MiniMax planlægger verdens største åbne AI-model – 2,7 billioner parametre

MiniMax’ planlagte kæmpemodel med 2,7 billioner parametre (M3 Pro)

Den 8. juli 2026 rapporterede Reuters, at den kinesiske AI-startup MiniMax er i gang med at udvikle en stor sprogmodel med 2,7 billioner parametre . Internt går modellen under kodenavnet M3 Pro, men det endelige navn kan ændre sig . En kilde med direkte kendskab til projektet oplyser, at det vil være den største open-weight AI-model nogensinde udgivet af et kinesisk firma – og muligvis den største i verden .

Der er endnu ikke fastsat en officiel udgivelsesdato, men intern udvikling er i fuld gang. Ifølge kilder kan modellen blive klar allerede i tredje kvartal 2026 .

Vigtig bemærkning om navngivning: Reuters-artiklen nævner ikke eksplicit kodenavnet "M3 Pro". Flere andre medier som The Information og The Next Web bekræfter dog, at den interne betegnelse er M3 Pro .

---

Sammenligning med MiniMax’ eksisterende modeller

MiniMax har udviklet sine modeller i rivende hast:

Model	Udgivet	Parametre (total/aktiv)	Arkitektur	Kendetegn
MiniMax-M1	Juni 2025	456 mia. / 45,9 mia.	MoE + hybrid attention	Første open-weight hybrid-attention-ræsonneringsmodel; 1M kontekst; Apache 2.0; hævdes at overgå DeepSeek R1 på visse opgaver
MiniMax-M3	1. juni 2026	~428 mia. / ~23 mia.	MoE (Sparse Attention)	Frontline-kodning (59,0% SWE-bench Pro), 1M kontekst, native billed-/video-/computerbrug multimodalitet; open-weight på Hugging Face
M3 Pro (planlagt)	TBD	2,7 billioner (formentlig MoE)	TBD	Potentielt den største open-weight-model nogensinde; største fra et kinesisk firma

Springet fra M3’s ~428 milliarder parametre til 2,7 billioner svarer til en ~6,3 gange stigning i det samlede antal parametre. Hvis MiniMax fortsætter sin MoE-arkitektur (Mixture of Experts), kan det aktive parameterantal pr. forward pass forblive i tit-til-hundreder af milliarder, men det samlede aftryk vil være enestående for en open-weight-udgivelse .

---

Sammenligning med DeepSeek-V4-Pro

DeepSeek-V4-Pro er DeepSeek’s flagskibsmodel, lanceret 23. april 2026 . Nøglespecifikationer:

• DeepSeek-V4-Pro: 1,6 billioner parametre totalt, 49 mia. aktiveret, MIT-licens, ren tekst-algoritmisk specialist – højeste Codeforces-rating af nogen sprogmodel og 80,6% på SWE-bench Verified (bedst blandt open-weight-modeller)
• MiniMax M3 (nuværende): ~428 mia. / ~23 mia. aktiv – stærkere på multimodale opgaver og matematik (gns. 85,7 mod 31,7 på ét aggregat), svagere på rene kodebenchmarks end DeepSeek-V4-Pro
• Den planlagte 2,7 billioner-model: Ville overgå både DeepSeek-V4-Pro (1,6 billioner) og MiniMax M3 (428 mia.) i samlede parametre

De fleste analyser peger på, at MiniMax M3 og DeepSeek V4-Pro "knap konkurrerer" – de er optimeret til forskellige arbejdsbyrder: M3 til multimodal agentisk kodning og langkontekst-opgaver, V4-Pro til ren tekst-algoritmisk kodning til lavere omkostninger .

---

Bredere kontekst: Kinesiske open-weight-modeller

Kinesiske AI-laboratorier har i 2025–2026 udgivet en bølge af kraftfulde open-weight-modeller:

• DeepSeek-V4-Pro (23. april 2026) – 1,6 billioner MoE, MIT-licens, frontline-kodning
• Tencent Hy3 (Hunyuan 3.0) – Preview 23. april 2026; fuld open-weight 6. juli 2026 under Apache 2.0. En 295-milliarders MoE-model (21 mia. aktiv, 192 eksperter, top-8 routing) med 256K kontekst, ledet af tidligere OpenAI-forsker Shunyu Yao
• MiniMax-M1 (juni 2025) – 456-milliarders open-weight-ræsonneringsmodel, Apache 2.0
• MiniMax-M3 (juni 2026) – ~428 mia. total, frontline multimodal kodning
• Ant Group Ling-2.6-flash (22. april 2026) – 104 mia./7,4 mia. aktiv effektivitetsfokuseret MoE

Dette afspejler en bevidst strategi fra kinesiske AI-laboratorier om at udgive modeller som open-weight (ofte under Apache 2.0 eller MIT-licenser) – i modsætning til mange vestlige laboratorier, der holder deres frontlinjemodeller lukkede .

