MiniMax M3 发布：前沿编码 + 百万上下文 + 原生多模态，首个三项能力兼备的开源旗舰
MiniMax 发布了旗舰语言模型 M3，同时具备前沿编码与 Agent 能力、1M tokens 上下文窗口和原生多模态理解。此前只有极少数闭源模型能同时做到这三点，M3 是第一个将完整前沿能力带进开源世界的模型。
三项前沿能力，一个模型
M3 的核心卖点不是某一项能力的极致，而是三项关键能力同时达到前沿水平：
编码与 Agent 能力：M3 在编码和智能体评测中达到行业顶尖水平，具备自主任务拆解、工具调用与多步推理能力。在 BrowseComp 智能体评测中，M3 以 83.5 分超越 Opus 4.7（79.3），展现出强大的自主浏览与信息检索能力。
1M tokens 上下文：基于自研的 MiniMax Sparse Attention（MSA）架构，API 最高支持 1M tokens 上下文窗口，保障至少 512K tokens 可用。百万级上下文是长程 Agent 任务、长程编码和长视频理解的基础设施——论文、代码、实验日志可以一次性塞进窗口。
原生多模态：M3 从训练的第一步就是多模态的，文本和视觉语义空间高度对齐。多模态是刻在模型骨子里的原生能力，而不是后期贴上去的浅表图层。
实战案例：不只是跑分
MiniMax 给出了三个颇具说服力的实战案例：
论文复现：让 M3 独立复现一篇 ICLR 2025 杰出论文（Learning Dynamics of LLM Finetuning），M3 连续运行近 12 小时，全程自主产出 18 次 commit 和 23 张实验图表，成功跑通核心实验。多模态能力让它看懂论文里的图表公式，长上下文保证论文+代码+实验日志一次性进窗口，编码+Agent 能力驱动长线程执行。
CUDA 算子优化：让 M3 在 NVIDIA Hopper 架构上优化 FP8 矩阵乘 kernel，起点只有一个任务描述和一个无法运行的 Triton 骨架。M3 在约 24 小时内完成 147 次 benchmark 提交、1959 次工具调用，将硬件峰值利用率从 7.6% 推进至 71.3%，实现 9.4 倍加速——全程零人工介入。
自主训练模型：在 PostTrainBench 评测中，给 M3 四个只完成预训练的 Base 模型，要求 12 小时内自主完成数据合成、训练、评测、迭代全流程。M3 最终得分 37.1，位列第三，仅次于 Opus 4.7（42.4）和 GPT-5.5（39.3）。
怎么用？
M3 提供了多种接入方式：
- API 接入：全面支持自动 Cache，无需设置自动生效
- Token Plan：订阅用户价格不变，自动享受 M3 带来的更强编码与推理能力
- MiniMax Code：基于 M3 的通用 Agent 平台已全面开放，无需开发即可体验编码智能体、多模态理解等能力
- 开源部署：M3 即将在 HuggingFace 和 GitHub 上开源，支持私有集群部署和微调
需要注意什么
开源权重目前标注为"即将上线"，尚未正式发布到 HuggingFace，想本地部署的开发者还需等待。部分评测数据为官方自报，社区独立验证尚未跟上。1M 上下文的实际可用性和推理成本也需要实测确认。
但无论如何，一个同时具备前沿编码、百万上下文和原生多模态的开源模型，对整个开源社区来说都是一件大事。M3 的出现意味着这些能力不再是闭源巨头的专属，开源世界终于有了自己的"三项全能"选手。