6月13日，MiniMax 正式开源 MiniMax M3。作为一款原生多模态模型，M3 不仅支持图片、视频输入，还具备电脑桌面操作能力，进一步拓展了模型在智能体（Agent）与复杂任务场景中的应用边界。

从当前开源生态来看，MiniMax M3 是国内首个同时具备“原生多模态 + 视频理解 + 桌面操作”能力的开源模型，也是目前唯一在这些能力上形成完整体系的开源方案。在编程、智能体协作等专业任务上，M3 已达到行业前沿水平。

相关模型权重、量化权重及国产算力部署教程已上线 AtomGit AI 社区，欢迎开发者快速部署与体验。

🔗 模型权重链接：

https://atomgit.com/MiniMax-AI/MiniMax-M3

🔗 量化权重链接(NPU适配）：

https://atomgit.com/Eco-Tech/MiniMax-M3-w8a8

🔗基于vLLM_Ascend的部署教程：

https://atomgit.com/vLLM_Ascend/Minimax-m3

在 Coding 能力方面，MiniMax M3 相比 M2 显著增强，在 bugfix、前后端、性能优化等均接近海外闭源模型。

在 Agentic 能力方面，MiniMax M3 在办公搜索、Office 能力上表现突出，在金融领域已初步可用。

MSA：结构创新带来 Context Scaling

在设计 MiniMax M3 模型时，解决更复杂的 Agent 任务是它最重要的目标之一，而其中最大挑战就包括 context scaling。要实现真正的改变，必须从最底层的注意力机制入手，避开全注意力机制计算复杂度平方级增长的“先天缺陷”。

MSA 是一个简洁且易于扩展的全新稀疏注意力架构，它给 M3 带来了 1M 的上下文窗口，并让 context 真正成为又一个可被 scale 的维度。

稀疏注意力机制普遍通过增加一个初筛阶段来避免复杂度爆炸问题。与 DSA 和 MoBA 等方案相比，MSA 可以更精确为 KV 分块，实现更高的有效上下文覆盖。

同时，MiniMax M3 还在算子层直接优化，采用以 KV 块为外层来聚合命中 query 的 KV outer gather Q。每块只读一次、访存连续，在 M3 的 head 配比下计算访存比显著优于通行方法，比开源的 Flash-Sparse-Attention、FlashMoBA 快 4 倍以上。

简洁可扩展、易于实现且硬件友好的特点，使它的理论收益能真正落地：在 100 万上下文下，M3 每 token 计算量仅为上代模型的 1/20。在 prefilling 阶段，我们实现了超过 9 倍的加速倍率，在 decoding 阶段有超过 15 倍的加速优势。而且在多个对照实验中，MSA 的绝大部分能力与全注意力打平。

前沿的Coding和Agentic能力

Coding 与 Agent 能力是 M3 重点提升之处，在涵盖软件工程、终端执行等多个维度的国际权威评测中，M3 均达到国际领先水平：

• SWE-Bench Pro: 59.0%

• Terminal Bench 2.1: 66.0%

• SWE-fficiency: 34.8%

• KernelBench Hard: 28.8%

• MCP Atlas: 74.2%

今天的 Coding 能力越发取决于能否用真实世界的用户逻辑来训练模型。这意味着仅靠现有 Coding Benchmark 难以完整刻画真实用户体验。

当前大多数代码 Agent 的训练与评测，都建立在单轮任务（single-turn task）的假设之上。但真实使用场景并非如此。用户往往会在同一个 Session 中持续协作：不断澄清需求、调整方案、交叉派发任务，并根据中间结果进行多轮迭代优化。

为了缩小 Benchmark 与真实使用体验之间的差距，我们构建了交互式用户模拟器框架。

它通过模拟真实开发者在协作过程中的行为模式，让模型在训练和评测阶段就接触到更加接近生产环境的交互场景。该框架能够模拟需求补充、方案讨论、反馈修正、连续任务切换以及复杂项目迭代等行为，使 Agent 不再只是被动执行指令，而是能够主动与用户协同完成任务。

