# MiniMax-M3

> Fiche du modèle de langage MiniMax-M3 sur Quelle IA, édition du 28 septembre 2026. MiniMax-M3 (MiniMax) : score IA de 79,8, 62e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/minimax-m3/
Origine : MiniMax · Chine · sorti le 1er juin 2026

## Score général

- Score IA : 79,8 (marge à 90 % : de 76,6 à 82,9)
- Rang : 62 (Groupe 7, ex æquo)
- Couverture : 100 % du poids des tâches, 26 mesures
- Échelle : 100 pour le meilleur modèle au lancement du site, 50 pour GPT-4o de novembre 2024.

## Scores par tâche

| Tâche | Score | Détail |
| --- | --- | --- |
| Raisonnement | 73,2 | Rang 70 · 67 % |
| Code | 77,4 | Rang 44 · 31 % |
| Agents | 82,1 | Provisoire · 33 % |
| Usage | 79,2 | Rang 68 · 100 % |
| Maths | 70,1 | Provisoire · 38 % |
| Sciences | 81,9 | Rang 34 · 80 % |
| Français | 81,1 | Rang 30 · 50 % |
| Vision | 79,0 | Provisoire · 33 % |
| Écriture | 79,0 | Rang 71 · 100 % |
| Web | 82,6 | Rang 48 · 100 % |

## Artificial Analysis (hors du score)

Artificial Analysis évalue les modèles de son côté et publie son propre indice, l'Artificial Analysis Intelligence Index v4.3. C'est un autre indice, qui ne compte pas dans le score IA de Quelle IA et ne se compare pas directement à lui.

| Version évaluée | Indice v4.3 | Rang chez eux | Vitesse | Premier jeton | Prix par million de jetons (entrée / sortie) |
| --- | --- | --- | --- | --- | --- |
| [MiniMax-M3](https://artificialanalysis.ai/models/minimax-m3) | 29,2 | 101e sur 193 | 94,9 jetons/s | 1,39 s | 0,3 $ / 1,2 $ |

Médianes de leurs mesures : vitesse en jetons produits par seconde, délai avant le premier jeton en secondes. Prix en dollars par million de jetons, en entrée puis en sortie. Rang parmi les 193 modèles que leur indice classe. Relevé le 1er octobre 2026 sur leur site, reproduit avec leur accord.

Source : Artificial Analysis, https://artificialanalysis.ai/models/minimax-m3

## Exécution locale

Tient à partir d'un Mac de 512 Go (378,9 Go utiles), en version allégée à 4 bits, par exemple un Mac Studio M5 Ultra de 512 Go. Mémoire estimée : 295,3 Go.

- Allégée, 4 bits : 295,3 Go
- Allégée, 8 bits : 516,8 Go
- Complète, 16 bits : 984,4 Go

- Plus petite machine : [Mac 512 Go](https://quelleia.com/local/#mac_512_go), version allégée à 4 bits
- Carte graphique : Trop juste
- PC portable RTX : Trop juste
- PC portable Intel : Trop juste
- PC portable Snapdragon : Trop juste
- Mac : [Mac 512 Go](https://quelleia.com/local/#mac_512_go), version allégée à 4 bits ; par exemple [Mac Studio M5 Ultra, 512 Go](https://quelleia.com/local/mac-studio-m5-ultra-512go/)
- Ryzen AI Max : Trop juste
- Nvidia DGX : [4 DGX Spark, 512 Go](https://quelleia.com/local/#dgx_spark_x4), version allégée à 4 bits ; par exemple [Quatre DGX Spark en grappe](https://quelleia.com/local/dgx-spark-x4/)
- Sans carte graphique : Trop juste
- Serveur : Oui

## Fiche technique

- Prix : 0,24 € / 0,97 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 1 000 000 jetons (environ 750 000 mots)
- Entrées : Texte, image, vidéo
- Réflexion : Non communiqué
- Paramètres : 428 milliards
- Licence : Modified MIT (poids ouverts, téléchargeables)
- Classe énergétique : D (sur une échelle de A à G)
- Hébergement en Europe : Possible
- Connaissances jusqu'à : Non communiqué

## Où le trouver

- Télécharger : [Hugging Face](https://huggingface.co/MiniMaxAI/Minimax-M3)
- Sur votre machine : [Ollama](https://ollama.com/search?q=Minimax-M3)
- Sur votre machine : [LM Studio](https://lmstudio.ai)
- Par API : [OpenRouter](https://openrouter.ai/minimax/minimax-m3)
- Par API : [API MiniMax](https://platform.minimax.io)
- L'essayer : [MiniMax](https://agent.minimax.io)

## Dans les outils de code

- Disponible dans : [OpenCode](https://quelleia.com/outils/#opencode) (à l'usage), [Cline](https://quelleia.com/outils/#cline) (offres payantes), [Droid (Factory)](https://quelleia.com/outils/#factory-droid), [Warp](https://quelleia.com/outils/#warp)
- Relevé du 30 septembre 2026 sur la page publique de chaque outil. Un modèle proposé par un outil figure dans la liste que son éditeur publie. Rien n'y est mesuré.