---

Konkurrence med vestlige AI-laboratorier

Den hurtige succession af kinesiske open-weight-udgivelser signalerer flere ting:

• Skalakamp: MiniMax’ planlagte 2,7 billioner-model ville overgå enhver kendt open-weight-vestlig model i samlede parametre og udfordre fortællingen om, at USA har en regnekraftsfordel
• Open-weight-strategi som geopolitisk løftestang: Ved at udgive vægte åbent gør kinesiske laboratorier deres modeller frit tilgængelige for globale udviklere, hvilket omgår eksportkontrol på hardware
• Talentmigration: Tencent’s Hy3 blev ledet af en rekruttering fra OpenAI (Shunyu Yao), hvilket illustrerer den tovejs strøm af AI-talenter
• Priskonkurrence: DeepSeek V4 Pro og MiniMax M3 konkurrerer begge på eller under GPT-5.5-priser på API-udbydere, hvilket driver omkostningerne ned globalt
• Benchmark-paritet: MiniMax M3’s 59,0% på SWE-bench Pro overgår GPT-5.5’s 58,6%, mens DeepSeek V4 Pro’s 80,6% på SWE-bench Verified er bedst blandt open-weight-modeller

---

Udfordringer ved at anvende en model med 2,7 billioner parametre

En open-weight-model med 2,7 billioner parametre vil medføre ekstreme udfordringer:

• Hukommelseskrav: Selv i 8-bit kvantisering kræver indlæsning af 2,7 billioner parametre ~2,7 TB GPU-hukommelse. I FP16 stiger det til ~5,4 TB. Det ville kræve hundredvis af GPU’er (f.eks. 200+ H100 med 80 GB hver) bare for at indlæse modellen i hukommelsen
• MoE-arkitektur sandsynlig: MiniMax’ M1 og M3 bruger begge MoE, hvor kun en brøkdel af parametrene aktiveres pr. token (f.eks. 23 mia. aktive ud af 428 mia. total for M3) . Hvis 2,7 billioner-modellen følger dette mønster med et tilsvarende lavt aktivt parameterforhold (f.eks. ~135 mia. aktiv), kunne inferens være mulig på en mindre klynge, end det samlede parameterantal antyder – men stadig langt ud over, hvad en enkelt GPU kan klare
• Inferens-latens og gennemløb: Selv med MoE-sparsitet kræver betjening af en sådan model i skala sofistikeret tensorparallelisme, pipelineparallelisme og ekspertparallelisme på tværs af mange noder med høj båndbredde
• Træningsomkostninger: Træning af en model med 2,7 billioner parametre ville kræve et enormt regnekraftsbudget – sandsynligvis titusindvis af GPU-måneder, selv med effektive MoE-træningsteknikker
• Open-weight-distribution: Bare hosting og distribution af 2,7 billioner parametre (potentielt 5+ TB vægte) er en logistisk udfordring for Hugging Face og andre repositories

MiniMax har dog vist stærk effektivitet – M1 blev trænet med 70% mindre regnekraft end DeepSeek R1, mens den opnåede konkurrencedygtige benchmarks , og M3 bruger sparse attention-mekanismer . De kan anvende lignende innovationer til 2,7 billioner-modellen.

---

Global udbredelse af kinesiske AI-modeller

Kinesiske open-weight-modeller har vundet betydelig global udbredelse af flere årsager:

• Priser: DeepSeek V4 Pro koster ~$0,435/M input-tokens mod MiniMax M3’s ~$0,30/M – begge ekstremt konkurrencedygtige med vestlige API-priser
• Tilladende licenser: Apache 2.0 (MiniMax M1, Tencent Hy3) og MIT (DeepSeek V4-Pro) tillader kommerciel brug, ændring og videredistribution uden begrænsninger
• Benchmark-konkurrenceevne: Disse modeller matcher eller overgår GPT-5.5 og Claude på nøglebenchmarks (kodning, ræsonnering, matematik)
• Udvikler-økosystem: Vægte hostes på Hugging Face, integreres i OpenRouter, Kilo Code og andre platforme, hvilket gør dem tilgængelige for globale udviklere

Tendensen signalerer, at Kina ikke længere bare er en hardware-begrænset følger inden for AI – det er en leder inden for open-weight-modeludgivelser, der bruger åbenhed som en konkurrencemæssig fordel mod vestlige lukkede model-ledere. Den planlagte 2,7 billioner-model ville, hvis den realiseres, være det stærkeste udsagn i den retning.