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。

M3 是什么

MiniMax M3 是 MiniMax 公司发布的旗舰开源模型，支持：

• 1M 上下文窗口：能一次性处理百万 token 的文档、代码和对话
• 原生多模态：从预训练第一步就做图文混合训练，不是后期外挂视觉模块
• Coding Agent：SWE-Bench Pro 跑出 59%，超过 GPT-5.5 和 Gemini 3.1 Pro

搭配模型发布的还有 MiniMax Code，这是专为 M3 设计的 Harness，对标 Claude Code。

核心技术：MSA 稀疏注意力

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：

• 1M 上下文下，每 token 计算量压到上代的 1/20
• 预填充（prefilling）阶段加速超过 9 倍
• 解码（decoding）阶段加速超过 15 倍

实测场景

从视频素材直接出官网

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。

视频理解到 PPT 生成

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。

12 小时独立复现 ICLR 论文

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。

应用场景

• 长文档处理：一次吃下整篇论文或完整代码库，不需要分块
• 多模态创作：视频理解、图片分析、官网生成一站式完成
• 代码开发：搭配 MiniMax Code 做长程 Coding 任务，从需求到交付

如何使用

MiniMax M3 已上线，可通过以下方式使用：

• MiniMax Code：M3 专属 Agent 客户端，对标 Claude Code
• API 调用：支持 OpenAI 兼容接口
• Token Plan：中档 MAX 套餐不到 120 元，用量约相当于 Claude MAX 100 刀套餐的两倍

竞品对比

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。