El modelo de IA MiniMax M2 supera a Google DeepMind

Un nuevo líder entre los modelos de pesos abiertos

MiniMax, una startup china de inteligencia artificial en rápido ascenso y respaldada por importantes inversores nacionales, lanzó su modelo de lenguaje grande M2 y se situó entre los primeros puestos de las clasificaciones mundiales de sistemas de IA de pesos abiertos. Evaluaciones independientes sitúan a MiniMax M2 como el modelo de pesos abiertos más capaz en el Intelligence Index de Artificial Analysis, con un rendimiento que supera al Gemini 2.5 Pro de Google DeepMind y se acerca al de los principales sistemas propietarios de Estados Unidos. La empresa desarrolló M2 para dos aplicaciones muy demandadas: la generación de código y el uso de herramientas por parte de agentes. Después, lo diseñó y fijó su precio para ofrecer velocidad y atraer a desarrolladores y empresas que quieren reducir costos sin renunciar a la capacidad.

La eficiencia es el hilo conductor de su diseño técnico. MiniMax M2 utiliza una arquitectura de mezcla de expertos que dirige cada entrada a un subconjunto de las neuronas del modelo y mantiene activos unos 10.000 millones de parámetros a la vez, aunque la capacidad total del modelo es mucho mayor. Esa decisión reduce la latencia y las necesidades de memoria de GPU sin menoscabar la capacidad de razonamiento. La API de MiniMax tiene un precio muy competitivo: 0,30 dólares por millón de tokens de entrada y 1,20 dólares por millón de tokens de salida, cerca del 8 % del precio de Claude 3.5 Sonnet de Anthropic, según la comparación de la propia empresa. El equipo anuncia una velocidad de inferencia cercana a los 100 tokens por segundo. Los pesos completos del modelo están disponibles con una licencia permisiva y pueden descargarse para alojarlo en infraestructura propia, lo que permite a los equipos ajustarlo y desplegar M2 internamente como prefieran.

El sector chino de modelos de pesos abiertos se ha intensificado durante todo el año, con DeepSeek, Qwen de Alibaba, Moonshot AI y otras empresas impulsando el razonamiento y el procesamiento de contextos extensos. Que MiniMax se sitúe ahora a la cabeza es importante porque M2 llega en un momento en que las empresas destinan dinero real a automatizar el soporte, la investigación y el desarrollo mediante agentes que usan herramientas para navegar por la web, consultar datos internos, ejecutar código y comprobar sus propios resultados. Esa combinación de capacidad, bajo costo y licencia transparente ha convertido a M2 en el nuevo referente de la IA de pesos abiertos.

¿Qué tan bueno es su rendimiento?

Artificial Analysis reúne pruebas exigentes de matemáticas, ciencia, seguimiento de instrucciones, programación y flujos de trabajo con agentes para crear un único Intelligence Index. M2 obtiene 61 puntos en la versión más reciente, lo que lo sitúa como el modelo de pesos abiertos más sólido y entre los mejores modelos en general. Supera a Gemini 2.5 Pro y se acerca a Claude Sonnet 4.5 de Anthropic en varias tareas de programación y con agentes, aunque todavía queda por detrás de los sistemas más recientes de vanguardia, como GPT 5 y Grok de xAI. Para muchos desarrolladores, ese equilibrio es ideal: ofrece capacidades cercanas a las de los modelos de vanguardia sin sus costos ni la dependencia de un proveedor.

Tareas con agentes a un nivel cercano a los modelos de vanguardia

Las evaluaciones de agentes miden si un modelo puede planificar, usar herramientas, leer resultados, adaptarse y verificar los resultados finales en tareas de varios pasos. M2 destaca especialmente en este ámbito. MiniMax informa de buenos resultados en conjuntos de pruebas centrados en agentes, como tau squared Bench, con 77,2 puntos; BrowseComp, con 44,0; y FinSearchComp global, con 65,5. Estas pruebas abarcan navegación y citas, recuperación de información financiera, planificación y recuperación ante fallos en los pasos. En la práctica, esto significa que un agente con tecnología de M2 puede diseñar un plan, ejecutar comandos de shell, buscar y leer fuentes, llamar a un intérprete para probar código, corregir errores y presentar pruebas verificables sin necesidad de indicaciones humanas constantes.

