MiniMax M2.7 custa um terço do Gemini 3.1 Pro — mas não aparece no topo do ranking

O preço é o chamariz

Você viu o anúncio e foi direto olhar a tabela de preços. Faz sentido: a MiniMax está vendendo o M2.7 a US$ 0,30 por milhão de tokens de entrada e US$ 1,20 por milhão de tokens de saída — com cache a US$ 0,06. Traduzindo: um milhão de tokens misturados custa cerca de US$ 1,50. É quase um terço do que o Google cobra pelo Gemini 3.1 Pro Preview (US$ 12 por milhão de saída) e pouco mais de um décimo do GPT-5.3-Codex, da OpenAI (US$ 14 por milhão de saída). Em volume, a diferença entre "barato" e "caro" aqui não é percentagem: é outra ordem de grandeza.

O que o dinheiro compra (e o que não compra)

A conta, porém, é só metade da história. O M2.7 traz 204.800 tokens de contexto — entre os maiores disponíveis hoje — e foi descrito pela própria MiniMax como um modelo "agêntico", pensado para rodar em fluxos autônomos e se "autoaperfeiçoar". Em tese, é o tipo de coisa que você pluga num agente que lê repositório inteiro, varre logs ou encadeia chamadas de ferramenta sem precisar podar o histórico a cada passo.

O problema é o que está em branco. O catálogo não publicou IQ, não publicou benchmark de código, não publicou nota agentic, não publicou velocidade, não publicou país de origem, não publicou corte de conhecimento. Você está comprando um modelo sem saber onde ele pontua no ranking — e isso muda tudo.

Onde ele se encaixa no tabuleiro

Olha o topo do mercado nesta data e a fotografia fica clara.

Hoje, só dois modelos passam da marca de IQ 45: o Gemini 3.1 Pro Preview (47,738) e o GPT-5.3-Codex (45,512). Ambos custam entre oito e dez vezes mais por milhão de tokens de saída. Logo abaixo, com IQ entre 34 e 36, estão o Xiaomi MiMo-V2-Omni (35,866), o Claude Sonnet 4.6 (35,108) e o Qwen3.5 397B A17B (34,262) — três modelos com medições públicas e preços também mais altos que o M2.7. O catálogo tem 379 modelos listados e 29 foram lançados nos últimos 30 dias; o M2.7 está nesse bolo de lançamentos recentes, mas sem o número que te permitiria ranqueá-lo.

Para quem vale

Vale para quem está montando um agente que vai queimar muito token — raspagem de código, análise de documentos longos, pipelines que encadeiam dezenas de chamadas. O contexto de 200 mil tokens, combinado com o cache a US$ 0,06, faz o M2.7 particularmente interessante para fluxos onde você relê o mesmo bloco várias vezes: o cache corta o custo de entrada em cinco vezes. Se a sua arquitetura é essa, vale testar antes de qualquer modelo mais caro.

Para quem não muda nada

Não muda nada para quem precisa de uma referência pública de qualidade. Sem IQ, sem benchmark de código, sem nota agentic publicada, você não consegue comparar o M2.7 com Gemini, GPT, Claude ou Qwen em algo que não seja preço. Para tarefas onde a margem de erro tem custo — geração de código de produção, revisão jurídica, análise financeira — essa ausência de medição é, por si só, uma resposta: espere o índice sair antes de migrar carga crítica.

O que fazer agora

Se a sua conta de API está sangrando, vale um experimento controlado: isole uma tarefa de alto volume e baixo risco, rode no M2.7 com cache ativado, e meça o resultado. Se o índice de inteligência aparecer nas próximas semanas e o modelo se mantiver barato, a equação muda. Até lá, o M2.7 é uma aposta com bom preço e ficha técnica incompleta.