Le 1er juin 2026, MiniMax a publié M3, le premier modèle à poids ouverts (open-weight) à réunir dans une seule architecture du code de niveau frontier, un contexte de 1 million de tokens et le multimodal natif. Concrètement, un modèle que vous pouvez télécharger et héberger vous-même atteint désormais le niveau des meilleurs systèmes propriétaires sur les tâches de code les plus exigeantes. MiniMax M3 n'est pas une sortie de plus : c'est un signal. Sur le code agentique, devenu la principale ligne de fracture du marché de l'IA, l'open source rattrape enfin le propriétaire. Pour les PME et ETI françaises, cette bascule rebat les cartes du coût, de la souveraineté et du contrôle des données.
MiniMax M3, ce que change ce modèle open-weight
MiniMax M3 réunit trois capacités qui restaient jusqu'ici réservées aux géants propriétaires. C'est cette combinaison, plus que chaque brique prise isolément, qui en fait un jalon pour l'IA open source.
Un trio inédit : code frontier, 1M tokens et multimodal natif
Trois piliers définissent le modèle :
- Code agentique de niveau frontier : M3 ne se contente pas de compléter du code, il agit, exécute des outils et corrige de vrais bugs sur des dépôts réels.
- Contexte de 1 million de tokens : porté par l'architecture maison MiniMax Sparse Attention (MSA), qui divise le calcul par vingt environ et accélère le traitement de l'entrée plus de neuf fois.
- Multimodal natif : compréhension d'images et de vidéos, plus computer use (le pilotage d'un ordinateur), entraînés dès le départ et non greffés après coup.
Ce long contexte n'est pas un gadget : il sert de socle aux tâches d'agent au long cours. Lors d'une démonstration, M3 a tourné en autonomie près de 12 heures pour reproduire un papier de recherche, produisant 18 commits et 23 figures. Sur une optimisation de kernel CUDA, il a enchaîné 147 soumissions et près de 2 000 appels d'outils en 24 heures.
Des benchmarks qui bousculent la hiérarchie
Les scores placent M3 au contact direct des modèles propriétaires de pointe :
| Benchmark | Score MiniMax M3 | Ce qu'il mesure |
|---|---|---|
| SWE-Bench Pro | 59,0 % | Résolution de bugs sur 1 865 pull requests réelles |
| Terminal-Bench 2.1 | 66,0 % | Maîtrise du terminal et des outils |
| OSWorld-Verified | 70,06 % | Computer use, pilotage d'un poste de travail |
| BrowseComp | 83,5 | Navigation web autonome |
Sur SWE-Bench Pro, M3 passe devant GPT-5.5 et Gemini 3.1 Pro, et talonne Claude Opus 4.7. Le tout pour un coût annoncé autour de 5 à 10 % de celui des modèles propriétaires équivalents en API.
Code agentique : la nouvelle ligne de fracture du marché IA
SWE-Bench Pro, Terminal-Bench et OSWorld : pourquoi ces tests comptent
Ces benchmarks ne mesurent pas la récitation de connaissances, mais la capacité à agir. SWE-Bench Pro confronte le modèle à 1 865 pull requests issues de 41 dépôts open source activement maintenus : il faut comprendre une base de code, modifier les bons fichiers et faire passer les tests. Terminal-Bench et OSWorld évaluent l'usage réel du terminal et le pilotage d'un ordinateur. C'est exactement ce qu'un agent IA fait en production, et c'est là que se joue désormais la vraie compétition.
L'open-weight comble l'écart avec le propriétaire
MiniMax M3 ne sort pas de nulle part. Il s'inscrit dans une vague open source qui grignote l'avance des laboratoires fermés. GLM-5.1 est passé devant Claude Opus 4.6 sur le code, DeepSeek V4 a été entraîné sans NVIDIA, et Gemma 4 a démocratisé l'open source pour les PME. M3 ajoute la pièce qui manquait : le code agentique de très haut niveau, dans un modèle librement téléchargeable.
