MiniMax lanza M3.1 Flash, un modelo MoE de 428.000 millones de parámetros para tareas agénticas

La desarrolladora china de IA MiniMax puso a disposición su nuevo modelo de lenguaje, M3.1 Flash, el 19 de octubre de 2026. Basado en un diseño de mezcla de expertos (MoE), el modelo cuenta con 428.000 millones de parámetros en total y está orientado a cargas de trabajo agénticas.

Según los detalles publicados, M3.1 Flash activa unos 23.000 millones de esos parámetros en cada paso. Además, admite una ventana de contexto de 1 millón de tokens, suficiente para procesar en una sola pasada documentos extensos, grandes bases de código o historiales largos de tareas de varios pasos.

Precios y pesos abiertos

MiniMax cobra 0,15 dólares por millón de tokens de entrada y 0,60 dólares por millón de tokens de salida a través de su API. La compañía indicó que los pesos del modelo se publicarán el 23 de octubre de 2026. La licencia bajo la que se liberarán no se especificó en la información disponible.

Un modelo MoE se divide en numerosas subredes especializadas, y solo una fracción de ellas se ejecuta con cada entrada. El objetivo es mantener la capacidad de conocimiento de un modelo muy grande y, al mismo tiempo, acercar el coste y la latencia de la inferencia a los de un modelo mucho más pequeño, lo que encaja con el precio bajo que ha fijado MiniMax.

Por qué importa

Los sistemas agénticos invocan herramientas, escriben código y ejecutan tareas de varios pasos en nombre del usuario, y suelen consumir grandes volúmenes de tokens. Por eso, el precio por token se convierte en un factor decisivo para los desarrolladores que construyen sobre estos modelos.

MiniMax, con sede en Shanghái, es una de las varias empresas chinas que han llamado la atención por sus modelos de generación de lenguaje y de vídeo. Los grandes modelos de laboratorios chinos con pesos publicados abiertamente se han convertido en una fuente notable de presión sobre los precios en el mercado global.

La información disponible no incluía resultados de pruebas de rendimiento ni comparaciones con modelos rivales. Las pruebas independientes una vez que los pesos sean públicos deberían ofrecer una imagen más clara del rendimiento real del modelo.