MiniMax M3 重磅发布！1M 上下文 + 原生多模态 + 前沿 Coding 能力，一篇讲透

写在前面：2026 年 6 月 1 日，MiniMax 正式发布新一代旗舰大模型 M3。它可能是目前国内第一个同时具备 1M 超长上下文、原生多模态、前沿编程能力 的模型。本文用最通俗的语言帮你把这次更新的所有重点吃透，看完不用再去翻英文资料。

---

一、先用一句话说清楚 M3 是啥

M3 = 一个"特别能写代码 + 能看图看视频 + 能一次性读完一本小说那么长"的全能型大模型。

它对标的是国际一线的 GPT-5.5、Gemini 3.1 Pro、Claude Opus 4.7 这种级别，但在国内目前是独一份的存在，而且 是开源的。

---

二、M3 的三大核心亮点（划重点）

亮点 1：1M（100 万）超长上下文

上下文你可以理解成"模型一次能记住/看进去的内容量"。

模型	上下文长度	大概能装下
普通 GPT-3.5	4K	几篇文章
GPT-4 早期	32K	一本小书
Claude 3	200K	一本中等书
M3	1M（100 万）	一整本长篇小说 + 配套代码 + 实验日志

💡 举个例子：你可以把一整个项目的源代码 + 文档 + 几百个文件一次性丢给它，让它帮你改 bug、加功能，它不会"忘了前面说过啥"。

---

亮点 2：原生多模态（看图、看视频、玩电脑）

M3 从训练的第一天开始，就是文本+图片+视频一起喂进去练的（业内叫"原生多模态"），不是那种"先用文本训练，再外挂一个看图模块"的缝合怪。

更厉害的是，它还能 操作电脑桌面（Computer Use 能力）。比如你跟手机说一句：

“帮我打开本地 ERP 客户端，按这份 Excel 批量录入发票信息。”

M3 就能自己打开软件、跨应用、跨系统把活儿干完。

---

亮点 3：编程 + Agent 能力达到国际前沿

Agent（智能体）你可以理解成"能自己拆解任务、自己用工具、自己一步步干活的 AI"。

M3 在几个国际公认的硬核编程/Agent 测评上，拿到了非常炸裂的成绩：

测评基准	M3 得分	说明
SWE-Bench Pro	59.0%	超过 GPT-5.5、Gemini 3.1 Pro，接近 Opus 4.7
Terminal Bench 2.1	66.0%	终端任务执行能力
MCP Atlas	74.2%	工具调用能力
KernelBench Hard	28.8%	GPU 内核编写（地狱级难度）
SVG-Bench	超过 Opus 4.7	图形生成
OmniDocBench	超过 Gemini 3.1 Pro	文档理解
Claw-Eval	全场最高分	端到端 Agent 评测

⚠️ 翻译成人话：写代码这件事，M3 现在基本坐到了全球第一梯队。

---

三、技术底牌：MSA 稀疏注意力架构

要支持 1M 上下文，传统方法有个致命问题：算得越多，复杂度爆炸式增长（平方级）。

简单说就是——上下文越长，模型越笨、越慢、越贵。

M3 用了一套自研的 MSA（MiniMax Sparse Attention） 架构解决这个问题。核心思路是：

不每次都把上下文从头到尾全看一遍，而是先快速筛一遍哪些内容值得重点看，然后再精确处理。

这就像你考试时不会把整本教材都重新读一遍，而是先看目录、重点章节、错题本，有针对性地复习。

MSA 效果有多猛？

• 速度比开源的 Flash-Sparse-Attention、flash-moba 快 4 倍以上
• 在 100 万上下文下，每个 token 的计算量只有上代模型的 1/20
• Prefilling 阶段加速 9 倍（首次处理长文本时）
• Decoding 阶段加速 15 倍（一个字一个字生成答案时）
• 关键能力还不打折——大部分指标跟全注意力模型打平

