MiniMax M3 : Le modèle open-weight chinois qui bouscule GPT-5.5 et Claude

Le secteur de l’intelligence artificielle vient de franchir un nouveau cap. La startup chinoise MiniMax a dévoilé son modèle de nouvelle génération : MiniMax M3. Sa promesse ? Offrir les performances des meilleurs modèles propriétaires fermés du marché au sein d’une architecture à poids ouverts (open-weight). Avec des capacités multimodales natives et une gestion optimisée des contextes longs, M3 redéfinit les attentes économiques et techniques des architectures d’agents IA.

Les points clés à retenir

• Performance Frontier en Open-Weight : M3 affiche des scores de premier plan sur le code et la navigation autonome, rivalisant directement avec des géants fermés.
• Architecture MSA Innovante : La MiniMax Sparse Attention divise par 20 le coût de calcul sur les contextes longs, accélérant radicalement le traitement.
• Fenêtre de Contexte Massive : Le modèle gère nativement jusqu’à 1 million de tokens.
• Multimodalité Native : Intégration directe du texte, de l’image et de la vidéo dès la phase de pré-entraînement.

MiniMax M3 : L’open-weight défie les géants fermés

Le paysage des grands modèles de langage (LLM) subit une reconfiguration rapide. En publiant les caractéristiques de son modèle M3, MiniMax ne se contente pas de proposer une mise à niveau technique ; l’entreprise positionne une solution open-weight face aux versions propriétaires les plus avancées d’OpenAI ou d’Anthropic.

M3 intègre simultanément trois piliers majeurs : des capacités de codage de pointe, une fenêtre de contexte de 1 million de tokens et une compréhension multimodale native (incluant la vidéo). Cette polyvalence vise à transformer les pipelines de développement d’agents autonomes, souvent limités par les coûts des API fermées.

Des benchmarks de premier plan sur le code et les agents

Pour appuyer son entrée sur le marché, MiniMax a partagé des résultats de benchmarks particulièrement agressifs face aux leaders de l’industrie.

SWE-Bench Pro : La performance d’ingénierie logicielle

Sur le benchmark SWE-Bench Pro, qui évalue l’aptitude d’une IA à résoudre de vrais problèmes de code issus de dépôts GitHub complexes, M3 s’impose parmi les solutions les plus efficaces au monde :

• MiniMax M3 : 59.0%
• GPT-5.5 (OpenAI) : 58.6%
• Gemini 3.1 Pro (Google) : Moins de 59.0% (dépassé par M3 selon l’éditeur)

Ces chiffres positionnent M3 juste derrière les versions avancées de Claude (comme Opus 4.7), faisant de lui le modèle open-weight le plus performant du secteur sur cette métrique spécifique, devant certaines solutions concurrentes comme DeepSeek V4 Pro (55.4%).

BrowseComp : La navigation web autonome

L’évaluation des capacités d’agent de recherche approfondie (Deep Research) met en avant l’habileté de M3 à naviguer de manière autonome pour extraire et synthétiser des données factuelles. Sur le benchmark BrowseComp, M3 obtient le score de 83.5, devançant Claude Opus 4.7 qui s’établit à 79.3.

Architecture MSA : L’optimisation des contextes longs

L’une des innovations majeures de M3 réside dans son infrastructure technique, baptisée MiniMax Sparse Attention (MSA). La gestion de fenêtres de contexte s’étendant jusqu’à 1 million de tokens souffre habituellement d’une explosion exponentielle des coûts de calcul et de latence.

L’architecture MSA résout ce goulet d’étranglement en réduisant le calcul par token à environ 1/20e de ce que requérait la génération précédente. Selon les rapports techniques de l’entreprise, cette optimisation permet d’atteindre une vitesse de pré-remplissage (prefill) 9,7 fois plus rapide et un décodage 15,6 fois plus rapide à pleine longueur de contexte.

Une stratégie commerciale agressive et des ambitions boursières

L’arrivée de M3 s’inscrit également dans un contexte financier et stratégique intense pour MiniMax. L’accès à l’API affiche des tarifs très compétitifs face aux modèles propriétaires de frontières, avec des offres d’entrée positionnées autour de 20 $ par mois. Les poids du modèle ainsi qu’un rapport technique complet sont attendus sur les plateformes Hugging Face et GitHub.

