MiniMax M3 vs M2.7: benchmarks, specs e migração

A lista oficial da MiniMax agora traz só dois modelos de texto atuais: MiniMax-M3 e MiniMax-M3.1-Flash. O M2.7 e o M2.5 estão de saída, com desativação marcada para 18 de novembro de 2026. Se o seu produto roda no M2.7, você precisa decidir para onde migrar antes dessa data. Este guia compara o M3 e o M2.7 usando apenas os números publicados pela MiniMax, explica o que realmente muda nas suas requisições e mostra a migração passo a passo. Na APIMart, os dois modelos estão disponíveis pela MiniMax API com o mesmo formato compatível com OpenAI, então a troca é basicamente uma mudança de configuração.

Principais pontos

• O MiniMax M3 é um modelo nativamente multimodal que aceita texto, imagens e vídeo, com janela de contexto de 1.000.000 de tokens e até 524.288 tokens de saída por resposta. O M2.7 chega no máximo a 204.800 tokens de contexto.
• Na tabela de benchmarks da própria MiniMax, o M3 supera o M2.7 por pouco no SWE-Bench Verified (80,5 contra 79,9), mas abre boa vantagem em tarefas de agentes: 66,0 contra 51,1 no Terminal Bench 2.1 e 74,2 contra 49,4 no MCP Atlas.
• A MiniMax deixou de oferecer o M2.7 e o M2.5 a novos usuários em 19 de outubro de 2026 e os desativa em 18 de novembro de 2026. Depois dessa data, as requisições pagas por uso a esses modelos deixam de funcionar.
• A migração costuma ser uma linha alterada para minimax-m3, mas o thinking e a amostragem se comportam de outro jeito: o M3 permite desligar o thinking, o M2.x não, e o M3 sempre roda com temperature 1.
• Em 4 de novembro de 2026, membros Gold da APIMart pagam o mesmo pelos dois modelos: US$ 0,24 de entrada / US$ 0,96 de saída por 1 milhão de tokens.

MiniMax M3 vs M2.7 em resumo

Fontes: cartão do modelo MiniMax M3, configuração do MiniMax M2.7, lista de modelos da MiniMax e referência de Chat Completions da MiniMax.

O que muda do M2.7 para o M3

Multimodalidade nativa

A MiniMax descreve o M3 como um "modelo de programação multimodal de fronteira", treinado com modalidades misturadas desde o primeiro passo. Na prática, um único modelo consegue ler uma captura de tela, uma página de PDF escaneada ou um vídeo curto junto com o seu prompt. A MiniMax informa para o M3 78,1 no MMMU-Pro, 91,6 no OmniDocBench e 84,6 no Video-MMMU. A tabela não traz notas do M2.7 nesses testes, então não há uma comparação multimodal equivalente.

Uma janela de contexto cinco vezes maior

O M3 suporta até 1.000.000 de tokens de contexto, contra 204.800 do M2.7. É a diferença entre entregar ao modelo um módulo grande e entregar a maior parte de uma base de código, ou entre um contrato longo e uma data room inteira. Uma janela maior não garante boa recuperação do que está lá no fim, então teste a busca com suas próprias entradas longas antes de depender disso.

Saídas mais longas e thinking controlável

O M3 pode retornar até 524.288 tokens em uma resposta, e a MiniMax recomenda 131.072 para a maioria das requisições. Os modelos M2.x vão até 204.800, com 65.536 recomendados. O thinking também mudou. O M3 usa thinking adaptativo por padrão e decide sozinho quando vale a pena raciocinar mais; você pode desligá-lo para ter respostas mais rápidas. No M2.x, o thinking fica sempre ativo: o valor disabled é aceito, mas ignorado.

Benchmarks: MiniMax M3 vs M2.7

Todos os números abaixo vêm da tabela de benchmarks do cartão do modelo MiniMax M3. São resultados da própria MiniMax, obtidos em sua maioria na infraestrutura interna com o Claude Code como scaffolding, e não testes independentes de terceiros.

Fonte: cartão do modelo MiniMax M3 (resultados divulgados pela MiniMax).

