TL;DR:
- MiniMax trabaja en M3 Pro, un modelo de código abierto de 2.7 billones de parámetros que superaría a cualquier IA china disponible hoy.
- Su modelo actual, M3, tiene 428.000 millones de parámetros: el nuevo multiplicaría esa escala por más de seis.
- Podría lanzarse ya en el tercer trimestre de 2026, aunque MiniMax no lo ha confirmado de forma oficial.
MiniMax, una de las startups de inteligencia artificial más activas de China, trabaja en un modelo de lenguaje de 2.7 billones de parámetros que planea liberar como código abierto. Sería el modelo chino más grande disponible hasta la fecha. Lo reveló The Information, que cita a dos personas con conocimiento del proyecto. Dentro de la empresa lo llaman M3 Pro, aunque el nombre podría cambiar antes de su lanzamiento, previsto tan pronto como el tercer trimestre de 2026. Para dimensionar el salto conviene mirar el presente: el modelo estrella actual de la compañía, M3, tiene 428.000 millones de parámetros. MiniMax todavía no ha confirmado nada de forma oficial.
La apuesta por el tamaño responde a una lógica conocida: más parámetros suelen traducirse en mejor razonamiento y en tareas de varios pasos que el modelo resuelve por su cuenta. El reporte, firmado por el periodista Juro Osawa, lo plantea en esos términos. La contraparte es el costo, tanto de entrenar el modelo como de ponerlo a funcionar cada vez que alguien lo consulta.
El salto de escala superaría a los mayores modelos chinos
Si M3 Pro llega tal como lo describen las fuentes, MiniMax se colocaría por delante de los pesos pesados actuales del país. Según Reuters, dos modelos marcan hoy el techo chino en tamaño:
- LongCat-2.0, de la empresa Meituan, con 1.6 billones de parámetros.
- V4-Pro, del laboratorio DeepSeek, también con 1.6 billones de parámetros.
Frente a esas cifras, los 2.7 billones de M3 Pro representan más de seis veces la escala del M3 que MiniMax lanzó el 1 de junio de 2026, y quedan bastante por encima de cualquier competidor chino con pesos abiertos.
Más grande no siempre es mejor: el reto está en que sea usable
El detalle que suele perderse en el titular es sencillo: un modelo de billones de parámetros solo sirve si se puede ejecutar a un costo razonable. Entrenarlo cuesta una fortuna por adelantado, y luego se paga cómputo con cada consulta que lanza un usuario.
La salida que usa casi toda la industria china se llama Mixture of Experts (mezcla de expertos, o MoE). En lugar de activar toda la red en cada respuesta, el sistema se divide en partes especializadas y enciende solo las que hacen falta, lo que baja el gasto de cómputo por consulta. DeepSeek, Moonshot AI y otros ya construyen así sus modelos más grandes. MiniMax no ha detallado la arquitectura de M3 Pro, de modo que aún se desconoce cuántos de esos 2.7 billones de parámetros estarían activos en cada operación.
Hay además un matiz que contrasta con el rumbo reciente de la empresa. M3, su modelo de hoy, se presentó justo como un ejercicio de eficiencia: estrena un mecanismo llamado MiniMax Sparse Attention que le permite manejar un contexto de un millón de tokens sin disparar el costo. Pasar de ahí a un modelo seis veces más grande sugiere que MiniMax quiere jugar en las dos canchas a la vez, la de la eficiencia y la del tamaño bruto.
Un modelo abierto y enorme mueve la economía de la IA en español
Aquí está el ángulo que importa para el lector hispanohablante. Los modelos de pesos abiertos, los que cualquiera puede descargar y adaptar, ganaron terreno fuera de China por una razón muy concreta: salen más baratos que las alternativas cerradas de OpenAI, Google o Anthropic. Para una startup en Ciudad de México, Madrid o Bogotá que no puede pagar tarifas premium por millón de tokens, un modelo chino potente y gratuito para autoalojar cambia los números de cualquier proyecto.
Un M3 Pro de código abierto, si de verdad rinde como insinúa su tamaño, llevaría esa oferta hacia la gama alta. El pero es que un modelo tan grande no corre en cualquier equipo: descargarlo es gratis, pero ejecutarlo con buena velocidad exige hardware serio o pagarle a un proveedor de nube que lo hospede. El acceso abierto baja la barrera de entrada; no la elimina.
Dinero fresco de una salida a bolsa y presión regulatoria de fondo
MiniMax no llega a esta apuesta con las manos vacías. Según Reuters, la empresa levantó 4.800 millones de dólares de Hong Kong (unos 614 millones de dólares estadounidenses) en una oferta pública inicial en la bolsa de Hong Kong en enero, y prepara una segunda cotización en el mercado STAR de Shanghái. Ese capital es justo lo que hace falta para financiar el cómputo de un modelo de esta escala.
En el otro platillo pesa la política. The Decoder recordó que reportes recientes apuntan a que el gobierno chino quiere endurecer los controles sobre la exportación de sus modelos de IA más avanzados. Si esas restricciones avanzan, podrían condicionar cómo y hacia dónde se distribuye un modelo abierto como M3 Pro, incluso antes de que se publique.
Preguntas rápidas sobre M3 Pro de MiniMax
¿Cuándo se lanzaría el modelo M3 Pro de MiniMax?
Según las fuentes citadas por The Information, el lanzamiento podría ocurrir tan pronto como el tercer trimestre de 2026. La fecha no es oficial y MiniMax no la ha confirmado; tampoco está garantizado que el nombre M3 Pro se conserve al momento del lanzamiento.
¿En qué se diferencia M3 Pro del M3 actual?
El M3 actual, lanzado el 1 de junio de 2026, tiene 428.000 millones de parámetros. El futuro M3 Pro tendría 2.7 billones, más de seis veces esa escala. En la práctica, un modelo más grande apunta a mejor razonamiento y tareas complejas, aunque también es más caro de operar.
¿Qué significa que sea un modelo de código abierto?
Quiere decir que MiniMax planea publicar los pesos del modelo para que cualquier desarrollador pueda descargarlo, adaptarlo y ejecutarlo por su cuenta. Suele resultar más barato que usar modelos cerrados, aunque uno tan grande exige hardware potente o un proveedor de nube que lo hospede.
Por ahora, M3 Pro es un plan que dos fuentes anónimas pusieron sobre la mesa, no un producto en la calle. Pero la dirección se lee clara: la competencia entre los laboratorios chinos ya no se decide solo en el precio, sino también en el tamaño, y cada salto de escala que se libera como código abierto termina, tarde o temprano, en las manos de quien construye con IA fuera de China.
