MiniMax pracuje nad modelem M3 Pro z 2,7 biliona parametrów — największym modelem open-weight na świecie
Chiński startup MiniMax pracuje nad modelem językowym z 2,7 biliona parametrów, co czyni go potencjalnie największym modelem open weight na świecie [1]. Model, wewnętrznie nazywany M3 Pro, ma zostać udostępniony w otwartej wadze (open weight) — możliwa premiera w trzecim kwartale 2026 roku [1][33].
Opublikowane przezEdytowane za pomocą DeepSeek-V4-FlashObrazy wygenerowane za pomocą GPT Image 1.5
Chiński startup MiniMax pracuje nad modelem językowym z 2,7 biliona parametrów, co czyni go potencjalnie największym modelem open weight na świecie [1].
Model, wewnętrznie nazywany M3 Pro, ma zostać udostępniony w otwartej wadze (open weight) — możliwa premiera w trzecim kwartale 2026 roku [1][33].
M3 Pro będzie następcą modelu MiniMax M3 (428 mld parametrów) i ma być aż 6,3 razy większy od niego pod względem całkowitej liczby parametrów [1][5].
Model ma konkurować z DeepSeek V4 Pro (1,6 biliona parametrów), który obecnie jest jednym z najlepszych modeli open weight do kodowania [8].
Search & fact-check with cited sources for What are the key details about MiniMax's planned 2.7 trillion-parameter open-weight AI model (codMiniMax's model lineage has scaled from 456B parameters (M1, June 2025) to 428B (M3, June 2026) to a planned 2.7T model (M3 Pro, target Q3 2026)—a 6.3x jump that would make it the largest open-weight AI model in the world.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for What are the key details about MiniMax's planned 2.7 trillion-parameter open-weight AI model (cod. Article summary: ## MiniMax's Planned 2.7 Trillion-Parameter Model (M3 Pro). Topic tags: general, general web, user generated, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidence.
openai.com
MiniMax planuje model z 2,7 biliona parametrów (M3 Pro)
8 lipca 2026 roku agencja Reuters poinformowała, że chiński startup AI MiniMax pracuje nad modelem językowym o 2,7 biliona parametrów (ang. 2.7 trillion parameters). Wewnętrzny kod modelu to podobno M3 Pro, choć sama agencja nie podaje tej nazwy wprost — opisuje go jako następcę niedawno wydanej linii M3 .
Osoba z bezpośrednią wiedzą na temat projektu powiedziała Reutersowi, że będzie to największy model open-weight wydany przez chińską firmę i prawdopodobnie największy na świecie. Nie ogłoszono jeszcze oficjalnej daty premiery, ale według doniesień model może zostać opublikowany już w trzecim kwartale 2026 roku .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "MiniMax pracuje nad modelem M3 Pro z 2,7 biliona parametrów — największym modelem open-weight na świecie"?
Chiński startup MiniMax pracuje nad modelem językowym z 2,7 biliona parametrów, co czyni go potencjalnie największym modelem open weight na świecie [1].
What are the key points to validate first?
Chiński startup MiniMax pracuje nad modelem językowym z 2,7 biliona parametrów, co czyni go potencjalnie największym modelem open weight na świecie [1]. Model, wewnętrznie nazywany M3 Pro, ma zostać udostępniony w otwartej wadze (open weight) — możliwa premiera w trzecim kwartale 2026 roku [1][33].
What should I do next in practice?
M3 Pro będzie następcą modelu MiniMax M3 (428 mld parametrów) i ma być aż 6,3 razy większy od niego pod względem całkowitej liczby parametrów [1][5].
MiniMax pracuje nad modelem M3 Pro z 2,7 biliona parametrów — największym modelem open-weight na świecie
Chiński startup MiniMax pracuje nad modelem językowym z 2,7 biliona parametrów, co czyni go potencjalnie największym modelem open weight na świecie [1]. Model, wewnętrznie nazywany M3 Pro, ma zostać udostępniony w otwartej wadze (open weight) — możliwa premiera w trzecim kwartale 2026 roku [1][33].
