MiniMax M 3 全解析：国产开源模型首次配齐「前沿三件套」，百万上下文不再只是纸面参数

AI 摘要：MiniMax M 3 成为首个同时具备 Frontier Coding、1 M 上下文、原生多模态的开源模型。SWE-Bench Pro 59% 超 GPT-5.5，API 定价仅为 GPT-5.5 的 5-10%。详解 MSA 架构创新。

为什么 MiniMax M 3 值得你花 10 分钟读完？

6 月 1 日，MiniMax 发布了新一代旗舰模型 M 3。如果你已经对模型发布会感到麻木 – – 理解。但这次有三件事同时发生，而且每一件单独拿出来都够写一篇文章。

第一：M 3 是国产开源模型里第一个同时具备 Frontier Coding + 100 万上下文 + 原生多模态能力的。在此之前，这三项能力同时集齐的只有 Claude Opus、Gemini 3.1 Pro 和 GPT-5.5，全是闭源模型。

第二：它用的稀疏注意力架构 MSA（MiniMax Sparse Attention）回答了一个关键问题 – – 100 万上下文不只是”能用”，而是”用得起”。在百万 token 规模下，单 token 计算量仅为上代模型的 1/20。

第三：M 3 同步开源的策略意味着中小团队第一次能在自己的服务器上跑一个具备前沿能力的模型，而不用按 token 付费。

这不是一篇发布会通稿。我们来看看架构上到底发生了什么，以及这对 AI 应用开发者意味着什么。

MSA 解决了什么问题？不是”能不能”，而是”用不用得起”

先做一个技术背景铺垫，尽量通俗。

Transformer 模型的标准注意力机制有个 O(N²) 的问题 – – 你给模型的 token 从 1000 变成 10000，计算量不是增加 10 倍，而是增加 100 倍。这就是为什么很多模型标注了”支持 128 K 上下文”，但你真正用到 100 K 以上时，推理速度慢得像在用 3 G 网。

稀疏注意力不是新概念。DeepSeek 做了 MLA（Multi-head Latent Attention），用的是压缩 KV 到低维隐空间的路子。MoBA（Mixture of Block Attention）是另一条路。

MSA 的做法不同，而且更「老实」。它不压缩键值（KV），而是用一个轻量级的索引分支先扫描一遍 token，挑出真正相关的 KV 块，然后只在这些块上跑全注意力计算。关键就在于 – – 这意味着长上下文下的精度没有损失。

「MSA works on real, uncompressed Key-Values – you don’t pay the long-context precision tax that something like DeepSeek’s latent attention does.」 – – Thomas Wiegold, MiniMax M 3 Review

同时在算子层面，MSA 设计了一个聪明的内存访问策略：不是按查询去取 KV 块（同一块可能被多次读取），而是反过来，以 KV 块为外循环，批量聚合所有需要访问它的查询。每个块只读一次，内存访问连续。在 M 3 的 head 配置下，这个实现比 Flash-Sparse-Attention 和 flash-moba 快了 4 倍以上。

最终效果：100 万 token 上下文下，Prefill 加速 9 倍，Decoding 加速 15 倍。

基准测试：追到了，但没超过

基准测试是技术文章绕不开的部分，但我们不会列满一屏幕数字。拣几个最有区分度的说。

模式很清楚：M 3 在编码和 Agent 任务上已经进入了和 GPT-5.5、Opus 4.7「一个牌桌」的位置，但跑分上整体略低于两者。体感差距有多大？独立测评人 Thomas Wiegold 的原话是：”close to GPT and Opus on real coding, not quite past them.”

但有一个点值得单独拎出来说 – – BrowseComp 83.5，超过 Opus 4.7。自主网页浏览和信息检索能力是 Agent 应用的基础设施，这个领先不是偶然。

两场「无人值守」实验是最真实的压力测试

如果说基准测试是「体检报告」，MiniMax 做的两个极端实验更像是「马拉松测试」。

实验一：复现 ICLR 论文。 M 3 被要求独立复现一篇 ICLR 2025 杰出论文（LLM Finetuning 的学习动力学）。12 小时内，零人工干预，18 次 Git 提交，23 张实验图，成功复现核心实验。

这其中同时调用了几种能力：多模态（解析论文中的图表和公式）、长上下文（论文 + 代码 + 实验日志全塞进一个窗口）、Coding Agent（驱动长时间多步骤执行）。

实验二：训练 4 个模型。 给 M 3 四个 pretrain-only 的基座模型，要求它在 12 小时内自主完成数据处理、训练、评测、迭代的全流程。结果排名第 3（37.1 分），仅次于 Opus 4.7（42.4）和 GPT-5.5（39.3）。

这不是”写个排序算法”级别的编程测试。这是端到端的实验设计能力。

对开发者意味着什么：三个实际影响

1. 长上下文 Agent 的成本断崖

如果你的产品依赖长文档理解、大型代码仓库分析、或者长时间多轮对话的 Agent，1 M 上下文 + 低成本推理的组合会改变你的架构选择。以前你可能需要做 chunk 处理、摘要中间层、滑动窗口等工程折衷 – – 现在至少有了一个可以不折衷的选项。

而且 M 3 是开源的。私有部署后你的边际成本是零。

2. 中文语境的原生优势

作为国产模型，M 3 对中文的理解和生成天然优于英文原生模型对中文的处理。如果你的应用主要服务中文用户，这个差异在日常使用中会明显体现出来。

3. MiniMax Code 作为配套 Agent 产品

M 3 发布同时，MiniMax Code 同步更新。它被定位为「专为 M 3 设计、与 M 3 一起训练的 Agent 产品」，对标 Claude Code/Codex。如果你已经在用 AI 编程助手，M 3 + MiniMax Code 的组合值得作为备选方案评估。

不过需要注意：MiniMax 的生态和工具链成熟度相比 OpenAI/Anthropic 还有差距。选择开源模型的隐性成本是 – – 你得自己搞定部署、监控、错误处理。

FAQ

Q：M 3 真的开源吗？ A：是的。模型权重将在约 10 天内通过 HuggingFace 和 GitHub 发布，支持私有集群部署和微调。

Q：定价是多少？ A：API 按上下文长度分两档，输入约 $0.30/M tokens，约为 GPT-5.5 的 5-10%。对于高并发场景可选择优先通道。

Q：和 Claude Code / Codex 比怎么样？ A：整体略低于两者，但在特定任务（如网页浏览检索、SVG 生成）上有领先。如果是中文为主的编码任务，M 3 的母语优势可能缩小差距。

Q：M 3 适合哪些场景？ A：长文档分析、大型代码仓库操作、长视频理解、需要多模态输入的 Agent 工作流。

M 3 不是「吊打 GPT-5.5 的国产黑马」，它也没有在每一个榜单上排第一。但它做了三件比跑分更重要的事：(1) 用架构创新让 1 M 上下文真正可用，(2) 证明国产开源模型可以在 Coding/Agent/多模态三个维度上同时进入前沿牌桌，(3) 开源意味着生态效应才刚刚开始。

接下来要看的是：开源后社区会基于 M 3 构建什么？MiniMax Code 的体验能否对标 Claude Code？以及 – – Anthropic 和 OpenAI 的下一轮更新会如何回应？

这些问题的答案，比任何跑分都重要。