Pruebas de programación y razonamiento

MiniMax diseñó M2 para flujos de trabajo de desarrollo de principio a fin, en los que el modelo modifica varios archivos, compila, prueba y corrige el código de forma iterativa. En tareas similares a las de SWE Bench y en Terminal Bench, el modelo demuestra competencia en repositorios reales y entornos de línea de comandos, en distintos lenguajes. La evaluación combinada de Artificial Analysis, que también tiene en cuenta pruebas de conocimiento y razonamiento como GPQA Diamond y AIME, indica que la fortaleza de M2 en programación no va en detrimento de la inteligencia general. Para las organizaciones que buscan un asistente capaz de ayudar tanto con tareas de programación como de investigación, su rendimiento constante en estos ámbitos resulta atractivo.

La arquitectura en pocas palabras

M2 es un modelo disperso de mezcla de expertos. En lugar de procesar cada token a través de todas las partes de una enorme red, un mecanismo de compuerta entrenado selecciona solo unas pocas subredes expertas para activarlas en cada entrada. La documentación de MiniMax describe un modelo con unos 230.000 millones de parámetros en total, de los cuales 10.000 millones se activan en cada inferencia. Los primeros informes mencionaban 200.000 millones de parámetros en total, pero las páginas técnicas y la ficha del modelo de la empresa explican que la capacidad total es mayor y que el presupuesto de parámetros activos sigue siendo de 10.000 millones. La ventaja es clara: se obtiene la amplitud de conocimientos y la especialización de un modelo muy grande, pero los costos de inferencia se acercan más a los de un sistema denso de 10.000 millones de parámetros.

Esta eficiencia se refleja en los requisitos de hardware. MiniMax y evaluadores externos describen un despliegue práctico con apenas cuatro GPU NVIDIA H100 y precisión FP8, lo que pone M2 al alcance de equipos de ingeniería de tamaño mediano. Algunos competidores, en cambio, mantienen activos muchos más parámetros. La versión reciente V3.2 de DeepSeek activa unos 37.000 millones de parámetros por token y Kimi K2 de Moonshot AI utiliza alrededor de 32.000 millones, lo que aumenta el uso de memoria y reduce la velocidad de procesamiento. La menor cantidad de parámetros activos de M2 también ayuda a reducir la latencia en los casos más desfavorables y a gestionar solicitudes simultáneas, dos problemas operativos de las herramientas interactivas y los agentes.

Decisiones de diseño para agentes y uso de herramientas

MiniMax diseñó M2 para pensar, actuar y verificar en ciclos, y puso esa capacidad a disposición de los usuarios mediante una guía de uso de herramientas que conecta el modelo con terminales de comandos, navegadores, sistemas de recuperación de información y ejecutores de código. La empresa destaca las trazas de razonamiento visibles en un formato que intercala el pensamiento con las respuestas. En sesiones de varios turnos, el asistente conserva el contexto de planificación y la cadena de pruebas, lo que le ayuda a recuperarse ante datos incompletos y pasos fallidos, y permite a los desarrolladores auditar sus decisiones. Este enfoque busca que las tareas de larga duración sean más confiables y fáciles de depurar.

MiniMax también integra M2 estrechamente con los entornos prácticos de desarrollo. El modelo funciona bien con los marcos de inferencia populares SGLang y vLLM, y sigue los formatos de solicitud habituales de OpenAI y Anthropic. Esto permite a los equipos sustituir otros modelos por M2 con cambios mínimos en el código y ampliar el servicio según sea necesario. Para quienes desarrollan un asistente interno o un agente para producción, una integración más sencilla es una ventaja.

MiniMax presentó el lanzamiento en términos de misión y acceso. La empresa dijo que quiere que la inteligencia avanzada llegue a grupos amplios de usuarios, y no solo a quienes pueden pagar modelos propietarios prémium.

