O trabalhador de IA a 1 dólar por hora
A startup chinesa de inteligência artificial MiniMax desencadeou uma disrupção que ameaça fazer colapsar a economia da implementação de IA empresarial. A empresa com sede em Xangai lançou o M2.5, um modelo de linguagem que oferece um desempenho comparável ao dos sistemas ocidentais mais caros, custando cerca de um décimo a um vigésimo do preço de concorrentes como o Claude Opus 4.6 e o GPT-5.2.
Índice
O lançamento, que chegou ao Hugging Face sob uma Licença MIT modificada, surge no âmbito de uma semana frenética de anúncios chineses de IA que abalaram os mercados globais e redesenharam as fronteiras competitivas. As ações da MiniMax, negociadas como MINIMAX-WP (00100.HK) na Bolsa de Valores de Hong Kong, dispararam entre 11% e 16% após o anúncio, fechando a HK$680, segundo o South China Morning Post.
A MiniMax posicionou o M2.5 não apenas como um chatbot, mas como um funcionário digital de nível de produção, capaz de programar, investigar e criar documentos de forma autónoma. A empresa afirma que este é o primeiro modelo de fronteira em que as preocupações com custos desaparecem efetivamente, oferecendo operação contínua a 100 tokens por segundo por apenas 1 dólar por hora. A velocidades mais lentas, esse custo cai para 0,30 dólares por hora. Esta estrutura de preços permite executar quatro agentes de IA continuamente durante um ano inteiro por aproximadamente 10 000 dólares, um valor que mal cobriria um mês de operação com modelos ocidentais comparáveis.
Benchmarks que desafiam a fronteira
A avaliação independente e os próprios testes da MiniMax revelam que o M2.5 se situa no nível superior dos modelos de programação, a uma distância mínima do Claude Opus 4.6, da Anthropic, apesar da enorme diferença de preço. No SWE-Bench Verified, o padrão da indústria para medir capacidades de engenharia de software no mundo real, o M2.5 obteve 80,2%, apenas 0,6 pontos percentuais atrás do Opus 4.6 e à frente do GPT-5.2, da OpenAI, com 80%, e do Gemini 3 Pro, da Google, com 78%.
O modelo demonstra particular robustez em cenários de programação multilingue, alcançando 51,3% no Multi-SWE-Bench, que testa tarefas de programação entre repositórios que exigem a compreensão simultânea de várias bases de código. Isto coloca-o à frente do Opus 4.6, com 50,3%, e substancialmente além do Gemini 3 Pro, com 42,7%. No VIBE-Pro, um benchmark interno que testa tarefas complexas de desenvolvimento full-stack, o M2.5 tem um desempenho ao nível do Opus 4.5.
Para além da programação pura, o M2.5 mostra capacidades agênticas excecionais. Obteve 76,3% no BrowseComp, que mede navegação web complexa e recuperação de informação, e 76,8% no Berkeley Function Calling Leaderboard (BFCL) para utilização de ferramentas em vários turnos, superando o Opus 4.6 em mais de 13 pontos percentuais. A empresa de análise independente Artificial Analysis atribuiu ao M2.5 uma pontuação de 42 no seu Intelligence Index, bem acima da média de 25 para modelos comparáveis, observando ainda que o modelo opera a 80 tokens por segundo, mais rápido do que a média de 55.
No entanto, a verificação independente na tabela classificativa SWE-rebench de janeiro de 2026, que testa 48 pull requests recentes do GitHub com uma metodologia diferente, mostrou o M2.5 a alcançar 39,6%, em comparação com 52,9% do Claude Code, sugerindo que o desempenho no mundo real pode variar consoante o sistema de avaliação e a atualidade das tarefas.
A arquitetura da eficiência
A viabilidade económica do M2.5 decorre da sua arquitetura Mixture of Experts (MoE), um padrão de conceção que imita a consulta a especialistas em vez do trabalho generalista. Embora o modelo contenha 230 mil milhões de parâmetros no total, ativa apenas 10 mil milhões para qualquer tarefa. Este acionamento seletivo permite ao sistema manter a profundidade de raciocínio de modelos de grande dimensão, operando com a velocidade e a estrutura de custos de sistemas muito mais pequenos.
Para treinar esta arquitetura complexa, a MiniMax desenvolveu o Forge, uma framework de aprendizagem por reforço proprietária concebida especificamente para IA agêntica. Ao contrário das abordagens padrão que otimizam para respostas agradáveis, o Forge coloca os modelos em centenas de milhares de ambientes simulados ao vivo, incluindo repositórios de código, navegadores web e aplicações de escritório, recompensando a conclusão efetiva de tarefas em vez do alinhamento estilístico. O sistema alcança uma velocidade de treino aproximadamente 40 vezes superior à das abordagens padrão de RL, através de agendamento assíncrono otimizado e estratégias de fusão em estrutura de árvore para amostras de treino.
