今天，MiniMax正式发布了其新一代旗舰大模型MiniMax M3，在多个衡量编程与Agent能力的基准测试中达到前沿水平。在真实软件工程能力基准测试SWE-Bench Pro上，MiniMax M3的表现小幅度超过GPT-5.5和Gemini 3.1 Pro，接近Claude Opus 4.7。
MiniMax M3采用了全新的稀疏注意力架构——MSA（MiniMax Sparse Attention）。这一架构的引入让MiniMax M3得以支持100万上下文窗口，同时也大幅提升了计算速度：与上一代采用全注意力机制的MimiMax M2相比，该模型在prefilling（预填充）阶段实现了超过9倍的加速倍率，在decoding（解码）阶段有超过15倍的加速倍率。
同时，MiniMax M3还是一个原生多模态模型，支持图片和视频的输入，并能操作电脑桌面。在多模态测试集OmniDocBench上，MiniMax M3的得分超过Gemini 3.1 Pro，在面向自主Agent的端到端评测框架Claw-Eval上，MiniMax M3得到最高分。
这种能力的结合，让MiniMax M3得以驾驭高度复杂的任务。在考察模型后训练能力的PostTrainBench测试中，研究团队交予M3一项挑战：在12小时内，从零开始训练4个仅有预训练基座的模型。全程无人干预，M3自主完成了“数据合成、训练、评测到迭代”的完整闭环，最终驱动这4个模型在数学推理、工具调用、代码生成等五项任务上习得了基本能力。M3最终得分0.37，紧追GPT-5.5（0.39）与Opus 4.7（0.42），并大幅领先其他模型。
MiniMax M3还可以连续工作24小时，在147次benchmark提交、1959次工具调用之后完成对CUDA内核的优化，将Hopper FP8硬件峰值利用率从首版7.6%推进至71.3%，实现相较于原始版本的9.4×加速。
与MiniMax M3一同发布的，还有更新后的AI编程工具MiniMax Code。MiniMax Code专为M3设计、并与M3一起训练，能够充分发挥M3在长上下文、Coding/Agentic、原生多模态方面的能力。
得益于M3的原生多模态能力，MiniMax Code具备Computer Use能力，可在电脑端完成跨应用、跨文件、跨系统的操作。
智东西第一时间对MiniMax M3进行了实测体验，它展现出不错的Agentic能力和扎实的多模态分析底子：能主动迭代需求、规划项目并持续反思纠错，视觉任务中对细节的描述也相当详尽。但在具体任务交付上，不少结果的完成度还不够高。
目前，MiniMax M3已在MiniMax Code、Token Plan和API中上线，接下来10天内MiniMax会更新模型的技术报告、以及开源对应的模型权重。MiniMax Code也计划在未来进行开源。
MiniMax M3的API调用价格以512k上下文为界分为两档，并提供优先调用和标准模式两种方案。512k以内上下文的调用有7天限时五折的优惠，标准模式下的调用价格分别为2.1元/百万输入tokens、8.4元/百万输出tokens，缓存读取的价格为0.42元/百万tokens。
API调用入口：
https://platform.minimaxi.com/docs/api-reference/api-overview
MiniMax Code：
agent.minimaxi.com/download
值得一提的是，MiniMax已在上周向上海证监局提交了，开启A股上市进程，冲刺A股大模型第一股。截至港股今天午间休市，MiniMax今日股价下跌14.64%至717.00港元，最新市值为2248.77亿港元（约合1942.71亿元人民币）。
一、编程与Agent能力成提升重点，能理解真实开发工作流
编程与Agent能力是MiniMax M3本次性能提升的重点，该模型也在多个相关基准测试中达到领先水平。不过，MiniMax发现，目前主流的编程测试基准存在一个比较明显的局限：很难完整反映出真实的用户体验。
现在大多数编程智能体的训练和评测，都假设任务是单轮完成的。但在实际的开发场景中，开发者往往会反复沟通需求、持续调整方案、同时推进多个任务，还要根据中间结果不断迭代优化。
为了缩小测试基准和真实体验之间的差距，MiniMax做了一个交互式用户模拟器框架。这个框架可以模拟真实开发者的协作行为，让模型在训练和评测阶段，就能接触到更接近实际工作环境的交互场景。它能还原需求补充、方案讨论、反馈修正、连续切换任务，以及复杂项目迭代这些典型行为，让智能体不只是被动执行指令，而是能够主动和用户协作完成任务。