Opublikowane przezEdytowane za pomocą DeepSeek-V4-FlashObrazy wygenerowane za pomocą GPT Image 1.5
Chiński startup MiniMax pracuje nad modelem językowym z 2,7 biliona parametrów, co czyni go potencjalnie największym modelem open weight na świecie [1].
Model, wewnętrznie nazywany M3 Pro, ma zostać udostępniony w otwartej wadze (open weight) — możliwa premiera w trzecim kwartale 2026 roku [1][33].
M3 Pro będzie następcą modelu MiniMax M3 (428 mld parametrów) i ma być aż 6,3 razy większy od niego pod względem całkowitej liczby parametrów [1][5].
Model ma konkurować z DeepSeek V4 Pro (1,6 biliona parametrów), który obecnie jest jednym z najlepszych modeli open weight do kodowania [8].
Search & fact-check with cited sources for What are the key details about MiniMax's planned 2.7 trillion-parameter open-weight AI model (codMiniMax's model lineage has scaled from 456B parameters (M1, June 2025) to 428B (M3, June 2026) to a planned 2.7T model (M3 Pro, target Q3 2026)—a 6.3x jump that would make it the largest open-weight AI model in the world.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for What are the key details about MiniMax's planned 2.7 trillion-parameter open-weight AI model (cod. Article summary: ## MiniMax's Planned 2.7 Trillion-Parameter Model (M3 Pro). Topic tags: general, general web, user generated, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidence.
openai.com
MiniMax planuje model z 2,7 biliona parametrów (M3 Pro)
8 lipca 2026 roku agencja Reuters poinformowała, że chiński startup AI MiniMax pracuje nad modelem językowym o 2,7 biliona parametrów (ang. 2.7 trillion parameters). Wewnętrzny kod modelu to podobno M3 Pro, choć sama agencja nie podaje tej nazwy wprost — opisuje go jako następcę niedawno wydanej linii M3 .
Osoba z bezpośrednią wiedzą na temat projektu powiedziała Reutersowi, że będzie to największy model open-weight wydany przez chińską firmę i prawdopodobnie największy na świecie. Nie ogłoszono jeszcze oficjalnej daty premiery, ale według doniesień model może zostać opublikowany już w trzecim kwartale 2026 roku .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "MiniMax pracuje nad modelem M3 Pro z 2,7 biliona parametrów — największym modelem open-weight na świecie"?
Chiński startup MiniMax pracuje nad modelem językowym z 2,7 biliona parametrów, co czyni go potencjalnie największym modelem open weight na świecie [1].
What are the key points to validate first?
Chiński startup MiniMax pracuje nad modelem językowym z 2,7 biliona parametrów, co czyni go potencjalnie największym modelem open weight na świecie [1]. Model, wewnętrznie nazywany M3 Pro, ma zostać udostępniony w otwartej wadze (open weight) — możliwa premiera w trzecim kwartale 2026 roku [1][33].
What should I do next in practice?
M3 Pro będzie następcą modelu MiniMax M3 (428 mld parametrów) i ma być aż 6,3 razy większy od niego pod względem całkowitej liczby parametrów [1][5].
Ważne zastrzeżenie co do nazwy – raport Reutera nie używa wprost kodu "M3 Pro". Pytanie użytkownika tak go określa, ale dostępne dowody potwierdzają jedynie plany dotyczące modelu o 2,7 biliona parametrów; jego ostateczna nazwa może się różnić.
Jak M3 Pro wypada na tle poprzednich modeli MiniMax?
MiniMax w ostatnich latach gwałtownie przyspieszył rozwój swoich modeli:
Model
Data premiery
Parametry (całkowite/aktywne)
Architektura
Kluczowe cechy
MiniMax-M1
Czerwiec 2025
456B / 45,9B
MoE + hybrydowa uwaga
Pierwszy otwarty model reasoning z hybrydową uwagą; kontekst 1M; licencja Apache 2.0
MiniMax-M3
1 czerwca 2026
~428B / ~23B
MoE (rzadka uwaga)
Kodowanie na poziomie frontier (59,0% SWE-bench Pro), kontekst 1M, multimodalność (obraz/wideo)
M3 Pro (planowany)
B.D.
