MiniMax M3 正式发布，M3 在编码和代理工作等专门任务上达到了前沿水平的性能。它采用了MiniMax团队提出的全新注意力架构 MSA，并支持高达 100 万 token 的超长上下文窗口。备受期待的是，它还是一个原生多模态模型，支持图像和视频输入，并且能够操作桌面电脑。
- 官方介绍：https://www.minimax.io/blog/minimax-m3
这三种能力如今已成为闭源前沿模型的标配。M3 是目前首个也是唯一一个将这三种能力集于一身的开放权重模型。
在衡量编码能力的 SWE-Bench Pro 上，MiniMax M3 超越了 GPT-5.5 和 Gemini 3.1 Pro，接近 Opus 4.7。在全面评估 SVG 生成性能的 SVG-Bench 上，MiniMax M3 超越了 Opus 4.7。
在多模态基准 OmniDocBench 上，MiniMax M3 得分高于 Gemini 3.1 Pro。在自主代理的端到端评估框架 Claw-Eval 上，MiniMax M3 取得了最高分。
你可以通过 MiniMax Code、Token Plan 以及MiniMax的 API 服务立即体验 MiniMax M3。
MSA：架构创新实现上下文扩展
解决更复杂的代理任务是训练 M3 时最重要的目标之一，而其中最大的挑战之一就是上下文扩展。要实现真正的改变，必须从最基础的层面——注意力机制——开始，避免全注意力的“固有缺陷”：二次方计算复杂度增长。
MSA 是一种简洁且易于扩展的新型稀疏注意力架构。它为 M3 提供了 100 万 token 的上下文窗口，并使上下文真正成为另一个可扩展的维度。
稀疏注意力机制通常通过增加预过滤阶段来避免复杂度爆炸问题。与 DSA 和 MoBA 等方法相比，MSA 可以更精确地将 KV 划分为块，实现更高的有效上下文覆盖率。
同时，我们还在算子层面直接进行了优化，采用了“KV 外聚 Q”的方法，以 KV 块为外循环来聚合命中它们的查询。每个块只被读取一次，内存访问是连续的；在 M3 的头配置下，其计算强度显著优于常见方法——比开源的 Flash-Sparse-Attention 和 flash-moba 快 4 倍以上。
其简洁、可扩展、易于实现且对硬件友好的特性，使其理论收益能够在实践中得到充分体现：在 100 万上下文长度下，M3 的每 token 计算量仅为前代模型的 1/20。我们在预填充阶段实现了超过 9 倍的加速，在解码阶段实现了超过 15 倍的加速。此外，在多次消融实验中，MSA 在绝大多数能力上都与全注意力相匹配。
前沿编码与代理能力
编码和代理能力是 M3 的主要提升领域。在跨越软件工程和终端执行的国际公认基准上，M3 达到了前沿水平：
- SWE-Bench Pro: 59.0%
- Terminal-Bench 2.1: 66.0%
- SWE-fficiency: 34.8%
- KernelBench Hard: 28.8%
- MCP Atlas: 74.2%
如今，编码能力越来越依赖于模型是否能够使用真实世界的用户逻辑进行训练。现有的编码基准往往无法完全捕捉真实的用户体验。
目前大多数代码代理的训练和评估都基于单轮任务的假设。但真实世界的使用并非如此。用户通常在同一会话中持续协作：澄清需求、调整方案、跨上下文分配任务，并根据中间结果进行多轮迭代。
为了缩小基准与真实用户体验之间的差距，我们构建了一个交互式用户模拟器框架。
通过模拟真实开发者在协作过程中的行为模式，该框架在训练和评估期间都将模型暴露在更接近生产环境的交互场景中。它可以模拟需求细化、方案讨论、基于反馈的修正、连续任务切换和复杂项目迭代等行为。因此，代理不再仅仅被动地执行指令，而是能够主动与用户协作完成任务。
下一代代理编码将不仅由代码生成来衡量，还将由长期协作能力、规划能力以及人机协作效率来衡量。M3 扩展了对编码和代理真正重要的数据，目标不仅是在基准上领先，更是成为开发者在真实研发工作流中可靠的协作伙伴。
