2026年6月1日，MiniMax干了件国产大模型没人干成的事
先摆个事实：在MiniMax M3发布之前，能同时把 Coding能力、百万级超长上下文、原生多模态 三项做进一个模型、每一项都不拉胯的，只有Claude Opus 4.7、GPT-5.5和Gemini 3.1 Pro。三家都是海外闭源模型。
6月1日儿童节，MiniMax把M3甩出来了。官方文案很直接——首个集齐Frontier三件套的国产旗舰模型。
我当时第一反应是：又来一个刷榜的？
看了一圈官方技术博客和第三方评测，说实话有点意外。不是因为它全对，而是因为这次的数据经得起推敲。这篇文章说说我看到的真实情况，好的坏的都聊。
1M上下文不是噱头，但它的真正价值你可能想错了
现在几乎所有旗舰模型都在喊百万上下文。但这件事有个严重的误解：大多数人以为长上下文是为了一次性塞进整本书让它读。
这当然能用。但M3的1M上下文窗口——基于自研MSA（MiniMax Sparse Attention）稀疏注意力架构——真正的战场是 Agent场景。
一个Agent写代码的过程是什么样的？读取十几个源代码文件 → 执行命令 → 看输出 → 修改 → 再执行。一轮接一轮，上下文越积越多。没有长上下文，Agent就像个每隔5分钟失忆一次的程序员——智商再高也白搭。
MSA的厉害之处不是能塞多少，而是塞多了还能跑多快。官方数据：1M上下文窗口下，每token的计算量只有上代模型的 二十分之一，Prefilling阶段加速超过9倍，Decoding阶段加速超过15倍。关键是——多个对照实验显示，MSA的能力和全注意力基本打平。稀疏化没让模型变笨，这个很关键。
说白了，M3把1M上下文从实验室指标变成了可日常使用的基础设施。这是我在国产模型里第一次看到真正在工程层面解决长上下文问题的方案，不只是堆参数。
SWE-Bench Pro 59%：这个分数的含金量在哪
先看几个关键benchmark：
- SWE-Bench Pro 59.0% — 超过GPT-5.5和Gemini 3.1 Pro，接近Opus 4.7
- BrowseComp 83.5 — 超越Opus 4.7的79.3，考的是真实网页信息检索
- Terminal Bench 2.1 66.0% — 终端命令执行能力
- MCP Atlas 74.2% — MCP工具调用能力
分数好看是一回事，我更在意官方公布的三个实战案例：
案例1：12小时自主复现ICLR论文
M3被丢了一篇ICLR 2025杰出论文，要求独立复现核心实验。它自己跑了接近12个小时，产出18次commit和23张实验图表，成功跑通。这需要什么？多模态看懂论文里的图表公式 + 长上下文吞下论文+代码+日志 + Agent能力驱动长线程执行。任何一项短板都不行。
案例2：CUDA算子优化，从7.6%到71.3%
这个案例我觉得最有说服力。给M3一段Triton骨架代码，没有任何参考实现。M3花了约24小时，经历了 147次benchmark提交、1959次工具调用，把硬件峰值利用率从7.6%拉到71.3%，实现9.4倍加速。
有个细节很有意思：最佳结果出现在第145次提交。其他参评模型大多在前30次内就停了。M3不只是代码能力强，更关键的是它有 持续迭代的耐力——Agent场景里，这个特质比单次推理能力重要得多。
案例3：让M3自己训练模型
给M3四个预训练Base模型，要求12小时内自主完成数据合成→训练→评测→迭代全流程。最终得分0.37，排第三，仅次于Opus 4.7和GPT-5.5。这是让模型当AI研究员，不是当写代码的工具。
价格才是真正的杀伤力
聊完技术，说点实际的：钱。
M3的Token Plan定价是这样的：
- Plus ¥49/月 — 6亿Token，约等于Claude Pro的5倍用量
- Max ¥119/月 — 18亿Token
- Ultra ¥469/月 — 55亿Token
你没看错，¥49一个月给6亿Token。我们算笔账：Agent Coding任务的特点是输入Token远大于输出Token——你要把整个项目文件喂给AI。之前有研究分析过，Agentic Coding的Token消耗可以达到普通问答的1000倍。在这种场景下，M3的定价意味着你可以放心大胆地让它干活，不用担心月底账单爆炸。
而且M3兼容OpenAI API格式，主流AI编程工具（Claude Code、Cursor、Codex CLI、Roo Code等10+工具）改一下endpoint就能直接用。我之前写过一篇 DeepSeek V4实用技巧，里面有个观点现在看仍然成立：Coding Agent的成本已经不是模型能力问题，而是Token预算问题。M3在这个维度上把门槛打下来了。
另外，M3即将在HuggingFace和GitHub上开源，支持私有集群部署和微调。如果开源版能保留大部分能力，对数据敏感的企业用户来说会很有吸引力。
泼点冷水：M3不完美的地方
说了一堆好话，也聊聊我不确定的地方：
第一，评测和体验之间可能有差距。 SWE-Bench Pro 59%在业界已经是第一梯队，但真实项目比benchmark复杂得多。代码库的遗留屎山、文档缺失、跨团队协作——这些在评测里不会出现。M3在实际项目里的稳定性还需要时间验证。
第二，开源版本保留多少能力是个问号。 官方说即将开源，但没说开源版和API版的能力差多少。不少国产模型的开源版和API版能力差距不小，M3是不是也这样？等开源出来才知道。
第三，Agent长线任务的稳定性。 官方给的CUDA优化案例做了24小时，确实不错。但生产环境里有些任务要跑好几天，中间可能遇到模型之外的故障——网络断了、API超时、第三方工具挂了。这些不是模型能力本身能解决的，需要整个Agent框架的成熟度跟上。
总结：M3是不是国产模型的一个转折点？
我的判断是这样的：
M3是第一个让我觉得国产模型在Agent/Coding赛道上真的能打了的产品。 不是因为某个单项指标爆表——从单项看，DeepSeek V4、Kimi K2、Qwen 3都有各自擅长的领域，我之前也写过 Kimi vs ChatGPT的对比。但M3是第一个把 Coding + 长上下文 + 多模态 三项都做到前沿水平、没有明显短板的国产模型。
它的定价策略也很聪明：49元/月给6亿Token，走的是量大的让用户用得起路线，而不是高溢价赚开发者的钱。如果这个策略跑通了，其他国产模型厂商的定价会被迫跟着调——这对整个行业是好事。
但我不建议你现在就把核心生产管线全切到M3上。给它一两个月，等开源版出来、社区反馈积累够了再说。感兴趣的可以先拿API跑跑非核心任务试试水，试错成本确实低。
工具官网：MiniMax Platform
相关阅读：
小米MiMo Code实测：MIT开源的AI编程智能体，性价比真的拉满了
DeepSeek V4实用技巧6则
GLM-5V-Turbo实测：截图变代码，视觉编程真的来了