MiniMax M2 chega a US$ 1,02 por milhão mirando código e agentes
Modelo da MiniMax entra mirando Claude Haiku 4.5 e o3 no segmento de agentes, com preço de saída quase cinco vezes menor mas sem IQ publicado
US$ 1,02 por milhão de tokens de saída. Esse é o número que precisa ficar martelando na sua cabeça antes de qualquer outra coisa. É o que a MiniMax está cobrando pelo M2, lançado hoje (23 de outubro) no catálogo — e é o que coloca o modelo numa faixa de preço que até ontem não tinha concorrente direto na casa dos "modelos pequenos para agente".
O que o preço de US$ 1,02 significa na prática
A referência que importa é o Claude Haiku 4.5, da Anthropic: ele cobra US$ 5 por milhão de tokens de saída. O M2 entra a quase um quinto disso. Para uma equipe rodando agente de código ou pipeline de tool use o dia inteiro, a conta de saída é a que explode — é onde o modelo escreve mais, em loops longos de execução. Multiplique US$ 1,02 por alguns milhões de tokens por dia e a diferença aparece antes do fim do mês.
Se o seu caso é mais classificação ou extração curta, com predominância de tokens de entrada, o input a US$ 0,255 por milhão pesa mais no orçamento. Mas a maioria esmagadora dos workloads de agente e coding gasta muito mais gerando do que consumindo.
Um detalhe que vale anotar: o catálogo ainda não publicou preço de cache para o M2. Se você depende de cache hit alto para baratear prompts repetidos, é uma lacuna que precisa ser fechada antes de colocar o modelo em produção séria.
O que o M2 diz que é — e o que o catálogo ainda não mediu
A descrição do lançamento fala em "10 bilhões de parâmetros ativados de 230 bilhões totais" — ou seja, só uma fração dos pesos é acionada por inferência. É a mesma receita que outros modelos recentes têm usado para entregar preço baixo por token. Pense como um restaurante com cardápio enorme: você não prepara todos os pratos a cada pedido, só os que o cliente pediu naquele momento. É exatamente isso — você não paga GPU para rodar o modelo inteiro a cada token gerado.
A mesma descrição promete "inteligência quase frontier em raciocínio geral" e posicionamento para "coding e workflows agênticos de ponta a ponta". É o tipo de promessa de release que a gente lê com desconfiança. O catálogo, hoje, não publicou índice de inteligência, benchmark de código nem score agentic para o M2. Então a "inteligência quase frontier" é promessa do fabricante, não medição independente.
| Campo | Valor |
|---|---|
| Identificador | qwen/qwen3-vl-32b-instruct |
| Criador | qwen |
| Preço de entrada | US$ 0.104 / M tokens |
| Preço de saída | US$ 0.416 / M tokens |
| Janela de contexto | 131k |
| Modalidade | text+image->text |
Onde ele se encaixa no tabuleiro atual
Olhando o topo do catálogo hoje: o3 da OpenAI lidera o índice de inteligência com 31,1 e cobra US$ 8 por milhão de saída. Claude Haiku 4.5 vem logo atrás em IQ (29,9) e cobra US$ 5. São os dois benchmarks de "modelo pequeno e rápido" contra os quais o M2 vai ser medido na prática — e onde a diferença de preço é mais visível.
Mas existe um concorrente mais incómodo para a proposta do M2: o gpt-oss-120b da própria OpenAI, com IQ 24,1 e preço de saída de US$ 0,17 por milhão — seis vezes mais barato que o M2. É um modelo aberto, pensado exatamente para o mesmo tipo de workload agêntico. Se o seu pipeline roda em casa ou em servidor próprio, gpt-oss-120b ainda é a referência de custo — e a única coisa que o M2 pode fazer para incomodar de verdade é entregar qualidade visivelmente acima com preço não tão distante.
| Modelo | Inteligência | Entrada US$/M | Saída US$/M | Contexto |
|---|---|---|---|---|
| Qwen3 VL 32B Instruct (o novo) | — | 0.104 | 0.416 | 131k |
| o3 | 31.1 | 2 | 8 | 200k |
| Claude Haiku 4.5 | 29.9 | 1 | 5 | 200k |
| gpt-oss-120b | 24.1 | 0.037 | 0.17 | 131k |
Para quem muda alguma coisa — e para quem não muda nada
Vale testar agora se você está pagando Haiku 4.5 ou o3 para rodar agente de código em produção e a fatura da API está incomodando. A queda de 4-5x no preço de saída é concreta, e os 204.800 tokens de contexto dão folga para prompts longos com bastante código embutido, sem precisar fatiar a janela.
Não muda nada se você já roda gpt-oss-120b ou outro modelo aberto em infraestrutura própria — a economia do M2 evapora quando você compara com a tarifa de self-hosting, que no fim das contas é só o custo de GPU. E não muda nada se o seu caso é raciocínio pesado tipo o3-mini ou o3 cheio: sem IQ publicado, não tem como cravar que o M2 entrega o mesmo nível de resposta.
O que fazer com isso na segunda-feira
Não troque o modelo principal do seu agente hoje. Coloque o M2 num teste cego contra o Haiku 4.5 — os mesmos prompts, as mesmas métricas de qualidade e latência, a mesma carga. Só então decida migrar. O preço é tentador, mas sem benchmark independente ainda vale o due diligence antes de mover orçamento de verdade.
Se você está pagando Haiku 4.5 ou o3 para rodar agente de código, vale colocar o M2 num teste cego nesta semana — o preço é quase cinco vezes menor no output, mas não migre orçamento antes de medir qualidade com seus próprios prompts.
Perguntas frequentes
O M2 da MiniMax substitui o Claude Haiku 4.5?
Não sem teste cego. O M2 é quase cinco vezes mais barato no preço de saída, mas o catálogo ainda não publicou índice de inteligência, benchmark de código nem score agentic para comparar diretamente com o Haiku 4.5. É promessa de release, não medição independente.
O M2 é um modelo de pesos abertos?
O catálogo não traz essa informação. O campo correspondente está vazio, então não dá para afirmar se os pesos podem ser baixados e rodados em infraestrutura própria — diferente do gpt-oss-120b, que é a referência aberta de custo baixo para esse segmento.
Qual a diferença de preço para o o3 da OpenAI?
O o3 cobra US$ 8 por milhão de tokens de saída e o M2 cobra US$ 1,02 — quase oito vezes mais barato. Mas o o3 tem índice de inteligência publicado de 31,1, enquanto o M2 ainda não tem IQ no catálogo, então a comparação de qualidade continua em aberto.