Dois padrões se destacam. Na correção clássica de bugs em um único repositório, a diferença é pequena: 0,6 ponto no SWE-Bench Verified e 2,8 no SWE-Bench Pro. Se a sua carga de trabalho é principalmente "corrija esta issue neste repositório", o M2.7 já estava perto do M3. A distância aparece nas tarefas de várias etapas com uso intenso de ferramentas. O M3 fica 24,8 pontos à frente tanto no MCP Atlas quanto no Claw-Eval, 14,9 no Terminal Bench 2.1 e 26,6 no SWE Atlas-QnA. São justamente os benchmarks mais próximos de agentes que chamam ferramentas, executam comandos e respondem perguntas sobre uma base de código inteira.

Preços

Em 4 de novembro de 2026, membros Gold da APIMart pagam US$ 0,24 por 1 milhão de tokens de entrada e US$ 0,96 por 1 milhão de tokens de saída, igualmente para minimax-m3, minimax-m2.7 e minimax-m2.5. Mudar para o M3 não altera o preço por token. Mesmo assim, a sua fatura pode variar, porque o thinking adaptativo e as saídas mais longas do M3 mudam quantos tokens cada requisição consome. Acompanhe os tokens por requisição por alguns dias depois da troca. Os preços atuais de todos os modelos MiniMax estão na página de preços da MiniMax.

Disponibilidade e cronograma de desativação

• 19 de outubro de 2026: a MiniMax deixa de oferecer o M2.5 e o M2.7 a novos usuários.
• 18 de novembro de 2026: o M2.5 e o M2.7 são desativados. Segundo a MiniMax, as requisições de API pagas por uso a esses modelos deixam de funcionar depois dessa data.
• Já desativados: MiniMax-M2.1, MiniMax-M2 e M2-her.

Em 4 de novembro de 2026, a APIMart ainda oferece minimax-m2.7 e minimax-m2.5. Como a MiniMax está desativando os modelos de origem, planeje concluir a troca antes de 18 de novembro.

Como migrar do M2.7 para o M3

O formato da requisição continua o mesmo, então a maioria das equipes consegue migrar em uma tarde. Passe por estes cinco pontos:

1. Troque o ID do modelo de minimax-m2.7 (ou minimax-m2.5) para minimax-m3.
2. Decida o que fazer com o thinking. O M2.7 sempre raciocinava antes de responder; o M3 é adaptativo por padrão. Se você quer respostas rápidas e diretas para chat ou classificação, envie "thinking": {"type": "disabled"}. Com o SDK da OpenAI para Python, coloque isso dentro de extra_body.
3. Abandone o ajuste de temperature. O M3 sempre roda com temperature 1, e qualquer outro valor não tem efeito. Se você dependia de uma temperature baixa para ter saídas estáveis, use instruções mais claras ou saída estruturada.
4. Revise o max_completion_tokens. O M3 aceita até 524.288. Comece com os 131.072 recomendados pela MiniMax para tarefas longas e mantenha um limite menor no chat para controlar o custo.
5. Rode suas avaliações de novo. Compare qualidade, latência e tokens por requisição com tráfego real antes de mover tudo.

Uma requisição mínima com o thinking desligado fica assim:

curl https://api.apimart.ai/v1/chat/completions \
  -H "Authorization: Bearer $APIMART_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "minimax-m3",
    "messages": [{"role": "user", "content": "Resuma este pull request em três tópicos."}],
    "thinking": {"type": "disabled"},
    "max_completion_tokens": 4096,
    "stream": false
  }'

A mesma chamada com o SDK da OpenAI para Python:

import os
from openai import OpenAI

client = OpenAI(base_url="https://api.apimart.ai/v1", api_key=os.environ["APIMART_API_KEY"])

response = client.chat.completions.create(
    model="minimax-m3",  # antes era "minimax-m2.7"
    messages=[{"role": "user", "content": "Resuma este pull request em três tópicos."}],
    max_completion_tokens=4096,
    stream=False,
    extra_body={"thinking": {"type": "disabled"}},  # remova esta linha para manter o thinking adaptativo
)
print(response.choices[0].message.content)

Veja a lista completa de parâmetros na referência de Chat Completions da APIMart.

