecht in is

De eerlijke zwakke punten clusteren op twee plekken, en beide zijn zichtbaar in gepubliceerde cijfers.

• De agentische kloof is de belangrijkste: bij dezelfde herpublicatie door een derde partij scoort MiniMax M3 58,6 op de AA Coding Index, maar slechts 30,8 op de AA Agentic Index. Het schrijft code veel beter dan dat het autonoom een lange taak met meerdere stappen aanstuurt.
• Kennis en hallucinatie: een AA-Omniscience Index van 1,4, nauwkeurigheid van 16,7% en een hallucinatiepercentage van 18,4%. Dit is een model dat zelfverzekerd antwoordt over dingen die het niet weet.
• OSWorld 2.0: 4,6%
• CritPt: 3,7%, de zwakste gepubliceerde score die we waar dan ook voor M3 vonden
• ResearchClawBench: 19,8%
• Verbositeit: 120 miljoen outputtokens om de Intelligence Index te voltooien, rang 11 van 114 — het is een model dat graag praat, en bij redeneerintensieve prompts is dat te zien op de factuur
• De samengestelde ondergrens: een aggregator van derden zet het op 55,28 van 100, rang 60 van 505, zij het op basis van gedeeltelijke dekking van 50 van de 481 benchmarks, dus die samengestelde score is een ondergrens en geen eindoordeel

Een aantal zaken wordt simpelweg niet gemeten, en dat zeggen we liever dan de leemte op te vullen. Niemand buiten MiniMax heeft de bovenstaande benchmarktabel van de leverancier gereproduceerd. Artificial Analysis publiceert niet zelf een cijfer voor de Coding Index of de Agentic Index voor M3 — het paar 58,6 en 30,8 is afkomstig van een derde partij die dezelfde indexfamilie opnieuw publiceert. Artificial Analysis noemt AA-Omniscience als een onderdeel van zijn index, maar publiceert geen numerieke Omniscience-score voor M3. MiniMax publiceert geen cijfer voor de maximale output, dus de 512K op onze eigen modelpagina is van ons. En op de tariefkaart van de leverancier staat helemaal geen cache-write-prijs.

Wie zou MiniMax M3 moeten kiezen, en wie zou iets anders moeten kiezen?

Kies MiniMax M3 wanneer de taak zowel een lange context als multimodaliteit combineert. Een miljoen tokens met video-invoer, open weights die je zelf kunt downloaden en draaien, en een invoerprijs van $0,30 per miljoen tokens is een combinatie die niets anders in het open-weightveld netjes kan evenaren. Analyse van lange documenten, videobegrip, code lezen op repositoryschaal en pijplijnen voor documentextractie: dat zijn de terreinen waar de gemeten sterktes liggen — 91,6% op OmniDocBench en 83,0% op AA-LCR zijn de cijfers die ervoor pleiten.

Kies in drie gevallen iets anders. Als je het contextvenster of de visuele input niet nodig hebt, kost MiniMax M2.7 hetzelfde $0.30/$1.20, scoort het 23 tegen M3's 29 op de huidige index-revisie, en is het een kleiner iets om te draaien — M3's voordeel is niet gratis, het is alleen tegen dezelfde stickerprijs geprijsd. Als je workload autonome agents is in plaats van coderen, is de agentische kloof de reden om elders te kijken, en MiniMax' eigen vergelijkingstabel wijst op dezelfde plek: op PostTrainBench meldt de leverancier 0.37 voor M3 tegen 0.42 voor Opus 4.7 en 0.39 voor GPT-5.5, zijn enige gepubliceerde benchmark waar M3 van beide verliest. En als je een licentie zonder verplichtingen nodig hebt, lees de volgende paragraaf voordat je je vastlegt.

De licentie is het addertje onder het gras dat veel berichtgeving overslaat. MiniMax M3 wordt uitgegeven onder de MiniMax Community License, niet onder Apache of MIT. Niet-commercieel gebruik is gratis. Commercieel gebruik is toegestaan, maar je moet prominent "Built with MiniMax M3" weergeven. Onder de $20 miljoen jaarlijkse omzet dien je een eenmalige kennisgeving in; daarboven heb je voorafgaande schriftelijke toestemming van MiniMax nodig, die per e-mail moet worden aangevraagd met als onderwerp "M3 licensing - authorization request". De licentie bevat ook een bijlage met verboden toepassingen. Als je een product op de markt brengt, is dat een juridische beoordeling, geen formaliteit.

De praktische samenvatting

MiniMax M3 is het huidige vlaggenschip van MiniMax' taallijn: een mixture-of-experts-model met ~428B parameters en ~23B actief per token, een context van één miljoen tokens, native video- en beeldinvoer, en sparse attention waaraan de leverancier een 20x-reductie in rekenkracht per token bij volledige context toeschrijft. Het werd aangekondigd op 1 juni 2026, dus dit is een gevestigd model, geen nieuw model — de interessante vraag in september 2026 is niet of het goed is, maar voor welk deel van je workload het goed is.

Het afgewogen antwoord is dat het sterk is in code en documenten, gewoon in kennis en zwak in autonoom agentisch werk. Het is goedkoop voor wat het doet, en het is het zeldzame open-weightmodel waarbij de long-contextclaim een onafhankelijke blik doorstaat. De licentie is het onderdeel waarover de meeste teams met zichzelf zullen moeten onderhandelen.

MiniMax M3 draait op OrcaRouter tegen het tarief van de provider zonder markup, via dezelfde OpenAI-compatibele endpoint als al het andere hier: één API-sleutel bereikt 200+ modellen, met automatische failover als een endpoint uitvalt en een routing-DSL wanneer je wilt vastpinnen of mengen. Als je het wilt vergelijken met de rest van de catalogus voordat je je vastlegt, heeft de modelpagina de live tariefkaart, percentielen voor tijd-tot-eerste-token en verkeer.