En parallèle de cette annonce produit, la structure corporate de MiniMax évolue. Déjà introduite à la Bourse de Hong Kong en janvier 2026 (où elle a levé environ 619 millions de dollars), l’entreprise a officialisé la signature d’un accord d’accompagnement avec CITIC Securities en vue d’une seconde cotation sur le marché STAR de Shanghai. Bien que l’annonce de cette double cotation ait entraîné une forte volatilité à court terme sur son titre à Hong Kong, la trajectoire globale montre la volonté de MiniMax de sécuriser les capitaux nécessaires pour soutenir la course au calcul face à ses rivaux mondiaux.

Le modèle MiniMax M3 (dévoilé le 1er juin 2026) se positionne de manière très agressive face aux géants du marché. Sa particularité est d’être un modèle à « poids ouverts » (open-weights) tout en affichant des scores qui rivalisent directement avec les modèles propriétaires fermés les plus avancés d’OpenAI, Anthropic et Google, notamment sur le code et les tâches agentiques.

Voici une comparaison détaillée des performances de M3 par rapport aux autres modèles de pointe.

1. Développement et Ingénierie Logicielle (SWE-Bench)

Le benchmark SWE-Bench Pro mesure la capacité d’un modèle à résoudre de vrais problèmes d’ingénierie logicielle issus de dépôts GitHub (tâches complexes à horizon long).

M3 s’impose comme l’un des meilleurs modèles de code au monde, dépassant de justesse les derniers flagships fermés d’OpenAI et Google :

Ce qu’il faut retenir : MiniMax M3 est actuellement le #3 mondial sur ce benchmark et le #1 des modèles open-weight, devançant son principal rival chinois DeepSeek V4 Pro de près de 4 points.

2. Navigation Web Autonome et Recherche (BrowseComp)

Le benchmark BrowseComp évalue la capacité d’un agent IA à naviguer de manière autonome sur le web, à synthétiser des informations et à extraire des faits précis.

• MiniMax M3 : 83.5
• DeepSeek V4 Pro : 83.4
• Claude Opus 4.7 : 79.3

M3 surpasse ici Claude Opus 4.7 de plus de 4 points, ce qui en fait un excellent choix pour les pipelines de Deep Research (recherche approfondie) et les agents d’extraction d’informations.

3. Utilisation de l’Ordinateur et Agents (OSWorld)

Sur le benchmark OSWorld-Verified, qui teste la capacité d’une IA à utiliser concrètement un système d’exploitation de bureau (clics, navigation dans les fichiers, utilisation d’outils) :

• Claude Opus 4.8 : 83.4%
• GPT-5.5 : 78.7%
• Claude Sonnet 4.6 : 72.5%
• MiniMax M3 : 70.0%

Bien qu’il reste derrière les modèles d’Anthropic et d’OpenAI, le score de 70% pour un modèle open-weight reste une performance de premier plan pour l’automatisation de tâches desktop.

4. Raisonnement Scientifique et Général

Sur les capacités de raisonnement pur de niveau universitaire :

• GPQA Diamond (Raisonnement scientifique) : M3 affiche un score très solide de 92.9%, mais reste légèrement devancé par DeepSeek V4 Pro qui culmine à 90.1% / 93.5% sur les benchmarks de mathématiques pures et de code algorithmique (comme LiveCodeBench, où M3 n’a pas publié de données).

Les nuances importantes à garder en tête

Bien que les chiffres soient impressionnants, la communauté technique et les analystes appellent à une certaine prudence :

1. Données auto-rapportées : Au moment de son lancement, les scores de M3 sont fournis par l’éditeur (MiniMax). Contrairement à DeepSeek dont les benchmarks ont été audités par des tiers comme Artificial Analysis, M3 attend ses validations indépendantes globales.
2. L’avantage Multimodal : Contrairement à DeepSeek V4 Pro qui est strictement textuel, M3 gère nativement le texte, l’image et la vidéo dès l’étape zéro de son pré-entraînement. Pour du débogage à partir de captures vidéo ou du design-to-code, M3 possède une polyvalence unique dans le monde du logiciel libre.
3. L’architecture MSA : Pour tenir sa fenêtre de contexte de 1 million de tokens, M3 utilise la MiniMax Sparse Attention. Elle réduit le coût de calcul par token à 1/20e par rapport à la génération précédente, offrant un gain de vitesse de pré-remplissage (prefill) de près de 10x face aux architectures classiques.

Sources

• Rapport de lancement et données financières de MiniMax Group (juin 2026).
• Analyse des performances et benchmarks sectoriels (SWE-Bench Pro, BrowseComp).
• Communiqué officiel des dépôts auprès de la China Securities Regulatory Commission (CSRC).

Questions Fréquentes (FAQ)