Mens adgangen til de mest kompetente AI-tjenester bliver dyrere eller endda helt kan afskrives, begynder et nyt kinesisk alternativ at bringe et troværdigt alternativ.
Modellen hedder MiniMax M3 og er den nyeste og højst ydende blandt den voksende skare af kinesiske AI-modeller. Bag den nye model er AI-selskabet MiniMax, som er baseret i Shanghai.
Den nye model glimrer ved at leve under en open source licens, mens der samtidig tilbydes egenskaber og intelligens, som er tæt på at matche markedets førende AI fra tjenester som Claude, ChatGPT og Googles Gemini.
Bider ChatGPT i haserne
Målt på en stribe benchmarks for kunstig intelligens, placerer MiniMax M3 sig i Top 4, hvor det er tæt på at matche Googles seneste Gemini Pro 3.1 topmodel, mens det er en liga under ChatGPT’s stærkeste GPT 5.5 model.
Anthropics Claude Fable placerer sig en liga over alle konkurrenterne, men bliver dog aktuelt ikke tilbudt grundet amerikanske handelsrestriktioner.
På enkelte discipliner placerer den nye kinesiske model sig foran de førende modeller såsom autonom browsing (Browscomp score på 85.2 points), dokument-forståelde (OmniDoc Bench score på 91,6 procent) og matematiske evner, hvor den løser 36 ud af 42 opgaver i den seneste matematik-olympiade (USAMO 2026).
Ekstremt billigt alternativ
Den nye model er af ’Mixture-of-experts’ typen, hvorfor der kun aktiveres 23 milliarder ud af modellens samlede 428 milliarder parametre i brug.
Det gør den til en relativ letvægter i supersværvægter-klassen blandt AI-modeller.
Samtidig introducerer modellen en ’Sparse Attention’ arkitektur, der gør at indtagelse af store datamængder – op til en million tokens – speedes betragteligt op.
Det gør at modellen kan køres lokalt, på relativ beskeden hardware med 250-500 gigabyte hukommelse.
Det afspejler sig i en token pris, som er markant billigere end de amerikanske alternativer.
En million input-tokens koster blot 30 cent, mens output-tokens koster 1,2 dollar. Det er omtrent 20-30 gange billigere end de førende amerikanske AI-modeller.
Modellen markerer sig dog negativt, ved at være lidt af et sludrechatol.
Ifølge analysevirksomheden Artificalanalysis, kræver modellen 91 millioner tokens om at gennemføre selskabets tests, hvor andre modeller i snit blot kræver en tredjedel.