多模态：交错训练，持续扩展
M3 是一个从第 0 步就进行了混合模态训练的模型。这种原生多模态的方法使得不同模态的语义空间能够更自然、更深入地融合。
同时，在数据混合和组成方面，我们的大量实验表明，交错数据对提升模型性能的作用比通常认为的更为关键。
这种文本与图像或其他模态在序列中自然交错的数据类型，对于扩展整体训练数据也很重要。在为此类数据重建了整个数据管道后，我们现在能够将训练数据扩展到 100 万亿 token 的量级。
真实世界任务
在我们对 M3 的内部使用和测试中，有几个真实世界的任务留下了深刻的印象。
独立复现论文
作为前沿模型的三个基本能力，我们想看看 100 万超长上下文、顶级的编码和代理能力以及原生多模态能力在长时间线程中协同解决复杂任务时的表现。
我们给 M3 一篇 ICLR 2025 杰出论文奖获奖论文，并要求它独立复现该论文。最终，M3 自主运行了近 12 个小时，在整个过程中独立产生了 18 次提交和 23 个实验图表，并成功完成了核心实验。
它不仅成功匹配了 SFT 阶段预测概率变化的趋势，还清晰地观察到了 DPO 实验中强调的挤压效应，并成功验证了原论文中提出的 Extend 缓解方法。
理解论文中的曲线、数据和公式需要多模态能力，而长上下文则确保了论文、代码和实验日志能够一次性全部放入上下文窗口。只有足够强大的编码和代理能力，模型才能在长时间线程中完成复现，即使是在并发执行的情况下。
M3 做到了这一切。
CUDA 内核优化
FP8 矩阵乘法是大型模型推理中计算最密集的部分之一，也是最难优化的部分之一。工程师必须同时处理多个紧密耦合的问题，包括数据布局、计算流水线调度以及硬件特性的适配。在 NVIDIA Hopper 架构 GPU 上，手工编写一个生产级 FP8 GEMM 内核通常需要一个经验丰富的团队投入一到两周的专注努力。
我们使用这个任务来评估 M3 的长时程自主迭代能力。我们要求 MiniMax M3 在 NVIDIA Hopper 架构 GPU 上优化这个内核。该模型开始时只有一个任务描述、一个基准评估脚本和一个无法直接运行的 Triton 骨架，没有可参考的高性能实现。这意味着模型无法通过模仿现有解决方案来走捷径；它必须从第一性原理出发，自主探索优化路径。
在随后约 24 小时的连续执行中，M3 完成了 147 次基准提交和 1,959 次工具调用。它自主经历了从基线实现到生产级优化的整个过程，包括基线实现、自动调优配置生成、性能瓶颈诊断、CUDA Graph 集成、持久内核重写和主机端调度优化。每一步都通过基准反馈进行自我验证，无需人工干预。
最终，经过六轮里程碑式的优化，M3 将 Hopper FP8 硬件峰值利用率从第一个版本的 7.6% 提升到了 71.3%，相比原始版本实现了 9.4 倍的加速。
除了指标之外，模型的执行过程也值得注意。除了 Opus 4.7 和 M3 之外，大多数其他模型在前 30 次提交内就停止了新的进展并自行退出。然而，M3 的最佳解决方案出现在它的第 145 次提交上。在那之前，模型经历了多个性能平台期，没有观察到进一步的改进，但它仍然继续探索不同的优化方向。
这里所需的能力超越了传统的代码生成。重复工具调用产生的上下文是高度结构化和密集的，而 MSA 的长上下文注意力分配机制在其中发挥了重要作用。
让 M3 训练模型
在 CUDA 算子优化任务中，M3 在一个具有明确优化目标和清晰反馈信号的单一工程任务上展示了其长时程迭代能力。但真正的研究工作通常没有如此清晰的反馈结构；研究人员通常面临更开放的问题。
我们想了解 M3 在需要自主决策的场景中的表现，因此我们在 PostTrainBench 上对其进行了测试。任务如下：给 M3 四个仅完成了预训练、尚不具备任何下游能力的 Base 模型，让它在 12 小时内自主完成数据合成、训练、评估和迭代的整个过程。最终目标是使这些模型能够获得数学推理、工具调用、科学知识推理、基础算术推理和代码生成方面的基础能力。
