El trabajador de IA de 1 dólar por hora
La empresa emergente china de inteligencia artificial MiniMax ha desencadenado una disrupción que amenaza con derrumbar la economía del despliegue de IA en las empresas. La compañía, con sede en Shanghái, lanzó M2.5, un modelo de lenguaje que ofrece un rendimiento comparable al de los sistemas occidentales más costosos, pero a cerca de una décima o una vigésima parte del precio de competidores como Claude Opus 4.6 y GPT-5.2.
Contenido
El lanzamiento, que llegó a Hugging Face bajo una licencia MIT modificada, se produce durante una semana frenética de anuncios sobre IA en China que sacudieron los mercados mundiales y redefinieron los límites de la competencia. Las acciones de MiniMax, que cotizan como MINIMAX-WP (00100.HK) en la Bolsa de Hong Kong, subieron entre un 11 % y un 16 % tras el anuncio y cerraron a 680 dólares hongkoneses, según el South China Morning Post.
MiniMax presenta M2.5 no solo como un chatbot, sino como un empleado digital de nivel profesional capaz de programar, investigar y crear documentos de manera autónoma. La compañía afirma que se trata del primer modelo de vanguardia con el que las preocupaciones por los costos prácticamente desaparecen: ofrece un funcionamiento continuo a 100 tokens por segundo por solo 1 dólar por hora. A menor velocidad, el costo baja a 0,30 dólares por hora. Esta estructura de precios permite mantener en funcionamiento cuatro agentes de IA durante todo un año por aproximadamente 10.000 dólares, una cifra que apenas cubriría un mes de operación con modelos occidentales comparables.
Pruebas de rendimiento que desafían a los modelos de vanguardia
Las evaluaciones independientes y las pruebas propias de MiniMax sitúan a M2.5 entre los mejores modelos de programación, muy cerca de Claude Opus 4.6 de Anthropic pese a la enorme diferencia de precio. En SWE-Bench Verified, el estándar del sector para medir capacidades de ingeniería de software en situaciones reales, M2.5 obtuvo un 80,2 %, apenas 0,6 puntos porcentuales por detrás de Opus 4.6 y por delante de GPT-5.2 de OpenAI, con un 80 %, y Gemini 3 Pro de Google, con un 78 %.
El modelo destaca especialmente en tareas de programación multilingüe: obtuvo un 51,3 % en Multi-SWE-Bench, que evalúa tareas de programación entre repositorios para las que se requiere comprender simultáneamente varias bases de código. Esto lo sitúa por delante de Opus 4.6, con un 50,3 %, y muy por encima de Gemini 3 Pro, con un 42,7 %. En VIBE-Pro, una prueba interna que evalúa tareas complejas de desarrollo full-stack, M2.5 rinde a la par de Opus 4.5.
Más allá de la programación, M2.5 muestra capacidades excepcionales para actuar como agente. Obtuvo un 76,3 % en BrowseComp, que mide la navegación web compleja y la recuperación de información, y un 76,8 % en Berkeley Function Calling Leaderboard (BFCL), que evalúa el uso de herramientas en varias interacciones; en esta última superó a Opus 4.6 por más de 13 puntos porcentuales. La firma de análisis independiente Artificial Analysis asignó a M2.5 una puntuación de 42 en su Índice de Inteligencia, muy por encima del promedio de 25 de modelos comparables, y señaló que funciona a 80 tokens por segundo, más rápido que el promedio de 55.
Sin embargo, una verificación independiente en la clasificación de enero de 2026 de SWE-rebench, que evalúa 48 solicitudes de cambios recientes de GitHub con una metodología diferente, mostró que M2.5 obtuvo un 39,6 %, frente al 52,9 % de Claude Code. Esto sugiere que el rendimiento en situaciones reales puede variar según el método de evaluación y la actualidad de las tareas.
La arquitectura de la eficiencia
La viabilidad económica de M2.5 se basa en su arquitectura de mezcla de expertos (MoE, por sus siglas en inglés), un patrón de diseño que imita la consulta a especialistas en lugar del trabajo de un generalista. Aunque el modelo contiene 230.000 millones de parámetros en total, activa solo 10.000 millones para cada tarea. Esta activación selectiva permite al sistema mantener la profundidad de razonamiento de los modelos de gran tamaño y, al mismo tiempo, operar con la velocidad y los costos de sistemas mucho más pequeños.
Para entrenar esta compleja arquitectura, MiniMax desarrolló Forge, un marco propio de aprendizaje por refuerzo creado específicamente para la IA agéntica. A diferencia de los enfoques convencionales, que optimizan las respuestas para que resulten agradables, Forge despliega modelos en cientos de miles de entornos simulados activos, como repositorios de código, navegadores web y aplicaciones de oficina, y premia la finalización efectiva de tareas en lugar de la adecuación estilística. Gracias a una programación asíncrona optimizada y a estrategias de fusión de muestras de entrenamiento organizadas en estructuras de árbol, el sistema entrena aproximadamente 40 veces más rápido que los enfoques convencionales de aprendizaje por refuerzo.
