MiniMax M3系列AI模型发布官方预告即将上线

5月27日，人工智能行业迎来重要更新。上海稀宇科技有限公司（MiniMax）通过其官方X平台账号正式预告，即将发布备受期待的MiniMax M3系列AI大模型。

此次预告同步转发了一篇于5月26日发布于预印本平台arXiv的研究论文，标题为《The MiniMax-M2 Series: Mini Activations Unleashing Max Real-World Intelligence》。该论文系统性地回顾并总结了已发布的MiniMax M2.x系列模型的核心技术路径与设计哲学。

根据论文公开的技术细节，M2.x系列模型在架构上实现了显著创新。其总参数量高达2299亿，但通过前沿的稀疏激活技术，每个词元（Token）实际调用的参数仅为98亿。这种“小激活实现大智能”的设计思路，核心目标是以更高效的计算资源消耗，达成更卓越的实际任务性能。模型支持长达192K的上下文长度，其预训练阶段所消耗的数据规模达到了29.2万亿词元。

深入模型结构，M2系列采用了62层的解码器式Transformer。其关键技术是集成了多达256个细粒度专家（Expert），并为每个输入的词元动态路由并激活其中的8个专家。这种混合专家模型（MoE）架构，是模型实现高效稀疏计算与强大能力的基础。

尤为值得关注的是其在训练系统层面的突破。论文中，MiniMax团队详细介绍了名为“Forge”的强化学习系统，该系统专为优化AI智能体（Agent）能力而构建。Forge系统的优势在于能够统一整合白盒与黑盒智能体，通过将训练、推理与智能体逻辑三层解耦，并配合窗口化FIFO调度、前缀树合并及专用推理加速技术，大幅降低了长周期、复杂序列任务的训练成本。

在M2.7版本中，一种初具雏形的“自我进化”能力开始浮现。论文指出，模型已能够自主诊断训练失败的原因、解析系统日志、并修改相关的脚手架代码，从而在内部任务上实现高达100轮的自动迭代优化。这展现了早期“AI自我改进”的潜在形态。

实际应用数据显示，这套自我进化系统已能接管团队约30%至50%的日常迭代工作。在一项内部编程脚手架优化任务中，它甚至带来了30%的效率提升。这表明，模型正逐步融入其自身开发与优化的闭环流程，虽然处于初级阶段，但技术演进方向已十分清晰。

相关论文：《The MiniMax-M2 Series: Mini Activations Unleashing Max Real-World Intelligence》。