MiniMax M3 是国内首个同时支持 1M 上下文、原生多模态和 Coding 的开源模型，SWE-Bench Pro 达 59%，实测表现亮眼。
MiniMax M3 是国内首个同时支持 1M 上下文、原生多模态和 Coding 的开源模型，SWE-Bench Pro 达 59%，实测表现亮眼。
MiniMax M3 是国内第一个把三件事同时做到的开源模型：1M 上下文、原生多模态、Coding Agent。在此之前，能同时跑通这三件事的只有 GPT、Claude、Gemini 的最新旗舰，而且全是闭源的。M3 的出现撕开了这个口子。
MiniMax M3 是 MiniMax 公司发布的旗舰开源模型，支持：
搭配模型发布的还有 MiniMax Code，这是专为 M3 设计的 Harness，对标 Claude Code。
M3 能做到 1M 上下文的关键，是一种新的注意力机制 -- MiniMax Sparse Attention（MSA）。
传统注意力机制下，每读一个字都要跟前面所有字比对一次。读到第 100 万个字，就要比对 100 万次，字数翻倍计算量翻四倍。
MSA 的做法是以 KV 块为外层循环，让每块只读一次、访存连续。实测效果：
千问正式接入淘宝，用户可以在对话中完成搜索、比价、下单、支付、查物流全流程。四大场景实测 AI 购物体验。
把一个包含视频、图片、文档的素材包丢给接了 M3 的 Claude Code，只说一句"参考这些素材，做一个企业官网的展示页"。M3 自己读素材、写代码、本地测试、部署。中间服务器环境脏导致 404，它也自己查到路径问题并修复。16 分钟交付成品。
把一个 PPT 教学视频直接发给 MiniMax Code，只说"看下这个视频，教我"。M3 把视频里的动作扒成文字版 SOP，连"合并形状得先选矩形、再按住 Shift 选文字，顺序反了效果就不对"这种细节都抠出来了。进一步让它直接做好 PPT，半小时交付。
把一篇 ICLR 2025 Outstanding Paper Award 论文丢给 M3，让它从零复现。M3 自主运行接近 12 小时，产出 18 次 commit、23 张实验图，跑通了核心实验，观测到了论文讨论的挤压效应并验证了缓解方法。
MiniMax M3 已上线，可通过以下方式使用：
| 维度 | MiniMax M3 | Claude Opus | GPT-5.5 |
|---|---|---|---|
| 1M 上下文 | 支持 | 支持 | 支持 |
| 原生多模态 | 支持 | 支持 | 支持 |
| Coding Agent | 59% (SWE-Bench Pro) | 接近 Opus 4.7 | 低于 M3 |
| 开源 | 是 | 否 | 否 |
M3 作为开源模型，在综合能力和使用成本的性价比上已经站得住脚。对于需要长上下文 + 多模态 + Coding 三合一能力的开发者，M3 是目前开源生态中唯一的选择。