下一代 Agent Coding 比的不仅是代码生成，更要比拼长期协作能力、规划能力以及人与 Agent 的协同效率。M3 把真正对 Coding 和 Agent 至关重要的数据 Scale up，目标不仅是在 Benchmark 上取得领先，更是在真实研发流程中成为开发者可靠的协作伙伴。

多模态：原生训练，继续 Scale

M3 是一个从 Step 0 开始进行多模态混合训练的模型。这种原生多模态的路线能让不同模态数据的语义空间更天然、更高度的融合。

同时，在数据配比和构成上，我们的大量实验显示，Interleaved data（交错数据）对模型性能带来的提升，比一般认为的更加关键。

这些文本和图像或其他模态在序列中交替自然排列的数据，对于整体训练数据的规模扩展也很重要，我们重构整套数据管线。

基于vLLM Ascend部署MiniMax M3

如何手把手如何基于vLLM Ascend在昇腾上部署MiniMax M3。

模型权重👇

https://ai.atomgit.com/MiniMax-AI/MiniMax-M3

https://ai.atomgit.com/MiniMax-AI/MiniMax-M3-MXFP8

可使用 msmodelslim 对模型进行基础量化。

Minimax-m3-w8a8（W8A8量化版本）👇

https://atomgit.com/Eco-Tech/MiniMax-M3-w8a8

1）使用 v0.20.2rc1 官方 Docker 镜像

您可以通过如下指令下载镜像来进行部署，具体流程如下：

docker pull quay.io/ascend/vllm-ascend:v0.20.2rc1-a3

2）补丁

补丁获取链接：https://ai.atomgit.com/Ascend-SACT/MiniMax-M3

准备变量：

PATCH_DIR=/path/to/patches

应用 vllm-ascend 补丁：

cd "$VLLM_ASCEND_REPO"

确认补丁状态：

cd "$VLLM_ASCEND_REPO"

如需回退已应用补丁：

cd "$VLLM_ASCEND_REPO"

部署

以下以A3系列的部署为例，量化模型 Minimax-m3 可部署于单台 Atlas 800 A3（64G × 16）。

执行以下脚本进行在线推理。

cd /workspace

服务就绪检查

curl -sS http://127.0.0.1:8000/v1/models

执行以下脚本向模型发送一条请求：

curl -sS http://127.0.0.1:8000/v1/chat/completions \

预期输出包含：

396

也可执行以下脚本向模型发送一条多模态请求：

图片能力只在启动时设置 --limit-mm-per-prompt ‘{“image”:1}’ 时可用。

curl -sS http://127.0.0.1:8000/v1/chat/completions \

预期返回为 HTTP 200，内容应能识别图片中的红色方块和蓝色圆形。

精度评估

这里提供两种精度评估方法。

• 使用 AISBench

详细步骤可参阅以下链接进行精度评估。执行后即可获得评估结果。

https://docs.vllm.ai/projects/ascend/en/latest/developer_guide/evaluation/using_ais_bench.html

• 使用语言模型评估工具（Language Model Evaluation Harness）

尚未测试。

性能评估

可使用以下两种评估方法。

使用 AISBench

详细步骤请参阅 使用 AISBench 进行性能评估： https://docs.vllm.ai/projects/ascend/en/latest/developer_guide/evaluation/using_ais_bench.html#execute-performance-evaluation

使用 vLLM 基准测试工具

更多信息请参考 vLLM 基准测试：

https://docs.vllm.ai/en/latest/contributing/

该教程中的模型当前仅为尝鲜体验，性能优化中。该补丁仅用于功能体验，多模态功能未充分验证，不建议直接用于生产环境。如您在使用过程中发现任何问题（包括但不限于功能问题、合规问题），请在模型的代码仓提交issue，开发者将及时审视并解答。