6 月 1 日，MiniMax 发布了新一代模型 M3。
“自研 MSA 稀疏注意力架构、100 万 token 上下文、原生多模态、10 天后开源权重，API 输入只要 $0.3/百万 token。”
放在年初，这可能只是一个模型发布的新闻。放到眼下这个时间点，意义大有不同。
上一个星期还在讨论 Uber 烧光全年 Claude Code 预算的事，开发者圈子里对 AI 账单的焦虑远没退潮。这个时候发布一个开源模型，百万上下文可用、编码逼近 Opus 4.7、价格只要 Claude 的零头，那么带来的影响可就十分深远了。
M3 值得关注，但选模型从来不是选第一名。你的项目类型、预算厚度、数据合规要求，决定了谁才是最适合你的那一个。
百万上下文，AI 怎么从奢侈品变日用品
长上下文窗口对开发者的吸引力不用多讲。整仓代码直接丢进去、跨文件重构不用切来切去、Agent 跑几天不丢记忆，这些场景都需要长窗口。但 Transformer 全注意力机制有个缺点：算力随上下文长度平方级增长。窗口开多了，账单也跟着疯狂上涨。
M3 的思路是从注意力机制本身动手。新架构叫 MSA（MiniMax Sparse Attention），核心逻辑是在计算注意力之前先做一层筛选，只对与当前查询真正相关的 KV 块做精确计算，其余跳过。
和已有的稀疏注意力方案（DSA、MoBA）相比，MSA 对 KV 缓存的块划分精度更高，实际有效的上下文覆盖率也更高。
在算子层面，MSA 做了进一步优化。传统方案中查询是外层循环，需要反复读取 KV 块。MSA 把 KV 块翻到外层，每个块只读一次，内存访问保持连续，查询反向往里聚合。MiniMax 给出的数据是：比 Flash-Sparse-Attention 和 flash-moba 的开源实现快 4 倍以上。
落到实际效果上，M3 在 100 万 token 上下文下，预填充速度比上一代提升超过 9 倍，解码提升超过 15 倍，单 token 计算量只有 M2 的 1/20。 这就意味着 1M 上下文从实验室参数变成了可以日常开着用的功能，不用每调一次 prompt 就心疼一次。
24 小时自动运行，CUDA 算子上限从 7.6% 飙到 71.3%
架构说了那么多，最终得看模型能不能干活。MiniMax 在发布公告里放了三个内部测试案例，其中 CUDA 内核优化这一项最直观。
任务目标：在 NVIDIA Hopper 架构 GPU 上优化 FP8 矩阵乘法。这是大模型推理中计算量最大的算子之一，资深工程师手动写一个生产级内核通常需要一到两周。
M3 拿到手的东西很简陋：一段跑不通的 Triton 框架代码、一套性能评测脚本，没有任何高性能参考实现可以「借鉴」。它得从基本原理出发，自己找优化路径。
接下来约 24 小时里，M3 自主完成了 147 次基准提交和 1959 次工具调用。流程完全串起来：先用最朴素的方式实现基线版本，跑通测评；然后生成立方级自动调优配置，逐个试；找到性能瓶颈后切 CUDA Graph、重写持久化内核、优化主机端调度，每一步都靠测评反馈自我验证，没人插手。
最终，Hopper FP8 硬件峰值利用率从第一版的 7.6% 拉到了 71.3%，速度提升了 9.4 倍。 值得留意的是，最佳方案出在第 145 次提交。在此之前模型经历了多次性能停滞，长时间看不到进展，但它一直在换方向试。
MiniMax 的对比数据显示，大多数模型在前 30 次提交后就放弃迭代了，只有 Opus 4.7 和 M3 能一路推到百次以上。
另外两个案例同样值得一句：M3 用 12 小时独立复现了 ICLR 2025 杰出论文《LLM 微调的学习动态》，自主生成 18 次提交和 23 张实验图，核心结论全部对上。在 PostTrainBench 测试中，给 M3 四个只完成了预训练的基模型，12 小时内自主完成数据合成、训练、评估、迭代全流程，最终评分 0.37，仅次于 Opus 4.7（0.42）和 GPT-5.5（0.39）。
SWE-Bench Pro 59.0%，Claw-Eval 最高分，Agent 短板终于补齐
回到开发者最关心的编码和 Agent 基准。所有分数均来自 MiniMax 公布的数据，部分对比分取自官方排行榜。
SWE-Bench Pro：59.0%，超过 GPT-5.5 和 Gemini 3.1Pro，逼近 Claude Opus 4.7。 Terminal-Bench 2.1 拿到 66.0%。MCP Atlas 74.2%。在端到端 Agent 评估框架 Claw-Eval 的 161 项通用任务中，M3 拿了最高分。
