MiniMax M3は、3つのことを同時に実現した中国初のオープンソースモデルです。その3つとは、1Mコンテキスト、ネイティブマルチモーダル、Coding Agent。それ以前に、この3つを同時に走らせられたのはGPT、Claude、Geminiの最新フラッグシップだけで、しかもすべてクローズドソースでした。M3の登場がこの切り込み口を開いたのです。

M3とは

MiniMax M3はMiniMax社がリリースしたフラッグシップのオープンソースモデルで、以下をサポートします：

• 1Mコンテキストウィンドウ：100万トークンのドキュメント、コード、会話を一括処理できる
• ネイティブマルチモーダル：事前学習の第一歩から画像とテキストの混合学習を行っており、後付けの外付けビジョンモジュールではない
• Coding Agent：SWE-Bench Proで59%を記録し、GPT-5.5とGemini 3.1 Proを上回る

モデルと同時にリリースされたのがMiniMax Codeです。M3専用に設計されたHarnessで、Claude Codeを対標としています。

核心技術：MSAスパースアテンション

M3が1Mコンテキストを実現できた鍵は、新しいアテンション機構——**MiniMax Sparse Attention（MSA）**です。

従来のアテンション機構では、1文字読むたびに前方のすべての文字と1回ずつ照合します。100万文字目を読むときには100万回の照合が必要で、文字数が倍になると計算量は4倍になります。

MSAのやり方は、KVブロックを外側ループにして、各ブロックを一度だけ読み、メモリアクセスを連続させます。実測での効果：

• 1Mコンテキストにおいて、トークンあたりの計算量を先代の1/20まで圧縮
• プリフィル（prefilling）段階で9倍超の高速化
• デコード（decoding）段階で15倍超の高速化

実測シーン

動画素材から直接公式サイトへ

動画、画像、ドキュメントを含む素材パッケージを、M3を接続したClaude Codeに投げ、「これらの素材を参考に、企業公式サイトのショーケースページを作って」のひと言だけ伝えます。M3は自分で素材を読み、コードを書き、ローカルでテストし、デプロイしました。途中、サーバー環境が汚れて404が出た際も、自分でパスの問題を突き止めて修復しました。16分で完成品を納品です。

動画理解からPPT生成へ

PPTの教学動画をMiniMax Codeに直接送り、「この動画を見て、教えて」のひと言だけ。M3は動画の中の操作を文字版のSOPに書き起こし、「図形の結合はまず長方形を選び、次にShiftを押しながらテキストを選ぶ。順番が逆だと効果が正しくない」といったディテールまで拾い出しました。さらにそのままPPTを作らせると、30分で納品しました。

12時間でICLR論文を独力で再現

ICLR 2025 Outstanding Paper Awardを受賞した論文を1本M3に投げ、ゼロから再現させました。M3は約12時間自律的に実行し、18回のcommitと23枚の実験図を産出、核心的な実験を走らせきり、論文で議論されるスクイーズ効果を観測して緩和法を検証しました。

応用シーン

• 長文ドキュメント処理：論文全文やコードベース全体を一度に取り込み、分割不要
• マルチモーダル制作：動画理解、画像分析、公式サイト生成をワンストップで完了
• コード開発：MiniMax Codeと組み合わせて長時間のCodingタスクを、要件から納品まで

使い方

MiniMax M3はすでに公開されており、以下の方法で利用できます：

• MiniMax Code：M3専用のAgentクライアント。Claude Codeを対標とする
• API呼び出し：OpenAI互換インターフェースに対応
• Token Plan：中グレードのMAXプランは120人民元未満で、使用量はおおよそClaude MAX 100ドルプランの2倍に相当

競合比較

オープンソースモデルとして、M3は総合能力と利用コストのコストパフォーマンスの面で十分に自立できています。長コンテキスト＋マルチモーダル＋Codingの3 in 1の能力を必要とする開発者にとって、M3は現在のオープンソースエコシステムで唯一の選択肢です。