MiniMax 低调发布 M3 和 MiniMax Code，我们测完后有几点感受

前沿的 Coding 能力、1M 的上下文窗口，还有原生的多模态

就在今天，MiniMax 发布了新一代模型 M3。

这次最值得看的地方，是 M3 终于在同一个模型里凑齐了三种能力：

前沿的 Coding 能力、1M 的上下文窗口，还有原生的多模态。

同一时间，MiniMax 还更新了配套的 Agent 产品 MiniMax Code，并放出了 M3 的技术博客。

🚥

我们第一时间看完了技术博客，也分别上手实测了 M3 和 MiniMax Code。

接下来，分享对这份技术博客的内容整理和两个实测案例。

先看这份技术博客

读完之后，一个比较直接的感受是：

M3 真正的看点，是一个国产模型同时具备了多种前沿能力。

从相关 Benchmark，比如 Terminal Bench 来看，M3 的表现已经稳定排在 Sonnet 4.6 这一档，部分编程和 Agent 任务上还要更靠前一些。但和 Opus 4.7、GPT-5.5 放在一起比，能看出还有一段差距。

整体来说，这份技术博客给出的是 MiniMax M3 的一份扎实的成绩单，但还算不上是终点。

下面分三块来看。

1M 上下文背后的 MSA

M3 这次支持 1M 上下文，背后换掉的是模型最底层的注意力模块，MiniMax 把它叫做 MSA（MiniMax Sparse Attention）。

传统的全注意力机制里，每个 token 都要和前面所有 token 做一次关联计算。序列一旦变长，计算量就会以平方级别增长，很快超出硬件能够承受的范围。这也是长上下文长期难以实现的根本原因。

稀疏注意力的思路，是在正式计算前先做一道初筛，只保留真正相关的部分参与运算，从而避开平方级的复杂度爆炸。

这条路线并不新鲜：DeepSeek 在 V3.2 上采用的 DSA、月之暗面在 Kimi 上采用的 MoBA，都属于稀疏注意力，MSA 对标的也正是这一类方案。

MSA 这次比较独特的思路，集中在 2 个地方。

一是对 KV 的分块更精细，相同算力下能覆盖到的有效上下文更多；二是在算子层直接做了优化，让每一块数据只读一次、访存连续，按官方给的数据，比开源的 Flash-Sparse-Attention、flash-moba 要快 4 倍以上。

这些工程细节带来的结果还算是比较明显的：

在 100 万上下文长度下，M3 每个 token 的计算量只有上一代的 1/20，prefilling 阶段加速超过 9 倍，decoding 阶段超过 15 倍。

而在多组对照实验里，MSA 的大部分能力都与全注意力基本持平。

换句话说，长上下文不再是一个理论上可行、实际却用不起的功能。

因此，1M 现在可以理解为「更像是一项基础设施」。后面所有的长程 Agent、长程 Coding、长视频理解，都要建立在其基础之上。

Coding 提升很多

Coding 和 Agent 是 M3 这次重点提升的方向。

技术博客里有一组评测数字：SWE-Bench Pro 上 59.0%，Terminal Bench 2.1 上 66.0%，MCP Atlas 上 74.2%，还有 SWE-fficiency、KernelBench Hard 等几项。

不过，比分数更有意思的是它怎么训练的。

MiniMax 在博客里明确提出了一个现在很多代码 Agent 的共性问题：训练和评测大多建立在「单轮任务」的假设上，给一个需求，生成一段代码，结束 Over。

可真实的开发与这套流程还是相当大的区别的。

我们进行开发的时候，往往是在同一个 Session 里反复来回：先说个大概，再补充需求，中途改下方案，根据中间结果再派新的任务。

为了让模型在训练阶段就见到这种场景，MiniMax 做了一个交互式的用户模拟器，去模拟开发者澄清需求、讨论方案、修正反馈、连续切换任务的过程。

整体来看，这一点其实很复杂下一代 Coding Agent 的思路：比起单纯地写代码，长期协作、规划，以及人和 Agent 配合的效率的需求，可能才是更重要的。

这个判断，从过往的社区评价来看，大家是基本认同的，一个能力强、但不会跟你来回对齐的模型，用起来真的会很累。

原生多模态

从技术博客来看，M3 是从训练的第 0 步开始就做多模态混合训练的，这种做法的好处，是文本和图像的语义空间能更自然地对齐。

博客里还提到了一个细节：他们发现 Interleaved data（图文交错排列的数据）对模型能力的帮助，比一般认为的更关键。为了把这类数据的规模提升上去，MiniMax 重做了整套数据管线，把预训练数据的整体规模扩大到 100T 量级。

以上三种能力，共同构成了这次 MiniMax M3 模型的基础。

技术博客里同步给到了几个内部案例，其中两个比较典型，值得说一下。

一个是论文复现。

他们把一篇 ICLR 2025 的获奖论文交给 M3，让它独立复现。M3 自主运行了接近 12 小时，中间产出了 18 次 commit 和 23 张实验图表，完整复现了核心实验。