2,7T (prawdopodobnie MoE)
B.D.
Potencjalnie największy model open-weight na świecie; największy chiński model w historii
Skok z ~428 miliardów parametrów w M3 do 2,7 biliona w M3 Pro to wzrost o około 6,3 razy w całkowitej liczbie parametrów. Jeśli MiniMax utrzyma architekturę MoE (Mixture of Experts), liczba aktywnych parametrów na jeden krok wnioskowania może pozostać w granicach dziesiątek–setek miliardów, ale całkowity ślad pamięciowy będzie bezprecedensowy .
Porównanie z DeepSeek V4 Pro
DeepSeek V4 Pro to flagowy model open-weight chińskiej firmy DeepSeek, wydany 23 kwietnia 2026 roku . Oto jak wypada na tle planowanego M3 Pro:
Multimodalność, matematyka (śr. 85,7 pkt), długi kontekst
Największy model open-weight; potencjalnie przewyższa obu rywali
Cena za 1M tokenów (wejście)
$0,435
$0,30
B.D.
Cena za 1M tokenów (wyjście)
$0,87
$1,20
B.D.
Większość analiz wskazuje, że obecne modele MiniMax M3 i DeepSeek V4 Pro "ledwie ze sobą konkurują" — są zoptymalizowane pod różne zadania: M3 do multimodalnego kodowania agentowego i długiego kontekstu, V4 Pro do czysto tekstowego kodowania algorytmicznego przy niższym koszcie . Planowany M3 Pro miałby pod tym względem przewyższać oba modele.
Szerszy kontekst: chińskie modele open-weight w 2025–2026 roku
Chińskie laboratoria AI wypuściły w ostatnich latach serię potężnych modeli open-weight:
DeepSeek V4 Pro (23 kwietnia 2026) — 1,6T MoE, licencja MIT, najlepsze wyniki w kodowaniu
Tencent Hy3 (Hunyuan 3.0) — wydany 6 lipca 2026 na licencji Apache 2.0; 295 mld parametrów (21B aktywnych, 192 ekspertów), kontekst 256K
MiniMax-M1 (czerwiec 2025) — 456 mld parametrów, pierwszy na świecie otwarty model reasoning z hybrydową uwagą
Ant Group Ling-2.6-flash (22 kwietnia 2026) — 104B/7,4B aktywne, wydajny MoE
Chińskie laboratoria celowo udostępniają modele jako open-weight (często na licencjach Apache 2.0 lub MIT), w przeciwieństwie do wielu zachodnich firm (OpenAI, Anthropic, Google), które utrzymują swoje flagowe modele w zamknięciu .
