MiniMax punta a creare il più grande modello AI open-weight mai realizzato, con 2.7 trilioni di parametri

Il progetto ambizioso di MiniMax: un modello da 2,7 Trilioni di Parametri

L'8 luglio 2026, l'agenzia Reuters ha riportato che la startup cinese di AI MiniMax sta sviluppando un enorme modello linguistico con 2,7 trilioni di parametri . Conosciuto internamente con il nome in codice M3 Pro, questo modello segnerebbe un punto di svolta nel panorama dell'AI, puntando a diventare il più grande modello open-weight mai rilasciato da un'azienda cinese, e potenzialmente, del mondo intero .

Nota sul nome: Sebbene la domanda lo chiami "M3 Pro", il rapporto Reuters non utilizza esplicitamente questo nome in codice. Altre fonti come Digg e The Next Web lo confermano come nome interno, ma il nome finale del prodotto potrebbe essere diverso.

Confronto con i Precedenti Modelli MiniMax

La tabella seguente mostra l'evoluzione della famiglia di modelli MiniMax, evidenziando il balzo in avanti rappresentato dal nuovo progetto:

Modello	Rilascio	Parametri	Architettura	Caratteristiche Chiave
MiniMax-M1	Giugno 2025	456B totali / 45,9B attivi	MoE + attenzione ibrida	Primo modello di ragionamento open-weight; contesto 1M; licenza Apache 2.0
MiniMax-M3	1 Giugno 2026	~428B totali / ~23B attivi	MoE (Attenzione Sparsa)	Programmazione di frontiera (59,0% SWE-bench Pro), contesto 1M token, input multimodale nativo (immagini/video)
M3 Pro (pianificato)	Da definire (possibile Q3 2026)	2,7T totali (probabile MoE)	Da definire	Potenzialmente il più grande modello open-weight mai creato

Il salto da ~428 miliardi di parametri dell'M3 a 2,7 trilioni del nuovo modello rappresenta un aumento di circa 6,3 volte. Se MiniMax continuerà ad utilizzare l'architettura MoE (Mixture-of-Experts), il numero di parametri attivi per ogni operazione potrebbe rimanere nell'ordine di decine o centinaia di miliardi, ma l'impronta totale dei parametri sarebbe senza precedenti per un rilascio open-weight .

Il Confronto con DeepSeek V4-Pro

DeepSeek V4-Pro è il modello di punta open-weight di DeepSeek, lanciato il 23 aprile 2026 . Il confronto con il modello pianificato da MiniMax è impietoso in termini di scala:

• DeepSeek V4-Pro: 1,6 trilioni di parametri totali, 49 miliardi attivati. Specialista in algoritmi di puro testo, con il miglior punteggio Codeforces e 80,6% su SWE-bench Verified .
• MiniMax M3 (attuale): ~428 miliardi di parametri totali / ~23 miliardi attivi. Più forte in attività multimodali e matematiche, ma più debole in programmazione pura rispetto a DeepSeek V4-Pro .
• Pianificato 2,7T: Supererebbe entrambi in termini di parametri totali .

Secondo molti analisti, l'M3 e il V4-Pro "si fanno appena concorrenza", essendo ottimizzati per carichi di lavoro diversi . Il nuovo modello, tuttavia, punta a ridefinire i termini del confronto su scala.

Il Contesto dei Modelli Open-Weight Cinesi

Il panorama dei modelli AI a pesi aperti (open-weight) cinesi è in forte espansione, con diversi attori che rilasciano modelli sempre più potenti:

• DeepSeek-V4-Pro (23 Aprile 2026) — 1,6T MoE, licenza MIT
• Tencent Hy3 (Hunyuan 3.0) — Rilasciato il 6 Luglio 2026 con licenza Apache 2.0. Un modello MoE da 295 miliardi di parametri (21 miliardi attivi), guidato dall'ex ricercatore OpenAI Shunyu Yao
• Ant Group Ling-2.6-flash (22 Aprile 2026) — Un MoE da 104B/7.4B attivi focalizzato sull'efficienza

Questa è una strategia deliberata dei laboratori cinesi, che rilasciano i modelli con licenze permissive (Apache 2.0, MIT), in contrasto con molti laboratori occidentali (OpenAI, Anthropic, Google) che tengono chiusi i loro modelli di frontiera .

Sfide di Implementazione per un Modello da 2,7T di Parametri

Un modello open-weight di queste dimensioni porrebbe sfide estreme per la distribuzione:

• Requisiti di memoria: anche in quantizzazione a 8 bit, caricare 2,7 trilioni di parametri richiederebbe circa 2,7 TB di memoria GPU. In FP16, si salirebbe a ~5,4 TB. Servirebbero centinaia di GPU (ad esempio, oltre 200 H100 da 80 GB ciascuna) solo per caricare il modello.
• Architettura MoE probabile: Se MiniMax adotta un approccio MoE, con un numero ridotto di parametri attivati per token (es. ~135 miliardi), l'inferenza potrebbe essere fattibile su un cluster più piccolo di quanto suggerisca il numero totale di parametri, ma rimarrebbe comunque fuori dalla portata di una singola GPU.
• Latenza e velocità di inferenza: Servire un modello del genere su larga scala richiederebbe sofisticate tecniche di parallelizzazione (tensor parallelism, pipeline parallelism, expert parallelism) tra molti nodi, con interconnessioni ad alta larghezza di banda.
• Costo di addestramento: Addestrare un modello da 2,7 trilioni di parametri richiederebbe un budget di calcolo enorme, probabilmente decine di migliaia di GPU-mese, anche con tecniche efficienti di addestramento MoE.
• Distribuzione dei pesi open-weight: Semplicemente ospitare e distribuire i pesi (potenzialmente 5+ TB) rappresenta una sfida logistica per repository come Hugging Face.

Tuttavia, MiniMax ha già dimostrato una solida ingegneria dell'efficienza: M1 è stato addestrato con il 70% di calcolo in meno rispetto a DeepSeek R1 , e M3 utilizza meccanismi di attenzione sparsa . È probabile che impieghino innovazioni simili per il modello da 2,7T.

Adozione Globale in Crescita dei Modelli Cinesi

I modelli open-weight cinesi stanno guadagnando una trazione significativa a livello globale per diversi motivi:

• Prezzi competitivi: DeepSeek V4 Pro costa circa $0,435/M di token di input, mentre MiniMax M3 costa circa $0,30/M, entrambi estremamente competitivi con le API occidentali .
• Licenze permissive: Le licenze Apache 2.0 e MIT permettono l'uso commerciale, la modifica e la redistribuzione senza restrizioni .
• Competitività nei benchmark: Questi modelli eguagliano o superano GPT-5.5 e Claude nei benchmark chiave (programmazione, ragionamento, matematica) .

Questa tendenza segnala che la Cina non è più solo un paese con vincoli hardware nel settore AI, ma è un leader nei rilasci open-weight, usando l'apertura come un fossato competitivo contro i leader occidentali dei modelli chiusi. Il modello pianificato da 2,7 trilioni di parametri, se realizzato, sarebbe la dichiarazione più forte in questa direzione.