MiniMax M3重磅发布

2026年6月1日，稀宇科技正式发布新一代旗舰大模型MiniMax M3。这款模型一次性点满"前沿Coding能力、1M超长上下文、原生多模态"三条科技树，成为目前全球唯一同时具备这三项核心能力的开源模型。在SWE-Bench Pro编程评测中，M3以59.0%的得分超过GPT-5.5和Gemini 3.1 Pro，逼近Claude Opus 4.7；在面向自主Agent的端到端评测Claw-Eval中更是拿下最高分。

长上下文的难点从来不是把参数写成1M，而是在1M token下仍然算得动、跑得快、找得准。传统Transformer的全注意力机制让每个query关注所有key，序列长度增长时计算量近似平方级上升。窗口从128K扩到1M，不是多买几张卡就能解决的问题。

MiniMax给出的答案是自研稀疏注意力架构MSA（MiniMax Sparse Attention）。其核心思路是：先快速扫描一遍，筛选出最重要的KV区块，只在这些区块上做精细计算，而非全量token两两交互。配合KV outer gather Q算子，使每块KV只读一次、访存更连续。

官方数据显示，在100万上下文下，M3单token计算量仅为上代模型的约1/20，prefilling阶段加速超过9倍，decoding阶段加速超过15倍，底层推理算子性能较主流开源方案提升4倍以上。这意味着百万上下文不再只是窗口参数，而是Agent可以真实使用的工作记忆。

M3不是"文本大模型+外接视觉编码器"的缝合方案，而是从训练第一步就采用文本、图片、视频多模态混合训练的原生模型。MiniMax特别强调了交错数据（Interleaved Data）的价值——文本与图像在序列中自然交替排列，对模型性能的提升比一般认为的更加关键。

重构整套数据管线后，M3的训练数据Token规模已推至100万亿量级。模型不仅支持图片与视频理解，还具备Computer Use能力，可在复杂跨应用环境中执行桌面操作。在多模态测试集OmniDocBench上，M3得分超过Gemini 3.1 Pro；在SVG-Bench图形生成评测中甚至超越了Opus 4.7。

M3在编程能力上的突破最具说服力。在SWE-Bench Pro上得分59.0%，超过GPT-5.5和Gemini 3.1 Pro，接近Opus 4.7。在BrowseComp智能体评测中以83.5分超越Opus 4.7的79.3分。

更值得关注的是两个极端实测。第一个：M3独立复现一篇ICLR 2025杰出论文，连续运行近12小时，自主产出18次commit与23张实验图表，成功跑通核心实验——这同时考验了1M长上下文、编程Agent能力与原生多模态三项核心能力。第二个：M3在约24小时内自主完成147次Benchmark提交、近2000次工具调用，将NVIDIA Hopper FP8硬件峰值利用率从7.6%提升至71.3%，实现9.4倍加速。在第145次尝试才找到最优解，经历了多个平台期仍未放弃。

M3同步推出配套Agent产品MiniMax Code，可将大型任务拆解为多阶段、可并发、可动态调整的工作流，由Agent集群协作推进。

商业化方面，Token Plan订阅方案分为Plus（49元/月，6亿Token）、Max（119元/月，18亿Token）、Ultra（469元/月，55亿Token）三档。API层面，512K上下文版本上线7天限时五折，输入2.1元/百万token，输出8.4元/百万token。模型权重与技术报告将于10天内开源。

值得注意的是，MiniMax已于5月29日向上海证监局提交A股上市辅导备案，正式开启A股上市进程，冲刺"A股大模型第一股"。

从长上下文到智能体，从多模态到真实执行，M3证明了一件事：开源模型不必在单项能力上妥协，三项全能可以同时实现。MiniMax正以"开源+多能力合一"的差异化定位，在全球AI竞赛中占据一个越来越清晰的身位。