我们迅速体验了MiniMax M3在编程与Agent任务方面的能力。
在网页游戏生成任务中，MiniMax M3制作的赛车游戏从审美上看还不错，但是实际试玩后，我们发现这一游戏的可玩性比较差。
在动态SVG图生成任务中，MiniMax M3画出了个大概，但是自行车、鹈鹕的外观很难说完全准确。
在更为复杂的任务中，我们要求MiniMax M3实现一个类似谷歌文档的文档协作系统MVP版本。MiniMax M3拿到这一任务后，先与用户讨论并确定了技术选型，然后进行了10分钟左右的思考，最终给出项目的完整规划。
同时，MiniMax M3也考虑到了项目的验证，规划了单元测试环节，还考虑到这一项目的关键风险与权衡。
这一项目的规模较大，截至发稿，MiniMax M3还在执行CRDT单元测试编写的任务。从其执行过程中来看，MiniMax M3可以在任务中不断反思、修改自己的代码，展现出不错的自我纠错与持续优化能力。
总体来看，MiniMax M3在编程Agent任务中确实理解了真实协作流程，能主动沟通、迭代优化，但任务的完成度还有提升空间
二、具备原生多模态能力，训练数据规模达100万亿个token
多模态能力方面，MiniMax称M3是一个从Step 0开始进行多模态混合训练的模型。这种原生多模态的路线能让不同模态数据的语义空间更天然、更高度的融合。
同时，在数据配比和构成上，MiniMax的大量实验显示，Interleaved data（交错数据）对模型性能带来的提升，比一般认为的更加关键。
这些文本和图像或其他模态在序列中交替自然排列的数据，对于整体训练数据的规模扩展也很重要。在MiniMax为这些数据重构整套数据管线后，训练数据的规模提升至100万亿个token的量级。
我们迅速跑了几个多模态相关的任务。第一个任务是地点识别，我们将一张随手拍摄的照片发给MiniMax M3，并让它推断具体拍摄地点。
MiniMax M3的确对图片内容进行了详细的分析，观察到了高楼层、防尘网等细节，但它认为图中没有具体的地理标志物，无法直接锁定城市，只能判断这里应该是中国北方城市的郊区。
而在我们此前进行的实测中，DeepSeek识图模式、Qwen3.7 Max Preview等模型能在相同任务中将地点精确识别到离实际地点10公里左右的范围内。
我们又尝试了另一个地铁线路规划的任务。上传后，我们让MiniMax M3找出一条从昌平西山口到首都机场的最快路线。MiniMax M3推荐的路线其实并不太合理，有点“绕路”了，总耗时也比地图软件上的推荐路线要长。
总体来看，MiniMax M3原生多模态的底子扎实，视觉描述详细，但在视觉QA任务上，跟头部模型比还有一定差距。
三、采用新型稀疏注意力方案，解码阶段加速15X
看完实测后，MiniMax M3在架构层面的创新也尤为值得关注。此前，MiniMax团队在新型注意力机制上做了不少探索，但在M2上却选择回归全注意力，当时他们给出的理由是基础设施成熟度不够、评估困难等。而到了这一代的M3，他们推出了一种名为MSA的全新稀疏注意力方案。
稀疏注意力要解决的问题，是全注意力机制计算复杂度平方级增长的“先天缺陷”。稀疏注意力通常通过引入一个初筛阶段，来避免复杂度急剧膨胀。与DSA和MoBA等现有方案相比，MSA能够更精确地对KV进行分块，从而实现更高的有效上下文覆盖。
与此同时，MiniMax团队还在算子层面做了直接优化，采用了以KV块为外层来聚合命中query的“KV outer gather Q”策略——每个块只读取一次，访存连续。
在M3当前的head配比下，这一设计的计算访存比显著优于主流方法，比开源的Flash-Sparse-Attention和FlashMoBA快4倍以上。
在100万上下文长度下，M3每token的计算量仅为上代模型的1/20。在prefilling阶段，加速倍率超过9倍；在decoding阶段，加速优势更达到15倍以上。而且在多个对照实验中，MSA的绝大部分能力都能与全注意力打平。
结语：国内大模型厂商积极探索架构创新
越来越多的中国大模型厂商，正通过架构维度的创新实现突围。MiniMax M3本次在稀疏注意力上的探索，以及原生多模态的尝试，让这一模型实现了效率和性能的平衡。
可以预见，围绕新型注意力机制、原生多模态混合训练与Agent端到端能力的技术探索，将成为下一阶段大模型发展的主流趋势。
本文来自转载智东西 ，观点仅代表作者本人，发现AI平台仅提供信息存储空间服务。
如若转载，请联系原作者；如有侵权，请联系编辑删除。
微信扫一扫 