«Desde el principio, MiniMax ha perseguido la visión de “Inteligencia para todos”».

En la ficha pública del modelo, el equipo subrayó su enfoque en los agentes y la eficiencia.

«MiniMax-M2 redefine la eficiencia para los agentes».

MiniMax ofrece un servicio de agentes impulsado por M2 con dos modos. Lightning Mode transmite respuestas inmediatas a consultas sencillas. Pro Mode se ocupa de tareas complejas que requieren más tiempo, como la investigación, la extracción de datos o la programación en varias etapas. Esta división refleja la forma en que trabajan los equipos: alternan entre respuestas rápidas y proyectos prolongados en los que el modelo debe planificar, ejecutar y revisar los resultados de principio a fin.

Acceso, licencias y precios

La disponibilidad de M2 es inusualmente abierta para un sistema con este nivel de capacidad. MiniMax publicó los pesos completos con una licencia permisiva y compartió guías de implementación. Los desarrolladores pueden descargar el repositorio de plataformas como Hugging Face, ejecutar inferencias localmente con SGLang o vLLM y ajustar el modelo para dominios específicos. MiniMax también ofrece una API con precios muy bajos por token y una alta velocidad de transmisión, y ha promocionado el acceso gratuito por tiempo limitado tanto a su aplicación Agent como a su API.

Entre los detalles prácticos importantes para los compradores están la compatibilidad con llamadas estructuradas a funciones, el procesamiento de contextos extensos y un uso sólido de herramientas. MiniMax recomienda parámetros de muestreo habituales y ofrece un esquema claro para conectar el modelo con servicios externos mediante llamadas a herramientas. Para los equipos preocupados por la dependencia de un proveedor, la combinación de pesos abiertos y compatibilidad limpia con API es un fuerte incentivo para evaluar M2. Para los equipos que quieren mantener todo en sus propias instalaciones, la documentación de la empresa explica cómo ofrecer M2 de manera eficiente y cómo calcular la memoria de GPU necesaria para distintos ajustes de precisión.

• Los pesos están publicados para alojar el modelo en infraestructura propia, con guías para SGLang y vLLM.
• La API cuesta 0,30 dólares por millón de tokens de entrada y 1,20 dólares por millón de tokens de salida, con velocidades anunciadas cercanas a los 100 tokens por segundo.
• El uso de herramientas incluye terminales de comandos, navegadores, sistemas de recuperación de información e intérpretes de código, con trazas de razonamiento visibles que facilitan la auditoría y la depuración.
• La compatibilidad con las API de estilo OpenAI y Anthropic reduce el trabajo de integración en las aplicaciones existentes.

Estas características hacen que M2 resulte atractivo para asistentes de programación, herramientas de análisis de datos y agentes de atención al cliente que deben combinar razonamiento con un uso confiable de herramientas.

Competidores y una clasificación en evolución

El ascenso de MiniMax M2 cambia la clasificación de los modelos de pesos abiertos e intensifica la competencia tanto en China como en Estados Unidos. Artificial Analysis sitúa a M2 como el modelo de pesos abiertos más sólido, con 61 puntos en el Intelligence Index, por delante de Gemini 2.5 Pro de Google y justo por detrás de líderes propietarios como Claude Sonnet 4.5, GPT 5 y Grok 4, según la tarea. Esa posición resulta especialmente notable en evaluaciones de agentes como BrowseComp y FinSearchComp global, donde la capacidad de M2 para planificar, citar pruebas y recuperarse de errores ha reducido buena parte de la brecha con los sistemas cerrados.

El panorama competitivo dentro de China también está cambiando. Mientras DeepSeek y Qwen han dominado los titulares durante meses con entrenamientos a escala de vanguardia y contextos extensos, MiniMax atrae ahora la atención con un presupuesto menor de parámetros activos que ofrece un rendimiento comparable en tareas con agentes y de programación a un costo más bajo. DeepSeek ha explorado modelos con cantidades enormes de parámetros totales, que en algunas configuraciones pueden requerir cerca de 700 gigabytes de memoria. La activación dispersa de MiniMax y sus cuidadosas recomendaciones de despliegue reducen los requisitos a un conjunto de servidores que muchos equipos del mercado mediano pueden costear, especialmente si utilizan FP8 y marcos de inferencia optimizados.