Rywalizacja z zachodnimi laboratoriami AI
Szybka seria chińskich wydań open-weight sygnalizuje kilka rzeczy:
Wyścig skali: Planowany model MiniMax z 2,7 biliona parametrów przewyższy każdy znany zachodni model open-weight pod względem całkowitej liczby parametrów, kwestionując narrację o przewadze obliczeniowej amerykańskich laboratoriów
Strategia open-weight jako dźwignia geopolityczna: Udostępniając wagi otwarcie, chińskie laboratoria umożliwiają globalnym deweloperom korzystanie z modeli na własnej infrastrukturze, omijając w ten sposób ograniczenia eksportowe na sprzęt
Przepływ talentów: Model Tencent Hy3 został stworzony pod kierownictwem byłego badacza OpenAI Shunyu Yao, co pokazuje dwukierunkowy przepływ talentów w branży AI
Konkurencja cenowa: DeepSeek V4 Pro i MiniMax M3 konkurują cenowo z GPT-5.5 u dostawców API, obniżając koszty na całym świecie
Równorzędne wyniki: MiniMax M3 osiąga 59,0% w SWE-bench Pro, wyprzedzając GPT-5.5 (58,6%), podczas gdy DeepSeek V4 Pro z wynikiem 80,6% w SWE-bench Verified jest najlepszy wśród modeli open-weight
Wyzwania obliczeniowe związane z wdrożeniem modelu o 2,7 biliona parametrów
Wdrożenie modelu open-weight o takiej skali wiąże się z ekstremalnymi wyzwaniami:
Wymagania pamięciowe: Nawet przy kwantyzacji 8-bitowej załadowanie 2,7 biliona parametrów wymaga ~2,7 TB pamięci GPU. W precyzji FP16 to już ~5,4 TB. Do samego załadowania modelu potrzeba setek GPU (np. ponad 200 H100 z 80 GB każdy)
Architektura MoE jako rozwiązanie: Zarówno M1, jak i M3 używają MoE, gdzie tylko część parametrów jest aktywowana na token (np. 23B na 428B w przypadku M3) . Jeśli model 2,7T pójdzie tą samą drogą z podobnym współczynnikiem aktywnych parametrów (np. ~135B), wnioskowanie może być wykonalne na mniejszym klastrze, niż sugerowałaby całkowita liczba parametrów — ale wciąż daleko poza możliwościami pojedynczego GPU
Opóźnienia i przepustowość: Nawet z rzadkością MoE, obsługa takiego modelu na dużą skalę wymaga zaawansowanych technik tensorowej, potokowej i eksperckiej paralelizacji w wielu węzłach z szybkimi połączeniami
Koszt treningu: Trenowanie modelu o 2,7 biliona parametrów wymaga ogromnego budżetu obliczeniowego — prawdopodobnie dziesiątek tysięcy GPU-miesięcy, nawet przy wydajnych technikach treningu MoE
Dystrybucja: Samo hostowanie i dystrybuowanie 2,7 biliona parametrów (potencjalnie 5+ TB wag) stanowi logistyczne wyzwanie dla Hugging Face i innych repozytoriów
Warto jednak zauważyć, że MiniMax wykazał się już imponującą inżynierią wydajności — M1 został wytrenowany z 70% mniejszym nakładem obliczeniowym niż DeepSeek R1, osiągając konkurencyjne wyniki , a M3 wykorzystuje mechanizmy rzadkiej uwagi . Możliwe, że podobne innowacje zostaną zastosowane w modelu 2,7T.
Rosnąca globalna adopcja chińskich modeli AI
Chińskie modele open-weight zyskują na świecie z kilku powodów:
Ceny: DeepSeek V4 Pro kosztuje ~$0,435/milion tokenów wejściowych, MiniMax M3 ~$0,30 — oba są niezwykle konkurencyjne wobec zachodnich API
Permisywne licencje: Apache 2.0 (MiniMax M1, Tencent Hy3) i MIT (DeepSeek V4 Pro) pozwalają na komercyjne użycie, modyfikację i redystrybucję bez ograniczeń
Konkurencyjne benchmarki: Modele te dorównują lub przewyższają GPT-5.5 i Claude w kluczowych obszarach (kodowanie, reasoning, matematyka)
Ekologia deweloperska: Wagi są hostowane na Hugging Face, zintegrowane z OpenRouter, Kilo Code i innymi platformami
Ten trend pokazuje, że Chiny nie są już tylko ograniczonym sprzętowo naśladowcą w AI — stają się liderem w wydawaniu modeli open-weight, wykorzystując otwartość jako przewagę konkurencyjną wobec zachodnich zamkniętych modeli. Planowany model 2,7T, jeśli zostanie zrealizowany, będzie najsilniejszym jak dotąd sygnałem w tym kierunku.
Ważne zastrzeżenie co do nazwy – raport Reutera nie używa wprost kodu "M3 Pro". Pytanie użytkownika tak go określa, ale dostępne dowody potwierdzają jedynie plany dotyczące modelu o 2,7 biliona parametrów; jego ostateczna nazwa może się różnić.
Jak M3 Pro wypada na tle poprzednich modeli MiniMax?
