MiniMax-M3 es el modelo de codificación Multimodal y agéntico de vanguardia de MiniMax, creado sobre la arquitectura de atención dispersa de MiniMax (MSA). Soporta una ventana de contexto de hasta 1M de tokens y acepta Inputs de Video e Image. El modelo está diseñado para la generación de código, flujos de trabajo agénticos, uso de herramientas, comprensión de contexto largo y razonamiento multipaso, mostrando un fuerte rendimiento en pruebas de rendimiento como SWE-Bench Pro, Terminal-Bench 2.1 y MCP Atlas....

DeepSeek-V4-Pro es el modelo MoE de código abierto insignia de DeepSeek con un total de 1,6T de parámetros y 49B activos, diseñado específicamente para tareas de razonamiento, programación y agentes de nivel de frontera. Admite una ventana de contexto de 1M de tokens y tres modos de esfuerzo de razonamiento de hasta Think Max, logrando un rendimiento de primer nivel en bancos de pruebas de programación como LiveCodeBench y Codeforces —rivalizando con los principales modelos de código cerrado— y se publica bajo la Licencia MIT....

DeepSeek-V4-Flash es el último modelo MoE de código abierto de DeepSeek, que cuenta con un total de 284B de parámetros, de los cuales solo 13B se activan durante la inferencia, lo que ofrece una generación de alta velocidad sin sacrificar la capacidad. Con soporte nativo para una ventana de contexto de 1M de tokens y tres modos de razonamiento intercambiables (Non-Think, Think High y Think Max), ofrece una escala de inteligencia flexible que va desde las tareas cotidianas hasta el razonamiento complejo, todo bajo la licencia MIT....

Kimi K2.6 es un modelo de agentes Multimodal nativo y de código abierto creado por Moonshot AI, que alcanza el estado del arte en código abierto en evaluaciones de rendimiento como HLE con herramientas, SWE-Bench Pro y BrowseComp. Desarrollado sobre una arquitectura MoE con un total de 1T de parámetros y 32B activados, el modelo soporta una ventana de contexto de 256K token e Input multimodales (Image y Video) a través de su codificador de Vision MoonViT. K2.6 está optimizado para cargas de trabajo de agentes: soporta más de 4.000 llamadas a herramientas durante más de 12 horas de ejecución continua, escala a 300 subagentes paralelos × 4.000 pasos por ejecución para producir más de 100 archivos a partir de un único prompt, y es compatible tanto con los modos de inferencia de pensamiento (Thinking) como instantáneo (Instant) con llamada a funciones y persistencia de pensamiento (Preserve Thinking) en múltiples turnos...