La ingeniera de MiniMax Olive Song explicó en el pódcast ThursdAI que este régimen de entrenamiento requirió dos meses de trabajo intensivo en diversos escenarios del mundo real. Para mantener la estabilidad durante el proceso, el equipo implementó CISPO (Clipping Importance Sampling Policy Optimization), un método matemático que evita que el modelo haga correcciones excesivas durante las iteraciones de entrenamiento.
«Nos dimos cuenta de que un modelo pequeño como este tiene mucho potencial si se entrena con aprendizaje por refuerzo en una gran cantidad de entornos y con agentes. Pero no es algo fácil de hacer», dijo Song, y añadió que el equipo dedicó mucho tiempo a perfeccionar el proceso.
Esta metodología ha fomentado lo que MiniMax denomina una «mentalidad de arquitecto». En lugar de generar código de inmediato, M2.5 planifica primero la estructura del proyecto, sus funciones y el diseño de la interfaz; descompone las tareas complejas en componentes manejables antes de empezar a ejecutarlas. El modelo se entrenó con más de 10 lenguajes de programación, entre ellos Go, C, C++, TypeScript, Rust, Kotlin, Python, Java, JavaScript, PHP, Lua, Dart y Ruby, en más de 200.000 entornos.
De chatbot a empleado digital
La transición de la IA como interfaz conversacional a la IA como trabajador autónomo constituye la idea central de la filosofía de diseño de M2.5. MiniMax colaboró con profesionales sénior de finanzas, derecho y ciencias sociales para dotar al modelo de conocimientos tácitos específicos de cada sector y permitirle generar productos de trabajo listos para entregar, en lugar de bloques de texto sin procesar.
Este enfoque se refleja en capacidades prácticas de automatización de tareas de oficina que la mayoría de los modelos de vanguardia pasan por alto. M2.5 puede crear y editar documentos de Microsoft Word, elaborar presentaciones de PowerPoint con diseños y gráficos adecuados y realizar tareas complejas de modelización financiera en Excel. En la prueba MEWC, que se basa en problemas reales del Campeonato Mundial de Microsoft Excel, el modelo obtuvo un 74,4 %. En el marco de evaluación interno GDPval-MM, que mide tanto la calidad de los productos de trabajo como la trayectoria profesional mediante comparaciones por pares, M2.5 logró una tasa media de victorias del 59 % frente a competidores mayoritarios.
MiniMax ya ha desplegado M2.5 internamente para poner a prueba su adopción empresarial. Según la compañía, el modelo completa ahora de forma autónoma el 30 % de todas las tareas en áreas como investigación y desarrollo, gestión de productos, ventas, recursos humanos y finanzas. En los entornos de programación, M2.5 genera el 80 % del nuevo código en las oficinas centrales de MiniMax.
La compañía ha integrado estas capacidades en MiniMax Agent, una plataforma en la que los usuarios han creado más de 10.000 Expertos especializados que combinan habilidades de oficina con conocimientos específicos de cada sector. Estas configuraciones permiten que el agente siga procedimientos operativos estándar establecidos para la investigación sectorial o se ajuste a una lógica específica de control de riesgos en la modelización financiera, en lugar de limitarse a generar bloques de texto sin procesar.
El modelo gestiona el desarrollo full-stack para plataformas web, Android, iOS y Windows, y se ocupa de las API del servidor, la lógica empresarial y las bases de datos, en vez de limitarse a producir demostraciones del frontend. Esta capacidad abarca todo el ciclo de vida del software: desde el diseño inicial del sistema hasta la revisión y las pruebas exhaustivas del código, pasando por la iteración de funciones.
La economía del funcionamiento continuo
MiniMax ofrece dos versiones de API con las mismas capacidades, pero distintas velocidades de procesamiento. M2.5-Lightning funciona a 100 tokens por segundo y cuesta 0,30 dólares por millón de tokens de entrada y 2,40 dólares por millón de tokens de salida. La versión estándar M2.5 funciona a la mitad de esa velocidad (50 tokens por segundo) y cuesta la mitad: 0,15 dólares por millón de tokens de entrada y 1,20 dólares por millón de tokens de salida.
Para poner estas cifras en contexto, mantener en funcionamiento cuatro instancias del agente M2.5 durante todo un año cuesta aproximadamente 10.000 dólares. En comparación, Claude Opus 4.6 cobra cerca de 75 dólares por millón de tokens de salida, lo que hace que una operación continua comparable resulte económicamente prohibitiva para la mayoría de las organizaciones. Si se considera solo el precio de salida, M2.5 cuesta entre una décima y una vigésima parte que Opus, Gemini 3 Pro y GPT-5.