MiniMax w ostatnich latach gwałtownie przyspieszył rozwój swoich modeli:
Model
Data premiery
Parametry (całkowite/aktywne)
Architektura
Kluczowe cechy
MiniMax-M1
Czerwiec 2025
456B / 45,9B
MoE + hybrydowa uwaga
Pierwszy otwarty model reasoning z hybrydową uwagą; kontekst 1M; licencja Apache 2.0
MiniMax-M3
1 czerwca 2026
~428B / ~23B
MoE (rzadka uwaga)
Kodowanie na poziomie frontier (59,0% SWE-bench Pro), kontekst 1M, multimodalność (obraz/wideo)
M3 Pro (planowany)
B.D.
2,7T (prawdopodobnie MoE)
B.D.
Potencjalnie największy model open-weight na świecie; największy chiński model w historii
Skok z ~428 miliardów parametrów w M3 do 2,7 biliona w M3 Pro to wzrost o około 6,3 razy w całkowitej liczbie parametrów. Jeśli MiniMax utrzyma architekturę MoE (Mixture of Experts), liczba aktywnych parametrów na jeden krok wnioskowania może pozostać w granicach dziesiątek–setek miliardów, ale całkowity ślad pamięciowy będzie bezprecedensowy .
Porównanie z DeepSeek V4 Pro
DeepSeek V4 Pro to flagowy model open-weight chińskiej firmy DeepSeek, wydany 23 kwietnia 2026 roku . Oto jak wypada na tle planowanego M3 Pro:
Multimodalność, matematyka (śr. 85,7 pkt), długi kontekst
Największy model open-weight; potencjalnie przewyższa obu rywali
Cena za 1M tokenów (wejście)
$0,435
$0,30
B.D.
Cena za 1M tokenów (wyjście)
$0,87
$1,20
B.D.
Większość analiz wskazuje, że obecne modele MiniMax M3 i DeepSeek V4 Pro "ledwie ze sobą konkurują" — są zoptymalizowane pod różne zadania: M3 do multimodalnego kodowania agentowego i długiego kontekstu, V4 Pro do czysto tekstowego kodowania algorytmicznego przy niższym koszcie . Planowany M3 Pro miałby pod tym względem przewyższać oba modele.
Szerszy kontekst: chińskie modele open-weight w 2025–2026 roku
Chińskie laboratoria AI wypuściły w ostatnich latach serię potężnych modeli open-weight:
DeepSeek V4 Pro (23 kwietnia 2026) — 1,6T MoE, licencja MIT, najlepsze wyniki w kodowaniu
Tencent Hy3 (Hunyuan 3.0) — wydany 6 lipca 2026 na licencji Apache 2.0; 295 mld parametrów (21B aktywnych, 192 ekspertów), kontekst 256K
MiniMax-M1 (czerwiec 2025) — 456 mld parametrów, pierwszy na świecie otwarty model reasoning z hybrydową uwagą
Ant Group Ling-2.6-flash (22 kwietnia 2026) — 104B/7,4B aktywne, wydajny MoE
Chińskie laboratoria celowo udostępniają modele jako open-weight (często na licencjach Apache 2.0 lub MIT), w przeciwieństwie do wielu zachodnich firm (OpenAI, Anthropic, Google), które utrzymują swoje flagowe modele w zamknięciu .