这个过程里，看懂论文里的曲线和公式需要多模态，论文加代码加实验日志能一次性进窗口要长上下文，而把整条流程连续做完要靠 Coding 和 Agent 的能力。三种能力的集合，才能让这个任务顺利完成。

另一个是 CUDA 算子优化。

任务是在 NVIDIA Hopper 架构上优化一个 FP8 矩阵乘的 kernel，这种任务，对于有一定工程经验的团队通常要花一到两周时间。

而 MiniMax 团队给 M3 的起点只有一份任务描述、一个评估脚本和一段骨架代码，没有任何现成的高性能实现可以参考。

在大约 24 小时里，M3 提交了 147 次 benchmark、调用了 1959 次工具，把硬件峰值利用率从首版的 7.6% 提升到 71.3%。

它的执行过程也很有意思，博客里提到，除了 Opus 4.7 和 M3，其余模型大多在前 30 次提交里就停住、主动退出了，而 M3 的最优解出现在第 145 次提交，在那之前它经历了好几个分数不再上涨的平台期，但还在换方向继续尝试。

这种「卡住了也不轻易放弃」的耐心，算是 M3 此次的表现亮点。

我们的实测：M3

我们也做了一番实测。目前 M3 模型已经可以在 MiniMax 开放平台的 API 里调用。

平时我一般用 CC Switch 来给 Claude Code 或 Codex 设置模型，比较方便，现在也能直接找到 M3 了。

经过多次实测后，我们发现它在长程任务上表现还不错，尤其是复刻类任务。比如先复刻一个网页的整体风格，再在此基础上给它一段很长的内容，让它做成展示页面，最终在前端的美感上，相比之前的模型有一定提升。

比如，因为它是原生多模态模型，我给了它几张图片，让它帮我做一个 MiniMax M3 MSA 的内容索引互动网页。

这次 MiniMax M3 有一个比较明显的特点，就是具备了原生多模态能力。它可以直接理解图片里的内容，而且识别速度很快。对于图片中的元素、数据和结构信息，都能快速完成分析和定位，同时结合上下文理解它们之间的关系。

现在的 M3 在执行任务时，会有一个完整的工作流。它会自主地进行验证，检查自己的输出。会和用户的提示对齐。比如，当提示不完整时，它会先进行脑力风暴，补充和完善思路，然后再执行。

即便完成了第一轮术语识别，仍然可能会有一些遗漏。它会先把整体框架搭建出来，然后再重新梳理一遍图片里的所有可点击关键词，检查是否有遗漏或分类不合理的地方，最后再统一完成整体设计。

整个工作流衔接非常完整。通过多步验证，它会不断与我的提示词对齐。每一步都会检查前一步的结果。生成多个页面或配置时，会并行调用多个子 Agent 执行。整个流程下来，几乎不需要人工干预。

这个网站的内容就是先截一张 MSA 的截图。然后结合 Claude Code Harness 里已有的 skill 去处理。它识别图片里的每一个点，把每个点做成可互动、可点击的块。点开块，就能看到对应的术语。每个术语里有详细解释，这需要 M3 的长上下文和调研能力，也需要前端的多模态能力。

最后做出来的效果是，整张图片里的内容都会被自动识别，并圈选成可交互的模块。点击任意模块，都可以直接进入对应的下一层页面。

能看出来它做的比较细。每一个词和标签框都被标了出来。比如右上角这一部分，它不会把里边每个字单独拆开，而是会把它们识别成同一个专业术语或同一个概念，然后作为一个整体进行框选。

而且它不只是按照视觉上能看到的内容去划分。比如一个蓝色方框里的内容，在人眼看来可能就是一个模块，但它还会进一步理解里面具体写了什么。

像有些区域，它会识别出这是一个注意力机制相关的公式；有些区域，则会识别出是 MSA 这类专业术语。也就是说，它不只是看版式和颜色，而是在结合内容本身做进一步分析。

当然，如果只靠模型自身的视觉能力，效果还是有限。实际过程中更重要的还是 Harness 和 Skill 的配合。它们可以帮助模型进行多轮识别、反复校验和补充判断，让最终识别出来的结构更完整，也更准确。

最后做出来的效果是你点击任意一个专业术语，都会跳转到统一的术语目录库里。

整个目录库本质上是一个知识地图。里面的每个模块都由专业术语、关键词，以及对应的解释和调研注释组成。

这样不管是从图片里的哪个位置点进去，最后都会汇总到同一套知识体系里。既能按视觉区域浏览，也能按术语和概念进行检索。

然后在这套术语库里面，还集成了一个专门的术语目录。甚至相关的公式也会直接列出来：

这个目录支持多层级点选。每点开一个目录节点，下面还会继续展开对应的子分类和关联内容。

M3 也可以处理一些更立体的任务，这里其实可以和 Opus 4.7 对比一下。

比如用 Three.js 创建一个 3D 脱硫滑橇工艺流程图。里面包括水平和垂直的圆柱形容器、彩色管道网络、阀门、仪表、摄像机控制，以及设备标签和参数标注。

下面这个是 Opus 4.7 第一次做的：

整体是比较完整的，右上角还有一个滑动模块，可以实时控制画面的物理效果。

下面这个案例的效果是 M3 做的，整体的 3D 感还不错，可以通过几个关键模块，实时切换不同画面。切换过程中，整个数字孪生的效果比较完整。如果仔细看的话，会发现里面的大量容器是有光泽效果的：

