MiniMax发布M3模型支持百万级上下文

# MiniMax M3 正式发布：首个开放权重、百万上下文、原生多模态开源模型 在大模型竞争日趋白热化的当下，各大厂商的迭代速度几乎到了日新月异的程度。近日，MiniMax 推出了新一代旗舰文本模型——MiniMax M3。这款模型不仅在性能上达到了前沿水平，更以“首个开放权重、顶尖代码能力、超长上下文与原生多模态”等标签强势登场。对于需要复杂代码生成和自主任务规划的开源方案而言，M3 无疑是目前最值得关注的标杆。 **核心要点** - 上下文窗口最高支持 100 万 tokens，可处理超长文档与代码库 - 基于稀疏注意力（MSA）架构，预训练数据规模扩展至 100T - 在 BrowseComp 测试中，M3 得分 83.5，超过 Opus 4.7 的 79.3；整体水平略低于 Claude Opus 4.7 与 GPT 5.5，但部分单项指标超越国外模型  ### 核心亮点速览 快速了解 M3 的硬核实力，核心参数与特性如下：

特性项	MiniMax M3 关键指标
上下文长度	最高支持 100 万 tokens（1M），基于 MSA 架构
模型类型	原生多模态（Native Multimodal）
核心能力	顶尖代码生成与智能体（Agentic）任务处理
开源状态	开放权重（Open-Weight）
架构创新	MiniMax 稀疏注意力机制（MSA）

--- ### 深度解析：M3 三大核心优势 **1. 原生多模态与百万级上下文** M3 没有选择“先文本后视觉”的传统路径，而是从预训练之初就重建了数据流水线，全程进行多模态训练。这意味着文本与视觉语义空间从一开始就实现了高度对齐——无论是解析图表、公式还是图片内容，M3 都能游刃有余。配合专有的 MiniMax Sparse Attention（MSA）架构，M3 支撑起了高达 100 万 tokens 的上下文窗口。这不仅是营销数字：处理长篇代码库、长时间视频理解以及复杂智能体任务，都需要这种级别的底层基础设施支撑。  **2. 智能体（Agentic）能力大幅跃升** 自主任务分解、工具调用、多步骤推理——这些让许多模型头疼的挑战，M3 打出了不错的成绩。文档中提及的两个实际案例颇具说服力： - **学术复现：** M3 曾被委以重任，独立自主地复现了一篇 ICLR 2025 的杰出论文。它持续运行近 12 小时，自主完成 18 次代码提交和 23 张实验图表的生成，核心实验完美复刻。具体来说，M3 被提供了四个仅经过预训练的基础模型，要求在 12 小时内自主完成数据合成、训练、评估和迭代，最终让模型具备数学推理、代码生成和知识质量保证等能力。全程无人干预，M3 最终获得 37.1 分，总排名第三，仅次于 Opus 4.7（42.4）和 GPT-5.5（39.3），但显著领先其他所有对手。  - **工业级优化：** 在 CUDA 内核优化任务中，M3 在没有人类插手的情况下，经过 147 次基准测试提交，硬是将 FP8 GEMM 内核的硬件利用率从 7.6% 提升至 71.3%——实现了 9.4 倍的速度提升。  **3. 顶尖基准测试成绩** 在多项国际权威基准测试中，M3 的表现稳居世界领先水平，尤其在代码和智能体任务上大放异彩： - SWE Bench / Terminal Bench：软件工程与终端执行任务得分极高 - 自主浏览能力：在 BrowseComp 测试中，M3 获得 83.5 分，超过 Opus 4.7 的 79.3 分，自主信息检索能力相当强悍  MiniMax M3 的发布，标志着该公司在代码、智能体与长上下文三个关键领域已全面达到前沿水平。