MiniMax M3 comparado com Kimi, GLM e DeepSeek

A mesma tabela da MiniMax inclui outros modelos de pesos abertos. Os números abaixo foram copiados dela; um traço indica que a MiniMax não divulgou nota. A MiniMax explica que as notas de NL2Repo de DeepSeek, Kimi e GLM foram retiradas dos resultados publicados pela Qwen, enquanto a maioria das outras colunas foi medida pela MiniMax por meio da API oficial de cada fornecedor.

Fonte: cartão do modelo MiniMax M3 (resultados divulgados pela MiniMax).

Pelos números da MiniMax, o M3, o DeepSeek V4 Pro e o Kimi K2.6 Thinking ficam a no máximo 0,4 ponto um do outro tanto no SWE-Bench Verified quanto no BrowseComp, enquanto o GLM 5.1 Thinking não tem nota no SWE-Bench Verified e fica atrás no BrowseComp, com 79,3. Além disso, o Kimi K2.6 Thinking fica um pouco à frente no NL2Repo. As vantagens mais claras do M3 estão no Terminal Bench 2.1 e no Claw-Eval. Como são resultados divulgados pelo próprio fornecedor, use-os para montar uma lista curta, não como veredito, e teste suas próprias tarefas antes de escolher.

Qual usar?

• Projeto novo: use o M3. A MiniMax não oferece mais o M2.7 a novos usuários, e ele é desativado em 18 de novembro.
• M2.7 em produção: migre para o M3 agora, enquanto ainda há tempo de comparar as saídas lado a lado.
• Precisa de entrada de imagem ou vídeo: o M3 é o modelo de texto da MiniMax com entrada multimodal confirmada.
• Principalmente correção de bugs em um único repositório: espere uma mudança de qualidade modesta; os ganhos maiores estão no trabalho de agentes com muitas ferramentas.

Perguntas frequentes

Qual é a diferença entre o MiniMax M3 e o M2.7?

O M3 é o modelo principal atual da MiniMax. Ele aceita texto, imagens e vídeo, suporta 1.000.000 de tokens de contexto e até 524.288 tokens de saída, e permite desligar o thinking. O M2.7 suporta 204.800 tokens de contexto, sempre raciocina antes de responder e está sendo desativado.

O MiniMax M2.7 vai ser desativado?

Sim. A MiniMax deixou de oferecer o M2.7 e o M2.5 a novos usuários em 19 de outubro de 2026 e desativa os dois em 18 de novembro de 2026. Depois disso, as requisições pagas por uso deixam de funcionar.

Como migrar do MiniMax M2.7 para o M3?

Troque o ID do modelo para minimax-m3, decida se mantém o thinking adaptativo ou envia "thinking": {"type": "disabled"}, remova o ajuste de temperature porque o M3 sempre usa 1 e revise o max_completion_tokens. Depois, rode de novo seu conjunto de avaliação antes de mover todo o tráfego.

Como o MiniMax M3 se sai nos benchmarks?

Na tabela da própria MiniMax, o M3 marca 80,5 no SWE-Bench Verified, 59,0 no SWE-Bench Pro, 66,0 no Terminal Bench 2.1 e 83,5 no BrowseComp. São resultados divulgados pelo fornecedor, não testes independentes.

O MiniMax M3 é open source?

A MiniMax publica os pesos do M3 no Hugging Face sob a MiniMax Community License. É um modelo de pesos abertos com licença própria, então confira as condições antes de hospedá-lo por conta própria para uso comercial.

Quanto custa o MiniMax M3?

Em 4 de novembro de 2026, membros Gold da APIMart pagam US$ 0,24 por 1 milhão de tokens de entrada e US$ 0,96 por 1 milhão de tokens de saída pelo MiniMax M3, o mesmo preço do M2.7. Consulte a página do modelo MiniMax na APIMart para ver os preços atuais.

O que acompanhar a seguir

A MiniMax já lançou o MiniMax-M3.1-Flash, que descreve como um modelo de programação multimodal com contexto de 1M e profundidade de thinking ajustável. A APIMart ainda não o oferece, e não vamos especular sobre uma data de lançamento. Enquanto isso, o próximo passo é claro: migrar as cargas do M2.7 para o M3 antes de 18 de novembro e medir qualidade, latência e tokens por requisição ao longo do processo.