MiniMax ha presentado M3.1 Flash, un modelo MoE (Mixture of Experts) de 428 mil millones de parámetros, diseñado para capacidades agenticas. Su lanzamiento se posiciona en el contexto de una carrera de precios agresiva en IA, ofreciendo un coste de API de $0.15 por millón de tokens de entrada.
Datos clave
- Modelo: M3.1 Flash
- Parámetros: 428B (Mixture of Experts – MoE)
- Parámetros activos: ~23B
- Contexto: 1M de tokens
- Precio de entrada: $0.15/1M tokens
- Fecha de disponibilidad de pesos: 23 de octubre
Presentación de M3.1 Flash: Un modelo MoE de gran escala
MiniMax ha anunciado el lanzamiento de M3.1 Flash, un avanzado modelo de lenguaje de gran escala clasificado como MoE (Mixture of Experts). Este modelo cuenta con una arquitectura de 428 mil millones de parámetros en total, pero opera con aproximadamente 23 mil millones de parámetros activos. Además, ofrece una ventana de contexto de 1 millón de tokens, lo que lo posiciona para tareas complejas de análisis y gestión de información a gran escala. La compañía ha enfocado el desarrollo de esta versión en potenciar capacidades agenticas, lo que implica una mayor autonomía en la ejecución de tareas complejas.
Detalles técnicos y estructura de costes de la nueva API
En términos de costes operativos, MiniMax ha establecido un precio competitivo para su API. El coste de entrada (input) es de $0.15 por millón de tokens, mientras que el coste de salida (output) asciende a $0.60 por millón de tokens. Los desarrolladores interesados pueden acceder a los pesos del modelo a partir del 23 de octubre. Esta estructura de precios busca facilitar la integración de la herramienta en aplicaciones empresariales, haciendo hincapié en la eficiencia económica para el usuario final.
Rendimiento comparativo y posición en el mercado de la IA
Según análisis del sector, el lanzamiento de M3.1 Flash refuerza la tendencia de precios bajos en el ámbito de la IA en China. En cuanto a su rendimiento, el modelo ha logrado un puntaje del 73.7% en el benchmark de codificación DeepSWE v1.1, un resultado que, según la fuente, iguala tanto en rendimiento como en precio a Deepseek V4.1 Flash 1017. Este posicionamiento lo sitúa en la carrera de costes, marcando una referencia de eficiencia para modelos de código abierto y propietarios.
Disponibilidad y benchmarks de DeepSWE para desarrolladores
Para los usuarios que buscan evaluar su capacidad de programación, el modelo ha sido evaluado con benchmarks específicos. Adicionalmente, la fuente proporciona información sobre la disponibilidad de DeepSeek-V4.1-Flash-1017 en plataformas como Hugging Face Hub. Estos datos son cruciales para los ingenieros que planean integrar modelos de lenguaje en sus entornos de desarrollo, permitiéndoles realizar comparativas directas de rendimiento y coste entre diferentes soluciones del mercado.
Más sobre este tema: IA para vídeo · Modelos de IA
Fuente de esta noticia: consultar el anuncio o artículo original.