多模态侧也有东西。SVG-Bench 得分超过 Opus 4.7，文档理解基准 OmniDocBench 高于 Gemini 3.1 Pro。OSWorld-Verified 计算机操作测试中，完成率达到 70.06%。原生多模态是从训练第 0 步就引入的，文本、图像、视频混在一起训，支持桌面操作。这意味着模型可以直接看懂屏幕、操作应用，跨软件协同的 Agent 场景有了底座。
MiniMax 还专门提了一个容易忽略的点：大多数代码 Agent 的基准测试基于单轮任务假设，但真实开发是多轮协作，需求会改、方案会调、中间结果会推翻。他们为此搭了一套交互式用户模拟器框架，让模型在训练和评估阶段就接触贴近生产环境的交互模式。方向是对的，效果还需要开发者在实际项目中检验。
每百万 Token $0.30，开发者终于实现了“Token 自由”
能力和架构聊完了，剩下就是大家最关心的事情，账单。
M3 API 当前定价，输入 $0.30/百万 token，输出$1.20/百万 token。开 Prompt Caching 后，重复上下文再压到 $0.06。这是首周 5 折优惠，原价$0.60 和 $2.40，6 月 7 日后回调。
订阅这边分三档：每月 $20 拿 17 亿 token、$50 拿 51 亿、$120 拿 98 亿，图片、视频、文本共享一个池子，不用分开算。拿同样一笔钱去订 Claude，到手的 token 量只有 M3 的十五分之一。
和 Claude 比，差距一眼到底。Opus 输入 $5/百万 token、输出$25，M3 加缓存后不到它的六十分之一。Sonnet 输入 $3、输出$15，M3 也低了一个数量级。更实际的说法是“以前每次调 Opus 都要犹豫一下这条 prompt 值不值得，现在犹豫的次数少了很多。”
拿之前聊过的中型功能重构来算笔账。五到八个文件，带调试循环，一趟下来约 18 万 token。全程 Claude Opus，一个月跑十几次，API 轻松上 $200。同样的任务给 M3，缓存拉满，月费大概率压在$50 到 $80。降幅巨大。如果你的日常里长上下文 Agent 任务是刚需，账单差距还会拉得更大。
M3 的价格夹在一个有趣的位置上。往上，Claude 和 GPT 这类顶级模型，能力强，账单也贵。往下，开源模型几乎不要钱，但 Agent 能力和长上下文稳定性还有距离。
M3 刚好卡在中间：能力接近第一梯队，价格更靠近开源那端。对那些既需要 Opus 级别的编码质量、又不想每个月收到账单时倒吸一口凉气的开发者，这个位置本身就是吸引力。
倒计时 10 天：开源生态里的蓄势待发
M3 对国内开发者的实际价值，几条信息就能清楚。
第一，数据不出域。 10 天后模型权重上 Hugging Face，本地部署后代码敏感度高的项目可以直接跑在内网。这对金融、政务、医疗场景来说是一道硬门槛。
第二，混合栈落地。 架构决策和复杂审查用强模型把关，核心编码和 Agent 任务上 M3，高频琐碎扔给 DeepSeek，本地跑开源的做隐私兜底。这种分层用模的打法，已经在重度用户中跑通，M3 的加入让选项更宽了。
第三，多模态 Agent 有了国产底座。 M3 原生支持图像、视频输入和桌面操作，MiniMax Code 内置了 Agent 团队协作和对抗验证机制。对于想在公司内部搭自动化流程的团队，多了一个开箱可用的选项。
当然，M3 的基准分数要拿到实际项目中检验。PostTrainBench 低于 Opus 4.7 和 GPT-5.5 也说明它在开放探索类任务上还有差距。MiniMax Code 目前仍是早期产品，稳定性需要时间打磨。但方向是清楚的，那就是用架构创新把成本打下来，让 Agent 和长上下文从少数人的重型装备变成多数人的日常工具。
结语
2026 年已经快过半。AI 圈这一年的主旋律正从“模型有多强”转向“用不用得起”。M3 的出现，给这个趋势加了一个来自国内的注脚。
10 天后开源权重，到时候本地跑起来，实际表现是好是坏，开发者自己的终端会给出最诚实的答案。
参考链接：
https://www.minimax.io/blog/minimax-m3
https://www.marktechpost.com/2026/06/01/minimax-releases-minimax-m3-with-msa-architecture-supporting-1m-token-context-native-multimodality-and-agentic-coding/
发表于 前天 23:48
|
查看: 20|
回复: 0