La diferencia de costos se hace evidente al examinar tareas concretas. Alex Volkov, presentador del pódcast ThursdAI, señaló que M2.5 completa tareas de SWE-Bench con un costo aproximado de 0,15 dólares en tokens, mientras que Claude Opus 4.6 requiere unos 3 dólares para realizar un trabajo equivalente. Esta reducción del 95 % elimina la presión tradicional de optimizar las instrucciones y minimizar el uso de tokens, y permite a los desarrolladores desplegar modelos con amplio contexto y gran capacidad de razonamiento en operaciones rutinarias que antes se asignaban a sistemas más baratos y menos capaces.
Ambas versiones de la API admiten el almacenamiento en caché, lo que reduce aún más los costos de las operaciones repetitivas. La licencia MIT modificada exige que los usuarios comerciales muestren «MiniMax M2.5» de manera destacada en sus interfaces, una condición menor dadas las ventajas económicas. A 100 tokens por segundo, la generación continua produce 360.000 tokens de salida por hora, con un costo aproximado de 0,86 dólares en tokens de salida, más los costos de entrada.
Las mejoras de velocidad amplifican los beneficios económicos. M2.5 completa tareas de principio a fin un 37 % más rápido que su predecesor, M2.1: el tiempo de ejecución en SWE-Bench Verified bajó de 31,3 a 22,8 minutos, a la par de los 22,9 minutos de Claude Opus 4.6, pero con solo el 10 % del costo por tarea.
Contexto de mercado y presión competitiva
El lanzamiento de M2.5 pone el broche a una semana volátil para la inteligencia artificial china, en la que varias empresas nacionales presentaron modelos competitivos. Zhipu AI lanzó GLM-5, que superó a Gemini 3 Pro de Google en el Índice de Inteligencia de Artificial Analysis; Alibaba presentó RynnBrain, destinado a aplicaciones de robótica; ByteDance lanzó Seedance 2.0 para la generación de video, y Kuaishou presentó Kling 3.0. Las acciones de MiniMax y Zhipu AI subieron dos dígitos; las de esta última avanzaron un 30 % en la bolsa de Hong Kong.
Estos lanzamientos sucesivos ponen en entredicho las evaluaciones recientes sobre la brecha entre China y Estados Unidos en materia de IA. Demis Hassabis, director de Google DeepMind, había estimado que los modelos chinos estaban rezagados apenas unos meses respecto de las ofertas occidentales. La casi paridad de MiniMax con Claude Opus 4.6, lanzado solo una semana antes, sugiere que esa diferencia se ha reducido a días. Los resultados de enero de 2026 de SWE-rebench muestran que Claude Opus 4.6 obtuvo un 51,7 % y GPT-5.2 un 51,0 % en solicitudes de cambios recientes, frente al 39,6 % de MiniMax M2.5. Esto indica que los modelos occidentales mantienen una ventaja con el código más reciente, aunque la brecha sigue reduciéndose.
Las consecuencias de la competencia van más allá de las pruebas de rendimiento. La estrategia de precios de MiniMax ejerce una presión sistemática sobre los laboratorios occidentales de IA que han basado sus modelos de negocio en tarifas prémium por el uso de API. Cuando la inteligencia se vuelve, como afirma MiniMax, «demasiado barata para medir», el sector pasa de una economía de escasez a una economía de volumen, lo que podría alterar los modelos de ingresos de las empresas consolidadas.
Para los responsables técnicos, M2.5 ofrece ventajas operativas inmediatas. La mejora de velocidad del 37 % respecto de su predecesor permite crear flujos de trabajo agénticos en tiempo real, en los que los modelos interactúan entre sí sin cuellos de botella por latencia. Las organizaciones pueden realizar auditorías automatizadas de código a una escala sin precedentes y, al mismo tiempo, proteger la privacidad de los datos mediante el despliegue autoalojado de un modelo de pesos abiertos.
Lo esencial
- MiniMax M2.5 obtiene un 80,2 % en SWE-Bench Verified, un rendimiento comparable al de Claude Opus 4.6 por entre una décima y una vigésima parte del costo
- Hay dos versiones de API: la estándar, a 0,15/1,20 dólares por millón de tokens (50 TPS), y Lightning, a 0,30/2,40 dólares (100 TPS)
- La arquitectura MoE, con 230.000 millones de parámetros, activa solo 10.000 millones por tarea, lo que reduce la carga computacional
- Se entrenó con el marco propio de aprendizaje por refuerzo Forge en más de 200.000 entornos del mundo real, con el algoritmo CISPO para controlar la estabilidad
- Puede desarrollar de forma autónoma aplicaciones full-stack, crear documentos de oficina (Word, Excel y PowerPoint) y realizar modelización financiera compleja
- Ya se utiliza internamente en MiniMax, donde completa el 30 % de las tareas de la compañía y genera el 80 % del nuevo código
- Se lanzó como modelo de pesos abiertos en Hugging Face bajo una licencia MIT modificada que exige atribución para uso comercial
- Las acciones de la compañía (MINIMAX-WP, 00100.HK) subieron entre un 11 % y un 16 % en la Bolsa de Hong Kong tras el anuncio
