O modelo que passou meses anônimo no OpenRouter, apelidado de Space Bunny, ganhou dono, nome e arquivos baixáveis. A MiniMax publicou na madrugada desta sexta-feira os pesos do M3.1 Flash, três dias depois de anunciar o modelo em seu blog.
MiniMax M3.1 Flash: 428 bilhões de parâmetros, 23 bilhões ativos por token
A ficha técnica publicada no Hugging Face descreve um modelo multimodal nativo com arquitetura de mistura de especialistas. São cerca de 428 bilhões de parâmetros no total, mas apenas 23 bilhões ativados a cada token processado. Essa diferença é o que separa um modelo caro de um modelo viável: o sistema guarda muito conhecimento e consulta só uma parte dele por vez.
A janela de contexto é de 1 milhão de tokens. Na entrada, o M3.1 Flash aceita texto, imagem e vídeo. Na saída, só texto. O desenho faz sentido para o uso que a MiniMax persegue, com agentes que leem telas, interpretam documentos e executam tarefas em sistemas de empresas.
Outros dois detalhes técnicos aparecem na model card. O modelo usa MiniMax Sparse Attention em todas as camadas, um mecanismo que reduz o custo de olhar para contextos muito longos. E traz um cabeçalho de decodificação especulativa chamado DSpark, que adivinha os próximos tokens para acelerar a geração. O treinamento também passou por quantização consciente, técnica que prepara o modelo para rodar com menos precisão numérica sem perder qualidade.
O download é outro capítulo. Relatos de terceiros citam arquivos de aproximadamente 252 GB. Não cabe em um notebook. É infraestrutura de data center ou nuvem alugada.
Space Bunny: o teste anônimo que virou nome de produto
Antes de existir como M3.1 Flash, o modelo rodou sem assinatura no OpenRouter sob o codinome Space Bunny. A MiniMax afirma que essa versão inicial processou mais de 200 trilhões de tokens em uso anônimo. O número é da empresa e não tem como ser checado por fora, mas o episódio ilustra uma prática comum entre laboratórios chineses: testar modelos sem marca antes do lançamento.
Para quem acompanha o setor, o truque funciona nos dois sentidos. O laboratório mede desempenho e custo em condições reais, com prompts de gente de verdade. E a comunidade compara o modelo misterioso com os favoritos do momento.
O M3.1 Flash foi anunciado oficialmente em 19 de outubro, e o blog da empresa dizia, na ocasião, que os pesos seriam liberados mais tarde. Foram liberados nesta sexta, no Hugging Face e no ModelScope, com aviso da empresa no X por volta de 1h da manhã no horário UTC. Quem lê só a primeira frase do anúncio pode concluir, errado, que o modelo nasceu aberto.
Benchmarks do M3.1 Flash: o que a MiniMax afirma
Os resultados divulgados pela MiniMax são todos de fabricante, sem verificação independente conhecida. No DeepSWE v1.1, que testa tarefas complexas de engenharia de software, o modelo marca 73,7%. No OSWorld V2, prova de operação de computador e execução de tarefas entre aplicativos, são 61,7 pontos. No Agents' Last Exam, voltado a trabalho profissional de valor econômico, 29,6.
A empresa também reporta 82,2 no CyberGym, benchmark de descoberta e validação de vulnerabilidades, e 76,2 no BankerToolBench, que simula fluxos financeiros com várias ferramentas encadeadas. A MiniMax afirma ainda que o M3.1 Flash lidera entre modelos chineses no OSWorld V2 e no Agents' Last Exam. Essa comparação depende do recorte escolhido e muda rápido.
O dado mais interessante para quem paga a conta não é uma nota de prova. A empresa diz que a inferência online ficou cerca de 3 vezes mais rápida e que o custo de uso caiu 70% em relação ao modelo anterior. Em uso diário, a saída chega a 200 tokens por segundo, com mediana acima de 170. Velocidade, nesse segmento, vale tanto quanto precisão.
Quanto custa rodar o M3.1 Flash
O preço é flat, sem faixas por volume: 0,15 dólar por milhão de tokens de entrada, 0,60 dólar por milhão de saída e 0,015 dólar para entrada em cache. A tabela está no blog oficial e vale para a API da MiniMax. O modelo também aparece no M Plan e no MiniMax Code.
Coloque em perspectiva. Uma tarefa de agente que consome 1 milhão de tokens de entrada e gera 200 mil de saída custa pouco mais de 27 centavos de dólar em preços de tabela, antes de descontos de cache. É a faixa que tornou agentes automáticos viáveis neste ano.
Há um detalhe que o preço não conta. Se você baixa os pesos e roda por conta própria, o custo vira hardware, energia e equipe. Para muitas empresas, a conta só fecha com volume alto e uso contínuo. Para testar uma ideia, a API continua sendo o caminho mais barato.
A licença comunitária e a letra miúda
O Hugging Face marca a licença como "other", e o nome que aparece é MiniMax Community License. Não é uma licença de código aberto tradicional. Reportagens de terceiros apontam duas condições que merecem atenção: um limite de receita anual de 20 milhões de dólares para uso comercial sem acordo separado e a necessidade de aprovação da empresa em alguns casos.
Esses pontos vêm de interpretação de terceiros, não de uma cláusula que a MiniMax tenha destacado no anúncio. Quem pretende usar o modelo em produto comercial deve ler o texto da licença antes de colocar em produção. Licença comunitária costuma ter pegadinhas de definição, como o que conta como receita.
Também vale checar os termos de redistribuição. Modelo aberto não significa liberdade total: há exigências de atribuição e restrições de uso. No caso de um modelo multimodal desse tamanho, a letra miúda pode custar mais que a infraestrutura.
O que muda para quem usa modelos abertos
A chegada do M3.1 Flash amplia uma tendência clara de 2026: modelos de pesos abertos deixaram de ser versões reduzidas dos sistemas de ponta. Este é um modelo grande, multimodal e desenhado para agentes, não um experimento de laboratório.
Para desenvolvedores no Brasil, o efeito prático é preço e latência. Provedores locais e regionais tendem a oferecer o modelo em suas plataformas, o que reduz dependência de uma única API e melhora o tempo de resposta. Para equipes que precisam de soberania de dados, existe a opção de hospedar por conta própria, com o custo que isso implica.
Vale baixar 252 GB? O que observar nos próximos dias é o comportamento real em tarefas longas. Benchmarks sintéticos medem o pico de capacidade. O uso diário mede consistência. E é aí que modelos de contexto enorme costumam mostrar a diferença entre o que prometem e o que entregam.