A engenheira da MiniMax, Olive Song, explicou, numa participação no podcast ThursdAI, que este regime de treino exigiu dois meses de trabalho intensivo em diversos cenários do mundo real. Para manter a estabilidade durante este processo, a equipa implementou o CISPO (Clipping Importance Sampling Policy Optimization), uma abordagem matemática que impede o modelo de corrigir em excesso durante as iterações de treino.
"O que percebemos é que há muito potencial num modelo pequeno como este se treinarmos aprendizagem por reforço com uma grande quantidade de ambientes e agentes. Mas não é uma coisa muito fácil de fazer", afirmou Song, acrescentando que a equipa passou bastante tempo a aperfeiçoar o processo.
Esta metodologia cultivou aquilo a que a MiniMax chama "Mentalidade de Arquiteto". Em vez de gerar código imediatamente, o M2.5 planeia primeiro a estrutura do projeto, as funcionalidades e o design da interface, decompondo tarefas complexas em componentes geríveis antes de começar a execução. O modelo foi treinado em mais de 10 linguagens de programação, incluindo Go, C, C++, TypeScript, Rust, Kotlin, Python, Java, JavaScript, PHP, Lua, Dart e Ruby, em mais de 200 000 ambientes.
De chatbot a funcionário digital
A transição da IA como interface conversacional para a IA como trabalhador autónomo representa a tese central da filosofia de conceção do M2.5. A MiniMax colaborou com profissionais seniores de finanças, direito e ciências sociais para dotar o modelo de conhecimento tácito específico do setor, permitindo-lhe gerar produtos de trabalho entregáveis em vez de blocos de texto em bruto.
Este foco manifesta-se em capacidades práticas de automatização de escritório que a maioria dos modelos de fronteira ignora. O M2.5 consegue criar e manipular documentos do Microsoft Word, construir apresentações PowerPoint com layouts e gráficos adequados e executar tarefas complexas de modelação financeira no Excel. No benchmark MEWC, que recorre a problemas reais da competição Microsoft Excel World Championship, o modelo obteve 74,4%. No quadro de avaliação interno GDPval-MM, que avalia tanto a qualidade dos entregáveis como a trajetória profissional através de comparações emparelhadas, o M2.5 alcançou uma taxa média de vitórias de 59% contra concorrentes convencionais.
A MiniMax já implementou o M2.5 internamente como caso de teste para adoção empresarial. Segundo declarações da empresa, o modelo completa agora de forma autónoma 30% de todas as tarefas em departamentos como investigação e desenvolvimento, gestão de produto, vendas, recursos humanos e finanças. Em ambientes de programação, o M2.5 gera 80% do código recentemente submetido na sede da MiniMax.
A empresa integrou estas capacidades no MiniMax Agent, uma plataforma onde os utilizadores criaram mais de 10 000 Experts especializados, combinando Competências de Escritório com conhecimento setorial específico. Estas configurações permitem ao Agent seguir procedimentos operacionais padrão estabelecidos para investigação setorial ou aderir a lógica específica de controlo de risco para modelação financeira, em vez de apenas gerar blocos de texto em bruto.
O modelo lida com desenvolvimento full-stack em plataformas Web, Android, iOS e Windows, gerindo APIs do lado do servidor, lógica de negócio e bases de dados, em vez de apenas produzir demonstrações de frontend. Esta capacidade estende-se por todo o ciclo de vida do software, desde o design inicial do sistema até à iteração de funcionalidades e à revisão e testes abrangentes de código.
A economia da operação contínua
A MiniMax oferece duas variantes de API idênticas em capacidade, mas diferenciadas pelo débito. O M2.5-Lightning opera a 100 tokens por segundo, com um preço de 0,30 dólares por milhão de tokens de entrada e 2,40 dólares por milhão de tokens de saída. O M2.5 padrão funciona a metade dessa velocidade (50 tokens por segundo) por metade do custo: 0,15 dólares por milhão de tokens de entrada e 1,20 dólares por milhão de tokens de saída.
Para contextualizar estes valores, executar quatro instâncias de agente M2.5 continuamente durante um ano inteiro custa aproximadamente 10 000 dólares. Em comparação, o Claude Opus 4.6 cobra cerca de 75 dólares por milhão de tokens de saída, tornando uma operação sustentada comparável economicamente proibitiva para a maioria das organizações. Com base apenas no preço de saída, o M2.5 custa um décimo a um vigésimo do Opus, Gemini 3 Pro e GPT-5.