Rywalizacja z zachodnimi laboratoriami AI
Szybka seria chińskich wydań open-weight sygnalizuje kilka rzeczy:
Wyścig skali: Planowany model MiniMax z 2,7 biliona parametrów przewyższy każdy znany zachodni model open-weight pod względem całkowitej liczby parametrów, kwestionując narrację o przewadze obliczeniowej amerykańskich laboratoriów
Strategia open-weight jako dźwignia geopolityczna: Udostępniając wagi otwarcie, chińskie laboratoria umożliwiają globalnym deweloperom korzystanie z modeli na własnej infrastrukturze, omijając w ten sposób ograniczenia eksportowe na sprzęt
Przepływ talentów: Model Tencent Hy3 został stworzony pod kierownictwem byłego badacza OpenAI Shunyu Yao, co pokazuje dwukierunkowy przepływ talentów w branży AI
Konkurencja cenowa: DeepSeek V4 Pro i MiniMax M3 konkurują cenowo z GPT-5.5 u dostawców API, obniżając koszty na całym świecie
Równorzędne wyniki: MiniMax M3 osiąga 59,0% w SWE-bench Pro, wyprzedzając GPT-5.5 (58,6%), podczas gdy DeepSeek V4 Pro z wynikiem 80,6% w SWE-bench Verified jest najlepszy wśród modeli open-weight
Wyzwania obliczeniowe związane z wdrożeniem modelu o 2,7 biliona parametrów
Wdrożenie modelu open-weight o takiej skali wiąże się z ekstremalnymi wyzwaniami:
Wymagania pamięciowe: Nawet przy kwantyzacji 8-bitowej załadowanie 2,7 biliona parametrów wymaga ~2,7 TB pamięci GPU. W precyzji FP16 to już ~5,4 TB. Do samego załadowania modelu potrzeba setek GPU (np. ponad 200 H100 z 80 GB każdy)
Architektura MoE jako rozwiązanie: Zarówno M1, jak i M3 używają MoE, gdzie tylko część parametrów jest aktywowana na token (np. 23B na 428B w przypadku M3) . Jeśli model 2,7T pójdzie tą samą drogą z podobnym współczynnikiem aktywnych parametrów (np. ~135B), wnioskowanie może być wykonalne na mniejszym klastrze, niż sugerowałaby całkowita liczba parametrów — ale wciąż daleko poza możliwościami pojedynczego GPU
Opóźnienia i przepustowość: Nawet z rzadkością MoE, obsługa takiego modelu na dużą skalę wymaga zaawansowanych technik tensorowej, potokowej i eksperckiej paralelizacji w wielu węzłach z szybkimi połączeniami
Koszt treningu: Trenowanie modelu o 2,7 biliona parametrów wymaga ogromnego budżetu obliczeniowego — prawdopodobnie dziesiątek tysięcy GPU-miesięcy, nawet przy wydajnych technikach treningu MoE
Dystrybucja: Samo hostowanie i dystrybuowanie 2,7 biliona parametrów (potencjalnie 5+ TB wag) stanowi logistyczne wyzwanie dla Hugging Face i innych repozytoriów
Warto jednak zauważyć, że MiniMax wykazał się już imponującą inżynierią wydajności — M1 został wytrenowany z 70% mniejszym nakładem obliczeniowym niż DeepSeek R1, osiągając konkurencyjne wyniki , a M3 wykorzystuje mechanizmy rzadkiej uwagi . Możliwe, że podobne innowacje zostaną zastosowane w modelu 2,7T.
Rosnąca globalna adopcja chińskich modeli AI
Chińskie modele open-weight zyskują na świecie z kilku powodów:
Ceny: DeepSeek V4 Pro kosztuje ~$0,435/milion tokenów wejściowych, MiniMax M3 ~$0,30 — oba są niezwykle konkurencyjne wobec zachodnich API
Permisywne licencje: Apache 2.0 (MiniMax M1, Tencent Hy3) i MIT (DeepSeek V4 Pro) pozwalają na komercyjne użycie, modyfikację i redystrybucję bez ograniczeń
Konkurencyjne benchmarki: Modele te dorównują lub przewyższają GPT-5.5 i Claude w kluczowych obszarach (kodowanie, reasoning, matematyka)
Ekologia deweloperska: Wagi są hostowane na Hugging Face, zintegrowane z OpenRouter, Kilo Code i innymi platformami
Ten trend pokazuje, że Chiny nie są już tylko ograniczonym sprzętowo naśladowcą w AI — stają się liderem w wydawaniu modeli open-weight, wykorzystując otwartość jako przewagę konkurencyjną wobec zachodnich zamkniętych modeli. Planowany model 2,7T, jeśli zostanie zrealizowany, będzie najsilniejszym jak dotąd sygnałem w tym kierunku.
