MiniMax lancia M3.1 Flash, un modello MoE da 428 miliardi di parametri per agenti AI

La startup cinese di intelligenza artificiale MiniMax ha reso disponibile il 19 ottobre 2026 il suo nuovo modello linguistico, M3.1 Flash. Basato su un'architettura mixture-of-experts (MoE), il modello conta complessivamente 428 miliardi di parametri ed è pensato per carichi di lavoro agentici.

Secondo i dettagli diffusi, M3.1 Flash attiva circa 23 miliardi di questi parametri a ogni passaggio. Supporta inoltre una finestra di contesto di 1 milione di token, sufficiente per elaborare in un'unica soluzione documenti lunghi, grandi basi di codice o cronologie estese di attività in più fasi.

Prezzi e pesi aperti

MiniMax applica un prezzo di 0,15 dollari per milione di token in input e di 0,60 dollari per milione di token in output tramite la propria API. L'azienda ha annunciato che i pesi del modello saranno pubblicati il 23 ottobre 2026. La licenza con cui saranno rilasciati non è stata specificata nelle informazioni disponibili.

Un modello MoE è suddiviso in molte sotto-reti specializzate, e per ogni input ne vengono eseguite solo alcune. L'obiettivo è mantenere la capacità di conoscenza di un modello molto grande riducendo costi e latenza di inferenza, più vicini a quelli di un modello molto più piccolo, il che si concilia con il prezzo contenuto fissato da MiniMax.

Perché è importante

I sistemi agentici richiamano strumenti, scrivono codice ed eseguono attività in più fasi per conto dell'utente, e tendono a consumare grandi volumi di token. Per questo il prezzo per token è un fattore decisivo per gli sviluppatori che costruiscono su tali modelli.

MiniMax, con sede a Shanghai, è una delle diverse aziende cinesi che hanno attirato l'attenzione sia per i modelli di generazione di linguaggio sia per quelli di generazione video. I grandi modelli di laboratori cinesi con pesi rilasciati pubblicamente sono diventati una fonte rilevante di pressione sui prezzi nel mercato globale.

I risultati dei benchmark e i confronti con i modelli concorrenti non erano inclusi nelle informazioni disponibili. Test indipendenti dopo la pubblicazione dei pesi dovrebbero offrire un quadro più chiaro delle prestazioni reali del modello.