A diferença de custos torna-se flagrante quando se examina a economia de tarefas específicas. Alex Volkov, apresentador do podcast ThursdAI, observou que o M2.5 conclui tarefas do SWE-Bench utilizando aproximadamente 0,15 dólares em tokens, enquanto o Claude Opus 4.6 exige cerca de 3,00 dólares para trabalho equivalente. Esta redução de custos de 95% elimina a pressão tradicional para otimizar prompts e minimizar o uso de tokens, permitindo aos programadores implementar modelos de elevado contexto e elevado raciocínio em operações de rotina anteriormente relegadas para sistemas mais baratos e menos capazes.
Ambas as variantes de API suportam caching, reduzindo ainda mais os custos de operações repetitivas. A Licença MIT modificada exige que os utilizadores comerciais apresentem "MiniMax M2.5" de forma destacada nas suas interfaces de utilizador, uma condição menor dadas as vantagens económicas. A 100 tokens por segundo, a geração contínua produz 360 000 tokens de saída por hora, custando cerca de 0,86 dólares em tokens de saída, mais custos de entrada.
As melhorias de velocidade reforçam os benefícios de custo. O M2.5 conclui tarefas ponta a ponta 37% mais rapidamente do que o seu antecessor M2.1, com o tempo de execução do SWE-Bench Verified a cair de 31,3 minutos para 22,8 minutos, igualando os 22,9 minutos do Claude Opus 4.6 e utilizando apenas 10% do custo por tarefa.
Contexto de mercado e pressão competitiva
O lançamento do M2.5 marca uma semana volátil para a inteligência artificial chinesa, durante a qual várias empresas nacionais revelaram modelos competitivos. A Zhipu AI lançou o GLM-5, que superou o Gemini 3 Pro, da Google, no Intelligence Index da Artificial Analysis, enquanto a Alibaba apresentou o RynnBrain para aplicações de robótica, a ByteDance lançou o Seedance 2.0 para geração de vídeo e a Kuaishou estreou o Kling 3.0. A MiniMax e a Zhipu AI registaram ambas ganhos bolsistas de dois dígitos, tendo esta última subido 30% na negociação em Hong Kong.
Estes lançamentos em rápida sucessão desafiam avaliações recentes sobre o fosso entre a IA chinesa e a norte-americana. O responsável da Google DeepMind, Demis Hassabis, tinha estimado anteriormente que os modelos chineses estavam apenas alguns meses atrás das ofertas ocidentais; a quase paridade do MiniMax com o Claude Opus 4.6, lançado apenas uma semana antes, sugere que esse atraso se comprimiu para dias. Os resultados do SWE-rebench de janeiro de 2026 mostram o Claude Opus 4.6 com 51,7% e o GPT-5.2 com 51,0% em pull requests recentes, com o MiniMax M2.5 em 39,6%, indicando que os modelos ocidentais mantêm vantagens no código mais recente, embora o fosso continue a diminuir.
As implicações competitivas vão além dos benchmarks. A estratégia de preços da MiniMax exerce pressão sistemática sobre os laboratórios ocidentais de IA que construíram modelos de negócio em torno de tarifas premium de API. Quando a inteligência se torna, como afirma a MiniMax, "demasiado barata para ser medida", a indústria passa de uma economia de escassez para uma economia de volume, potencialmente perturbando os modelos de receita dos intervenientes estabelecidos.
Para os líderes técnicos, o M2.5 oferece vantagens operacionais imediatas. A melhoria de velocidade de 37% em relação ao seu antecessor permite pipelines agênticos em tempo real, nos quais os modelos interagem com outros modelos sem estrangulamentos de latência. As organizações podem agora realizar auditorias de código automatizadas a uma escala sem precedentes, mantendo a privacidade dos dados através de implementação autoalojada de pesos abertos.
O essencial
- O MiniMax M2.5 alcança 80,2% no SWE-Bench Verified, igualando o desempenho do Claude Opus 4.6 a um décimo a um vigésimo do custo
- Duas variantes de API disponíveis: Standard a 0,15/1,20 dólares por milhão de tokens (50 TPS) e Lightning a 0,30/2,40 dólares (100 TPS)
- Arquitetura MoE de 230 mil milhões de parâmetros ativa apenas 10 mil milhões de parâmetros por tarefa, reduzindo a sobrecarga computacional
- Treinado com a framework proprietária Forge RL em mais de 200 000 ambientes do mundo real, com controlo de estabilidade do algoritmo CISPO
- Capaz de desenvolvimento full-stack autónomo, criação de documentos de escritório (Word, Excel, PowerPoint) e modelação financeira complexa
- Atualmente implementado internamente na MiniMax, onde conclui 30% das tarefas da empresa e gera 80% do novo código
- Lançado como modelo de pesos abertos no Hugging Face sob Licença MIT modificada, exigindo atribuição comercial
- As ações da empresa (MINIMAX-WP, 00100.HK) dispararam 11% a 16% na Bolsa de Valores de Hong Kong após o anúncio