和 M3 一起更新的 MiniMax Code

跟着 M3 一起更新的，还有 MiniMax Code。

它对标的是 Claude Code、Codex 这一类的 Agent 产品，思路上的关键差别在于：它是专门为 M3 设计、并且和 M3 一起训练出来的。

模型和配套的 Agent 一起训练，理论上能更好地发挥 M3 在长上下文、Coding 和原生多模态上的能力。

它最核心的一个能力叫做： Agent Team。

简单说，遇到一个大任务，它会先拆成多个阶段、可以并发、还能动态调整的 Workflow，再交给一组 Agent 协作推进。中间用 Producer 加 Verifier 的循环，一边产出一边自我检查、修正，必要时可以连续自主跑上好几天。

这里可以拉一个对照。

Claude Code 近期也发布了方向类似的 Dynamic Workflows。两者的侧重不太一样：Claude Code 更强调用 JS 代码做固定式的编排，MiniMax Code 更强调执行过程里的持续反思和纠错，会根据任务进展实时调方案、调优先级，用户也能随时插进来加需求或改方向。

哪种更好，现在下结论还太早，要看各自在真实项目里实际运行下来的稳定性。

另外，得益于 M3 的原生多模态，MiniMax Code 还自带了 Computer Use 的能力。

还有一点值得提一下：MiniMax Code 的 Harness 是基于 OpenCode 和 Pi Agent 这两个开源项目搭建的，官方也说了后续打算把这个项目开源。这和 M3 本身开源的态度是一致的。

同样，我们也用一个案例实测了一下。

我们的实测：MiniMax Code

按照官方口径，MiniMax Code 专门针对 M3 做了适配，更适合多 Agent 调用，整体运行也更适合长程、偏复杂的任务。

举个例子，我之前看到一张图片，是英伟达 GTC 大会的展位图，里面有大量展位和比较细小的文字，正好可以和 M3 的原生多模态能力结合起来用。

我可以直接把这张图片发给 MiniMax Code，在里面调用 M3 模型，让它分析图中所有厂商，再根据各家的业务以及在上游、中游、下游的位置做整体分析，最后做成一个网页来展示。

具体做法是，直接在 MiniMax Code 里上传这张展会地图，让它整理成一份 AI 基础设施的展会情报报告。

在这类复杂任务里，它执行了大量工作流，识别出图中相当多的厂商，并按照 AI 产业链的业态定位给出对应的展位号和公司名。当然，作为原生多模态模型，识别这种展位时还是会出现一些误差，所以它会再做一遍 review，并给出置信度。

最终给出的这份交互式展会地图情报报告比较完整，所有厂商都按上下游做了标注，原图也作为一张可放大的地图单独放进了报告里。

它还会按照置信度来匹配公司。比如在某个置信度之上，有 36 家公司被匹配出来，像英伟达的 Robotics、Vertiv 等关键词都被标注了出来。置信度的高低，取决于 M3 模型对这张图片中相应内容的识别情况。

所有可识别到的公司，都会按照公司名称、Booth、分类、在产业中的位置、置信度以及 Verification 来组织。Verification 分为可直接采用、可作初步线索、待核实等几类。

整个产业地图则按照上游基础设施、中游平台、下游应用，给出了一个简要的概览：

Token Plan

最后说说定价，涉及到钱相关的，不能不看。我们大致整理了下，这次 MiniMax 同步更新了 Token Plan，一共有三档：

横向对比一下，按官方给的口径，相同价格下的用量会比同档 Claude 便宜很多。

🚥

回头看这次更新，M3、MiniMax Code 和 Token Plan 是 MiniMax 给开发者提供的一套组合：一个能打的模型，一个配套的 Agent，加上一个用得起的价格。

当然，M3 和 Opus 4.7、GPT-5.5 之间的体感差距、1M 上下文的实际表现，还需要开发者们用时间和真实使用来回答。

不过放在更长的时间线上看，从 M2 到 M3，MiniMax 这一年的更新节奏并不慢。

这次也一样：新模型、配套的 Agent、技术博客、新的 Token Plan，几乎是一起放出来的。按官方说法，模型权重也会在十天内开源。

模型更新得越来越快，快到容易让人忘记：

把一个模型做扎实，本来是件慢功夫的事。

或许，对于能走得远的团队来说，能不能按着自己的节奏、思路，稳定地将模型迭代下去。