整个“数据合成→训练→评估→迭代”过程没有任何人工干预。代理必须自己决定合成什么样的数据、选择什么样的训练策略，以及如何根据评估结果调整下一轮计划。M3 最终得分 0.37，略低于 Opus 4.7 和 GPT-5.5，但明显领先于其他模型。
MiniMax Code
随着 M3 的发布，MiniMax Code 也进行了更新。作为专为 M3 设计并与 M3 一起训练的代理产品，MiniMax Code 可以充分利用 M3 在长上下文、编码/代理任务和原生多模态方面的能力，成为与 MiniMax-M3 搭配的首选代理。
对于长时程复杂任务，MiniMax Code 的 Agent Team 可以将大型任务分解为多阶段、并发和动态可调的工作流，然后由一群代理协同推进。通过 Producer + Verifier 对抗性 harness 循环，Agent Team 可以在执行过程中不断产生、反思和自我修正。它可以自主运行数天而无需人工干预，并最终交付高质量的结果。
我们看到 Claude Code 最近也发布了类似方向的 Dynamic Workflows。与 Claude Code 更强调基于 JS 代码的固定编排相比，MiniMax Code 更注重“深度反思和持续纠错”：代理根据任务进度实时调整其计划和优先级，同时用户可以随时介入添加需求或纠正方向。
得益于 M3 的原生多模态能力，MiniMax Code 也支持计算机使用。例如，用户可以在手机上说出指令，MiniMax Code 将自动在计算机上跨应用、文件和系统完成所需的操作。
MiniMax Code 构建在基于杰出开源社区项目 OpenCode 和 Pi 的 harness 之上。我们也计划未来将该项目开源，以回馈开源社区。
MiniMax Token Plan：将前沿模型带入开发者的日常工作
MiniMax M3 是为服务更多用户而构建的前沿模型。
随着此次发布，MiniMax Token Plan 也进行了更新，分为三个层级：
- Plus $20/月：约 17 亿 token / 月的 M3 使用量
- Max $50/月：约 51 亿 token / 月的 M3 使用量
- Ultra $120/月：约 98 亿 token / 月的 M3 使用量
在价格相近的订阅计划中，MiniMax Token Plan 提供了全球最高的 token 配额之一。文本、图像、语音和音乐共享同一个使用池。
所有三个层级均已完全可用。立即订阅并开始使用！
- 地址：https://platform.minimax.io/subscribe/token-plan
API
M3 API 现已可用。
定价取决于输入长度：输入 token ≤512K 的调用按标准费率计费，覆盖绝大多数对话和编码场景；而输入超过 512K 的调用按较高的长上下文费率计费，主要用于超长文档解析和全仓库代码理解等高负载场景。
M3 支持开关思考模式。启用思考时，模型适用于复杂推理、代理任务和长时程协作；禁用思考时，模型响应更快，适用于对话和代码补全等延迟敏感场景。两种模式定价相同，可在请求时根据需要切换。
所有价格还可以与两个服务层级结合使用：默认的标准层级适用于常规请求；优先级层级在并发高的场景下获得调度优先级和更稳定的响应延迟，适用于对 SLA 敏感的工业用例。优先级通道目前通过销售支持开启，预计几天内向所有用户开放。
- API：https://platform.minimax.io/docs/api-reference/api-overview
我们将继续改进模型服务稳定性和优化吞吐量。在未来 10 天内，我们将发布模型的技术报告并开源相应的模型权重。
如今，模型更新的速度如此之快，以至于人们很容易忘记这仍然是一个稳步、渐进的过程。它遵循着自己的客观规律，并奖励那些按照这些规律扎实前进的团队。正如我们成立之初所相信的那样，我们将尽最大努力不断提高模型的智能水平，并将其提供给更多的用户。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