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| GPQA Diamond | Sciences | 90,9 % | 84,1 | actif | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 81,3 % | 73,8 | actif | https://epoch.ai/benchmarks |
| OTIS Mock AIME 2024-2025 | Maths | 71,1 % | 68,5 | saturé | https://epoch.ai/benchmarks |
| DTBench | Raisonnement | 78,9 % | 70,8 | saturé | https://conceptualreasoning.ai/dtbench |
| compar:IA | Français | 1 086,0 Elo | 100,1 | actif | https://arene.comparia.beta.gouv.fr/ranking |
| Arena, questions d'experts | Sciences | 1 470,8 Elo | 79,7 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 494,8 Elo | 80,4 | actif | https://arena.ai/leaderboard |
| Code Arena, WebDev | Web | 1 482,4 Elo | 82,8 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 439,7 Elo | 78,6 | actif | https://arena.ai/leaderboard |
| Arena, écriture créative | Écriture | 1 406,2 Elo | 78,0 | actif | https://arena.ai/leaderboard |
| Surface Evolver Bench | Sciences | 55 % | 82,4 | saturé | https://yhenon.github.io/surface-evolver-llm-eval/ |
| Arena, questions en français | Français | 1 458,4 Elo | 77,9 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 432,9 Elo | 76,2 | actif | https://arena.ai/leaderboard |
| Arena, vision | Vision | 1 236,5 Elo | 77,9 | actif | https://arena.ai/leaderboard |
| Vending-Bench 2 | Agents | 2 158 $ | 85,0 | actif | https://epoch.ai/benchmarks |
| SciCode | Code | 47,1 % | 79,8 | actif | https://artificialanalysis.ai/evaluations/scicode |
| LMCA | Raisonnement | 33,7 | 75,1 | actif | https://conceptualreasoning.ai/lmca |
| APEX-Agents | Agents | 37,7 % | 82,0 | actif | https://epoch.ai/benchmarks |
| SimpleBench | Raisonnement | 45,8 % | 73,5 | actif | https://lmcouncil.ai/benchmarks |
| OTIS Mock AIME 2024-2025 | Maths | 26,7 % | 55,4 | saturé | https://epoch.ai/benchmarks |
| ForecastBench | Raisonnement | 61,4 % | 90,4 | actif | https://epoch.ai/benchmarks |
| ProofBench | Maths | 18 % | 82,0 | saturé | https://www.vals.ai/benchmarks/proof_bench |
| FrontierCode | Code | 14,7 % | 75,2 | actif | https://cognition.com/frontiercode |
| Chess Puzzles | Raisonnement | 14 % | 71,5 | actif | https://epoch.ai/benchmarks |
| OSWorld 2.0 | Agents | 4,6 % | 80,2 | actif | https://osworld-v2.xlang.ai/ |
| CritPt | Sciences | 3,7 % | 73,4 | actif | https://epoch.ai/benchmarks |
| GBAEval | Code | 0,9 % | 74,4 | actif | https://gbaeval.com/model/goose-minimax-m3 |
| Chess Puzzles | Raisonnement | 4 % | 47,6 | actif | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 7 % | 65,7 | actif | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 8 % | 65,7 | actif | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de MiniMax-M3 ?** MiniMax-M3 obtient un score IA de 79,8, avec une marge de 76,6 à 82,9, dans l'édition du 28 septembre 2026. Il est classé 62e sur 246 modèles, à partir de 26 mesures.

**Dans quelles tâches MiniMax-M3 est-il le plus fort ?** Ses deux meilleures tâches sont web (82,6) et agents (82,1). Sa tâche la plus faible est maths (70,1).

**MiniMax-M3 peut-il tourner en local ?** Tient à partir d'un Mac de 512 Go (378,9 Go utiles), en version allégée à 4 bits, par exemple un Mac Studio M5 Ultra de 512 Go. Mémoire estimée : 295,3 Go.

**Combien coûte MiniMax-M3 ?** 0,24 € par million de jetons en entrée et 0,97 € en sortie, au tarif affiché par les fournisseurs. Le coût réel d'une tâche dépend du nombre de jetons que le modèle consomme.

**Qui édite MiniMax-M3 ?** MiniMax-M3 est édité par MiniMax (Chine), et il est sorti le 1er juin 2026. Ses poids sont ouverts, sous licence Modified MIT.

Source : Quelle IA, édition du 28 septembre 2026. https://quelleia.com