6 月 1 日，国产大模型公司 MiniMax 正式发布新一代通用模型 MiniMax M3。M3 采用新的自研稀疏注意力架构 MiniMax Sparse Attention（MSA），在编程及智能体能力、超长上下文及原生多模态等多个方向，实现代际突破。
MiniMax 表示，M3 是国内首个同时具备 " 前沿 Coding 能力、1M 超长上下文、原生多模态 " 三项核心能力的大模型，也是目前全球唯一具备完整能力组合的开源选项。
相较传统全注意力机制，MSA 能够显著降低长上下文下的计算成本，并将上下文窗口提升至 100 万 token。这意味着，模型在处理长文档、复杂代码仓库、多轮任务协作等场景时，能够在一次推理中保留更完整的信息链路。
MiniMax 披露，在 100 万上下文规模下，M3 单 token 计算量仅为上一代模型的约 1/20，推理效率显著提升。
除模型架构升级外，MiniMax 在底层推理算子层面也进行了进一步优化。通过重新设计数据读取与计算路径，相关性能较主流开源方案提升 4 倍以上。
随着 Agent 任务复杂度不断提高，全球大模型竞赛面临新的变量，" 更长上下文、更稳定记忆、更低成本推理 " 正在成为决定产品可用性的关键。
M3 在 Coding&Agentic 的能力上也做了提升。在衡量 Coding 能力的 SWE-Bench Pro 上，MiniMax M3 超过 GPT-5.5 和 Gemini 3.1 Pro，接近 Opus 4.7。在综合评估 SVG 生成性能的基准 SVG-Bench 上，MiniMax M3 超过 Opus 4.7。
在多模态测试集 OmniDocBench 上，MiniMax M3 得分超过 Gemini 3.1 Pro，在面向自主 Agent 的端到端评测框架 Claw-Eval 上，MiniMax M3 得到最高分。
这主要是 M3 在编程与 Agent 训练中创新引入交互式用户模拟器框架——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接近生产环境的交互场景。
MiniMax 表示，M3 从训练起点便采用文本、图片、视频等多模态混合训练，并在数据规模和训练管线上进一步扩展。模型不仅支持图像与视频理解，也具备桌面操作能力，可在复杂跨应用环境中执行 Computer Use 任务。
无论是办公自动化、企业软件操作，还是更复杂的生产力场景，AI 进入实际执行层的速度正在明显加快。
同日，MiniMax Code 也迎来更新。这是一款专为 M3 设计，并与 M3 一起训练的 Agent 产品。在长程复杂任务上，MiniMax Code 的 Agent Team 可以将大型任务拆解为多阶段、可并发、可动态调整的 Workflow，由 Agent 集群协作推进。
M3 的出现是对闭源力量的一次挑战。事实上，闭源模型（如 OpenAI、Google、Anthropic 的旗舰模型）垄断着全球最顶尖的逻辑推理、复杂编程和多模态代理能力。MiniMax M3 用 " 开源 + 全能 " 的差异化的定位，核心是在抢占那些对数据隐私极其敏感，同时又对智能体性能要求极高的企业级核心客群。
在商业化方面，MiniMax 同步推出 Token Plan 订阅方案也颇具价格优势，将使用成本拉入了 " 百元时代 "，试图通过极致性价比抢占全球开发者生态。目前，Plus 版每月 49 元，提供 6 亿 token；Max 版每月 119 元，提供 18 亿 token；Ultra 版每月 469 元，提供 55 亿 token。（本文首发于钛媒体 APP，作者｜李程程，编辑｜杨林）
