MiniMax lance M3.1 Flash, un modèle MoE de 428 milliards de paramètres dédié aux tâches agentiques

Le développeur chinois d'IA MiniMax a rendu disponible son nouveau modèle de langage, M3.1 Flash, le 19 octobre 2026. Reposant sur une architecture à mélange d'experts (MoE), le modèle compte 428 milliards de paramètres au total et est conçu pour les charges de travail agentiques.

Selon les informations publiées, M3.1 Flash active environ 23 milliards de ces paramètres pour chaque étape donnée. Il prend également en charge une fenêtre de contexte de 1 million de tokens, suffisante pour traiter en une seule passe de longs documents, de vastes bases de code ou des historiques étendus de tâches en plusieurs étapes.

Tarification et poids ouverts

MiniMax facture 0,15 $ par million de tokens en entrée et 0,60 $ par million de tokens en sortie via son API. L'entreprise indique que les poids du modèle seront publiés le 23 octobre 2026. La licence selon laquelle ils seront diffusés n'était pas précisée dans les informations disponibles.

Un modèle MoE est découpé en de nombreux sous-réseaux spécialisés, dont seule une fraction est activée pour chaque entrée. L'objectif est de conserver la capacité de connaissance d'un très grand modèle tout en rapprochant le coût et la latence d'inférence de ceux d'un modèle nettement plus petit, ce qui correspond au prix bas fixé par MiniMax.

Pourquoi c'est important

Les systèmes agentiques appellent des outils, écrivent du code et exécutent des tâches en plusieurs étapes pour le compte de l'utilisateur, et ils consomment généralement de grands volumes de tokens. Le prix par token devient donc un facteur déterminant pour les développeurs qui créent des applications sur ces modèles.

Basée à Shanghai, MiniMax fait partie de plusieurs entreprises chinoises qui ont attiré l'attention avec leurs modèles de génération de langage et de vidéo. Les grands modèles issus de laboratoires chinois, dont les poids sont publiés en accès libre, sont devenus une source notable de pression sur les prix à l'échelle mondiale.

Les résultats de benchmarks et les comparaisons avec les modèles concurrents ne figuraient pas dans les informations disponibles. Des tests indépendants, une fois les poids rendus publics, devraient donner une image plus claire des performances réelles du modèle.