Modelo grátis da MiniMax tem 196K de contexto — e o resto é silêncio

Você já viu o nome MiniMax M2.7 aparecer em alguma lista de modelos gratuitos e provavelmente passou direto. Faz sentido: o catálogo tem 388 modelos hoje, 31 deles lançados nos últimos 30 dias, e nenhum release da empresa veio acompanhado de benchmark, preço ou país de origem. O que existe, na prática, é uma oferta com preço zero e uma janela de contexto de 196.608 tokens — e só.

O que o catálogo diz (e o que ele não diz)

O cadastro do M2.7 no agregador é quase um formulário em branco. Tem nome, criador, data de lançamento (18 de março de 2026), modalidade texto para texto e a informação de que é gratuito. O resto — índice de inteligência, nota de código, nota agentic, score blended, número de parâmetros, pesos abertos, velocidade, país, knowledge cutoff — está vazio. Não é que o modelo é ruim; é que nenhum desses números foi publicado.

Quando o campo de preço aparece zerado num modelo marcado como "free", a leitura é direta: a cobrança é zero. Mas a ausência dos outros campos tem um efeito colateral pior do que um benchmark ruim. Você não consegue nem comparar. O catálogo hoje ranqueia 388 modelos e, no topo por inteligência medida, aparecem Gemini 3.1 Pro Preview (IQ 47,7), GPT-5.3-Codex (45,5), MiMo-V2-Omni da Xiaomi (35,8), Claude Sonnet 4.6 (35,1) e Qwen3.5 397B A17B (34,2). O M2.7 não entra nessa lista porque não tem nota.

O que você realmente leva

Uma janela de contexto de quase 200 mil tokens é, por si só, um recurso que custa caro em modelos pagos. É o suficiente para colar um repositório inteiro, um livro técnico ou um dump de logs de uma semana. Em qualquer modelo comercial, esse volume de entrada já comeria uma fração significativa do orçamento mensal de uma startup.

O resto do pacote é genérico. A descrição fala em "capacidades agentic multi-agente" e "evolução contínua" — exatamente o tipo de linguagem que aparece em todo release de modelo novo e que, sem números por trás, não diz nada. Quando uma empresa coloca "next-generation" e "autonomous" na mesma frase sem publicar um único benchmark, a suspeita razoável é que ela está pedindo para você confiar em marketing.

Para quem isso vale

Se você está brincando, estudando ou prototipando, o M2.7 free é uma porta de entrada sem custo. Não precisa de cartão, não tem rate limit agressivo documentado, e a janela de contexto é grande o suficiente para experimentações sérias com RAG, sumarização de documentos longos e agentes simples. Para um dev solo num fim de semana, é um ótimo campo de testes.

Se você está colocando algo em produção, a história muda. Sem nota de inteligência, sem score de código, sem dado de agentic e sem país de origem declarado, você não tem como prever custo de erro, latência ou qualidade de saída. Os cinco modelos do topo do catálogo custam entre US$ 2,34 e US$ 15 por milhão de tokens de saída — valores que, multiplicados por volume real de produção, ainda saem mais baratos do que um retrabalho causado por um modelo sem benchmark. E nenhum deles é gratuito, o que é justamente o ponto: grátis com qualidade desconhecida costuma ser mais caro do que pago com qualidade medida.

O tabuleiro em abril de 2026

O mercado de LLMs está mais caro no topo, não mais barato. Gemini 3.1 Pro Preview lidera em inteligência a US$ 12 por milhão de saída, e o GPT-5.3-Codex, único outro modelo acima de IQ 45, sai a US$ 14. A faixa intermediária, onde aparecem Xiaomi, Anthropic e Qwen, vai de US$ 2,34 a US$ 15 — e nenhum deles é gratuito. O M2.7 ocupa um nicho que quase ninguém disputa: o "free tier sem dados de qualidade". É um espaço legítimo, mas é um espaço de experimentação, não de produção.

O que fazer com isso

Trate o M2.7 free como um playground, não como um fornecedor. Use para validar ideias de produto, testar prompts longos e entender o que uma janela de 196K tokens resolve no seu caso. Quando a ideia virar código que vai para um cliente, migre para um modelo com benchmark público e custo conhecido — e meça antes de trocar de novo.