MiniMax M3.1 - название, с которым нужно быть аккуратным. Официальной страницы MiniMax M3.1, model card, API ID или релизного поста нет. Зато есть публичная MiniMax M3 и отдельный слух о новой модели на 2.7 триллиона параметров, которую источники The Information называют внутренним M3 Pro.
Поэтому правильная рамка такая: MiniMax M3.1 - не подтвержденный релиз, а удобный market label для ожидаемой следующей итерации M3-линейки. Если она выйдет, ее могут назвать M3.1, M3 Pro или совсем иначе.
Что уже есть: MiniMax M3
MiniMax M3 официально вышла 1 июня 2026 года. Это open-weight модель для coding, agentic workflows, long context и native multimodal input.
Ключевые характеристики M3:
- около 428B total parameters;
- около 23B active parameters;
- Mixture-of-Experts;
- 1M-token context;
- input: text, image, video;
- output: text;
- MiniMax Sparse Attention;
- thinking modes;
- API, Token Plan, MiniMax Code;
- веса на Hugging Face и GitHub.
Главная техническая фишка - MiniMax Sparse Attention (MSA). MiniMax заявляет, что на 1M context M3 снижает per-token compute до 1/20 относительно предыдущего поколения, ускоряет prefill более чем в 9 раз и decoding более чем в 15 раз.
Это важнее, чем звучит: для агентного кодинга модель часто тонет не в "незнании", а в цене длинного контекста и объеме tool-output. MSA бьет именно туда.
Что за M3.1 / M3 Pro
В июле The Information сообщил, что MiniMax работает над новой large language model на 2.7 триллиона параметров. По источникам, внутри компании она известна как M3 Pro, может выйти уже в третьем квартале 2026 года и планируется к open source / open weights.
Китайские медиа, включая Sina/IT Home, пересказали эту линию: новая модель должна быть значительно больше текущей M3 и лучше подходить для сложного reasoning и многошаговых задач.
Вот здесь и возникает "MiniMax M3.1". Если команда выпустит не полностью новую M4, а усиленную M3-ветку, рынок может называть ее M3.1. Но пока это неофициально.
Почему MiniMax может пойти в 2.7T
Конкуренты давят со всех сторон. DeepSeek V4-Pro заявляет 1.6T total. Qwen 3.8-Max-Preview - 2.4T. Kimi K3 - 2.8T. В таком окружении 428B MiniMax M3 все еще полезна, но выглядит менее "frontier" по масштабу.
MiniMax нужно сохранить три сильные стороны:
- open-weight доступность;
- длинный контекст;
- практический coding/agentic профиль.
Если 2.7T M3 Pro сохранит MSA-подход и даст лучший reasoning без катастрофической цены, это будет не просто "больше параметров", а попытка вернуться в верхний слой open-weight гонки.
Что хотелось бы увидеть в M3.1
Первое - более стабильный long-horizon coding. M3 уже умеет много, но следующим шагом должен быть не только benchmark score, а меньшее число срывов в 100+ tool calls.
Второе - лучшая верификация. MiniMax Code использует Agent Team и Producer + Verifier loop. Было бы логично, если M3.1/M3 Pro сильнее разделит генерацию и проверку: один агент пишет, другой агрессивно ищет ошибки.
Третье - меньше hallucinated tool usage. В coding agents это классическая боль: модель уверенно вызывает несуществующий файл, неверно интерпретирует лог или чинит симптом. Более крупный post-trained M3 мог бы улучшить это.
Четвертое - понятная мультимодальность. M3 принимает изображения и видео, но будущей версии надо доказать пользу на практических задачах: скриншоты багов, UI-refactoring, анализ экранных записей, технические диаграммы.
Где скепсис
2.7T - огромный размер. Даже если активных параметров меньше, inference будет сложным. Open weights не равны дешевому local run. Большинство команд все равно будут использовать облачный API или провайдеров.
Еще одна проблема - naming. Если релиз выйдет как M3 Pro, а не M3.1, статьи с названием M3.1 придется обновлять. Поэтому лучше заранее писать: "M3.1 - рабочее обозначение слуха, не официальное имя".
И наконец, нужны независимые тесты. Vendor-reported SWE-Bench и Terminal-Bench полезны, но production-решение надо принимать на своем коде.
Мнение
MiniMax сейчас в интересной позиции. M3 - уже реальный сильный релиз: open weights, 1M context, MSA, coding focus. Но рынок open-weight frontier ускорился, и M3 быстро перестала выглядеть максимально крупной.
Если MiniMax M3.1 окажется M3 Pro на 2.7T, это будет заявка: "мы не только делаем практичные модели, мы тоже можем играть в верхней весовой категории". Успех будет зависеть не от числа параметров, а от того, сохранится ли M3-экономика: длинный контекст, usable agents, нормальная цена и доступные веса.
В GPTunneL такую модель стоит тестировать на задачах, где M3 уже сильна: длинные репозитории, refactoring, мультимодальные inputs и агентные цепочки. Если прирост будет только в красивых рассуждениях, это слабый апдейт. Если в завершенных задачах - уже другой разговор.