El precio también importa. El costo por token de MiniMax es diez veces menor que el de grandes competidores propietarios. Para las empresas que quieren ejecutar cientos de agentes o mantener abiertas durante todo el día herramientas de asistencia para la programación en los equipos de desarrollo, esto puede permitir pasar de una prueba piloto a la producción. La publicación de los pesos abiertos es otra ventaja, pues permite a las empresas que manejan información sensible por motivos de seguridad auditar, ajustar y desplegar el modelo en sus propios entornos. La combinación de acceso, costo y capacidad supone un desafío directo para las plataformas propietarias que dependen de precios prémium.

Aspectos que deben tener en cuenta los compradores

Las pruebas de referencia son orientativas, pero no garantizan resultados. Artificial Analysis evalúa modelos con entornos controlados e indicaciones fijas, que quizá no se ajusten perfectamente al sector o las herramientas de una empresa. Los equipos que adopten M2 deberían realizar sus propias evaluaciones con tareas representativas y medir la latencia, la velocidad de procesamiento y la confiabilidad de los agentes con las herramientas que prevén utilizar.

También es necesario planificar algunos aspectos operativos. MiniMax recomienda conservar las trazas de pensamiento intercaladas del modelo entre turnos para mantener planes y pruebas coherentes durante tareas largas. Este diseño puede generar respuestas extensas e historiales de conversación más voluminosos, por lo que los desarrolladores deberían gestionar cuidadosamente las ventanas de contexto y recortar o resumir la información cuando sea posible. Las organizaciones que busquen el máximo rendimiento también deberían probar los ajustes de cuantización y las estrategias de procesamiento por lotes para equilibrar velocidad, costo y precisión.

Por último, M2 sigue siendo un sistema de pesos abiertos que las organizaciones pueden modificar, lo que aumenta su responsabilidad en materia de seguridad y cumplimiento normativo. Los equipos deberían incorporar sistemas de supervisión, medidas de protección para las llamadas a herramientas y controles de acceso en cualquier despliegue que pueda conectarse con recursos externos o datos sensibles. Estas son consideraciones habituales para los sistemas con agentes, y aquí se requiere la misma disciplina.

En resumen

• MiniMax M2 es el modelo de pesos abiertos mejor clasificado en el Intelligence Index de Artificial Analysis y se sitúa entre los líderes mundiales en general.
• Supera a Gemini 2.5 Pro de Google en inteligencia agregada, aunque queda por detrás de sistemas propietarios de vanguardia como GPT 5 y Claude Sonnet 4.5 en algunas tareas.
• M2 es un modelo de mezcla de expertos con unos 230.000 millones de parámetros en total y 10.000 millones activos en cada inferencia, lo que reduce la latencia y el costo.
• Su rendimiento con agentes destaca, con buenos resultados en tau squared Bench, BrowseComp y FinSearchComp global.
• Su capacidad de programación está respaldada por los resultados en tareas similares a las de SWE Bench y en Terminal Bench, lo que permite flujos de trabajo de desarrollo de principio a fin.
• La API cuesta 0,30 dólares por millón de tokens de entrada y 1,20 dólares por millón de tokens de salida, con velocidades cercanas a los 100 tokens por segundo.
• Los pesos completos están disponibles para alojar el modelo en infraestructura propia bajo una licencia permisiva, y el modelo es compatible con SGLang, vLLM y formatos de API habituales.
• El modelo puede desplegarse con apenas cuatro GPU NVIDIA H100 y precisión FP8, lo que facilita su implementación para equipos de tamaño mediano.
• En comparación con sus competidores, M2 activa menos parámetros que V3.2 de DeepSeek y Kimi K2 de Moonshot, lo que mejora su eficiencia.
• Las empresas deberían validar el rendimiento con sus propias herramientas y planificar cómo gestionar las respuestas extensas, el contexto y los controles de seguridad.