---

四、真实任务表现：M3 干活的几个名场面

光看跑分还不够，官方放出了几个真实任务演示，挺震撼的：

名场面 1：独立复现 ICLR 2025 顶会论文

任务：让 M3 复现一篇获得 ICLR 2025 Outstanding Paper Award 的论文《Learning Dynamics of LLM Finetuning》。

• ⏱️ 自主运行 接近 12 小时
• 📝 产出 18 次 commit（代码提交）
• 📊 生成 23 张实验图表
• ✅ 跑通了 SFT 概率变化、DPO squeezing 效应、Extend 缓解方法等核心实验

这一关需要：1M 上下文（论文+代码+日志一次性进窗口）+ 编程能力 + Agent 长程协作 + 多模态（看懂论文里的图）。三板斧一起上，M3 全部做到。

---

名场面 2：手写 CUDA 算子，把 GPU 性能榨到 71.3%

任务：在 NVIDIA Hopper 架构 GPU 上优化 FP8 矩阵乘（GEMM）。这个活儿，正常资深工程师团队要干 1-2 周。

M3 的起点：一份任务描述 + 一个评估脚本 + 一个跑不起来的 Triton 骨架（没有任何参考实现）。

M3 的表现：

• ⏱️ 连续执行 约 24 小时
• 🔁 147 次 benchmark 提交
• 🛠️ 1959 次 工具调用
• 🚀 Hopper FP8 硬件利用率从首版 7.6% → 71.3%
• ⚡ 实现 9.4 倍加速

最离谱的是，最优解出现在第 145 次提交。中间好几轮性能没提升，模型没有放弃，而是继续换方向尝试。

国内外大部分模型在前 30 次提交后就躺平了。

---

名场面 3：让 M3 自己"训"模型

任务：在 PostTrainBench 上，给 M3 4 个只完成预训练的 base 模型，让它 12 小时内 自主完成"数据合成 → 训练 → 评测 → 迭代"全流程，最终让这些模型在数学、代码、科学推理等任务上具备基本能力。

M3 最终得分 0.37，虽然略低于 Opus 4.7（0.42）和 GPT-5.5（0.39），但全程无人干预，Agent 自己决定数据怎么合成、训练策略怎么选、下一轮怎么调。

---

五、MiniMax Code：跟 M3 一起长大的 Agent 产品

随着 M3 发布，MiniMax Code 也同步更新。它是专为 M3 设计、跟 M3 一起训练的 Agent 产品。

几个值得关注的能力：

1. Agent Team 协作：把大任务拆成多阶段、可并发、可动态调整的 Workflow，由一群 Agent 一起干。
2. Producer + Verifier 循环：一个 Agent 写代码，另一个 Agent 找茬，循环对抗，能连续跑几天不用人管。
3. Computer Use：因为 M3 原生多模态，所以 MiniMax Code 也能跨应用、跨系统操作电脑桌面。

底层基于开源项目 OpenCode 和 Pi Agent，官方说后续会开源这个项目。

---

六、🔥 读者专属福利（先领再订阅）

好友立享 9 折 专属优惠 + Builder 权益，你赢返利 + 社区特权！

👉 立即参与：https://platform.minimaxi.com/subscribe/token-plan?code=tqgR6YOlIV&source=link

走我的专属链接下单，你能省一笔，我也能拿点返利支持继续写干货，双赢不亏 ❤️

---

七、总结：M3 到底值不值得关注？

一句话回答：非常值得。

• ✅ 国内第一个齐备 1M 上下文 + 原生多模态 + 前沿编程 三要素的模型
• ✅ 唯一一个开源的 这类模型
• ✅ 价格比海外闭源模型便宜得多（15 倍用量）
• ✅ 编程和 Agent 能力在多个权威测评上对标国际一线
• ✅ 真实任务演示（论文复现、CUDA 优化、训模型）非常硬核

未来 10 天内，官方还会发布技术报告 + 开源模型权重，建议持续关注。

如果觉得这篇对你有帮助，欢迎点赞、收藏、转发～ 有问题评论区见！