Open-weight ou propriétaire : quel impact pour les PME et ETI ?
Souveraineté, coût et contrôle des données
Un modèle open-weight se télécharge et s'héberge où vous le souhaitez. Trois conséquences directes pour une entreprise française :
- Souveraineté des données : vos documents et votre code ne quittent pas votre infrastructure.
- Coût maîtrisé : pas de facturation au token à grande échelle, vous payez surtout votre hébergement.
- Contrôle et pérennité : aucune dépendance à une API qui change de prix ou de conditions du jour au lendemain.
Quand choisir un modèle open-weight
L'open-weight n'est pas toujours la réponse. Il brille quand les volumes sont élevés, quand les données sont sensibles ou quand le contrôle prime. Pour une intégration légère ou un démarrage rapide, une API propriétaire reste souvent plus simple à mettre en place. Le bon réflexe consiste à raisonner par cas d'usage plutôt que par dogme. Notre guide sur le coût d'un agent IA en 2026 aide à cadrer ce choix, budget en main.
Notre avis chez RedArrow
Chez RedArrow, nous lisons la sortie de MiniMax M3 comme la confirmation d'une bascule que nous observons sur le terrain : l'open source n'est plus le choix par défaut des budgets serrés, c'est devenu une option crédible jusque sur les tâches les plus exigeantes. Qu'un modèle librement téléchargeable dépasse GPT-5.5 sur le code agentique aurait semblé improbable il y a un an.
Pour une PME ou une ETI française, l'enjeu n'est pas de courir après le dernier benchmark. C'est de comprendre que la souveraineté et la maîtrise des coûts deviennent enfin compatibles avec la performance. Un agent IA auto-hébergé sur un modèle open-weight peut traiter vos documents sensibles sans qu'aucune donnée ne sorte de chez vous, à un coût prévisible.
Notre conviction : la bonne question n'est plus open source ou propriétaire, mais quel modèle pour quel cas d'usage. C'est exactement la démarche que nous appliquons quand nous concevons un agent IA sur-mesure : choisir la brique la plus adaptée, ouverte ou propriétaire, selon vos données, vos volumes et vos contraintes de confidentialité, plutôt que de suivre la mode du moment.
Questions fréquentes
MiniMax M3 est-il vraiment open source et gratuit ?
M3 est open-weight : ses poids sont publiés sur Hugging Face et GitHub, téléchargeables pour un usage local ou auto-hébergé. L'usage des poids est libre, mais l'hébergement (serveurs et GPU) a un coût. Une API officielle existe en parallèle, facturée au token, autour de 5 à 10 % du prix des modèles propriétaires comparables.
Un modèle open-weight peut-il rivaliser avec GPT-5.5 ou Gemini 3.1 Pro ?
Sur le code agentique, oui. MiniMax M3 atteint 59,0 % sur SWE-Bench Pro, devant GPT-5.5 et Gemini 3.1 Pro, et talonne Claude Opus 4.7. Sur d'autres tâches, les modèles propriétaires gardent parfois l'avantage, mais l'écart se réduit nettement.
Que change un contexte de 1 million de tokens pour mon entreprise ?
Le modèle traite en une seule fois l'équivalent de milliers de pages : une base de code entière, des années d'historique client ou une documentation volumineuse, sans découpage. Pour les agents au long cours et l'analyse documentaire, c'est un avantage décisif.
Conclusion
MiniMax M3 confirme que l'open-weight a rejoint la cour des grands sur le code agentique. Pour les entreprises françaises, c'est une opportunité concrète de gagner en autonomie sans sacrifier la performance. Vous voulez savoir quel modèle, ouvert ou propriétaire, convient le mieux à votre besoin ? Parlons de votre projet d'agent IA.
Sources : MiniMax Research, VentureBeat, The Decoder, LLM-Stats.
