MiniMax M3 开源实测：1M 上下文，价格是 Claude 的 1/15¶
一句话总结¶
MiniMax M3 是国产第一个把 frontier 三件套全部拉满并且开源的模型。 Coding/Agent 能力、1M 上下文、原生多模态，自研的 MSA 稀疏注意力架构让 1M 上下文的计算成本降到上代的 1/20，Token Plan 定价把使用门槛直接砍到了 ¥49/月。
先看懂 M3 到底是什么¶
今年 6 月 1 日，MiniMax 发布了 M3，直接扔出三个硬指标。
第一个，Coding 与 Agent 能力达到了行业前沿。最吓到我的是 SWE-Bench Pro 的 59.0%，超过 GPT-5.5 和 Gemini 3.1 Pro，接近 Claude Opus 4.7。这个测试是拿真实 GitHub issue 让模型修 bug，不是刷题。在 BrowseComp 信息检索评测中以 83.5 分超越 Opus 4.7 的 79.3 分，在 SVG-Bench 和 Claw-Eval 上也排在第一梯队。这意味着 M3 写的代码目标不是「能跑但需人改」，而是直接可交付。
第二个，原生支持 1M Token 上下文窗口。这不是简单的窗口拉长，而是基于自研 MSA 架构从底层重新设计注意力机制。在 100 万 token 的极端场景下，M3 的每 token 计算量仅为上代 M2 的 1/20，实际用起来，一次性塞进去 100 万字的长文档，处理速度比上一代快了 9 倍，生成回复的速度快了 15 倍。而且 MSA 绝大部分能力与全注意力打平。
第三个，原生多模态，从 step 0 开始训练。M3 不是后期给文本模型「贴」一个视觉模块，而是从头就用文本、图像、视频交织的数据一起训练。重构的数据管线把训练规模提升到百 T 量级。在 OmniDocBench 多模态文档理解测试上得分超过 Gemini 3.1 Pro，Video-MME 视频理解得分 84.6。图片单张最高 10MB，视频最高 512MB，一次 API 请求体最高 64MB，长视频分析可以直接扔进去。
能同时跑通这三项的，此前我只在 Claude 和 GPT 身上见过。M3 是第一个把它们全部带进开放世界的模型。
MSA 架构，1M 上下文是怎么做到的¶
我之前试过让 Claude 处理一本 30 万字的 PDF，上下文一拉长，响应慢得让我以为网络断了。这不是 Claude 的错，是 Transformer 注意力机制的老毛病，计算复杂度随序列长度呈平方增长。上下文拉到 1M，KV Cache 会膨胀到 GPU 显存根本装不下的程度。这是所有长上下文模型必须面对的物理天花板。
MiniMax 没选择硬撑，而是换了一条路。他们自研了 MSA（MiniMax Sparse Attention）。
稀疏注意力的思路，是在正式计算前加一个「初筛」阶段，让模型不必跟序列中每个 token 都打交道，只挑真正相关的那些。MSA 比现有的开源稀疏注意力方案分块更准，覆盖的有效上下文更多。工程上也做了优化，比开源实现快 4 倍以上。
说实话，这段技术细节我反复看了三遍才完全理解。核心就一句话：MSA 把「该看哪里」这个判断提前做了，后面就不用全看一遍。
结果是，100 万 token 下 M3 每 token 计算量仅为上代的 1/20。prefill 阶段加速超过 9 倍，decoding 阶段超过 15 倍。而且 MSA 在多个对照实验中绝大部分能力与全注意力打平。MiniMax 没有为了快而牺牲质量，是真的找到了一条更聪明的路。
三个让我停下来的实测¶
benchmark 是实验室成绩，真实任务才是验金石。MiniMax 公布了三个实测，每个都让我停下来多看两眼。
让它复现一篇顶会论文¶
测试团队给 M3 丢了一篇 ICLR 2025 Outstanding Paper，主题是 LLM 微调过程中的学习动力学。要求是独立复现，全程无人工干预。
M3 连续跑了近 12 小时，自己交了 18 次代码、画了 23 张图，最后跑出来的结果和论文对上了。包括论文里提到一个很细的现象——模型微调时会出现的 squeezing 效应——它也独立观测到了。
这个过程同时调用了 M3 的三项核心能力。多模态能力用来读懂论文里的曲线图和数据，1M 长上下文把论文 + 代码 + 实验日志一次性塞进窗口，Coding + Agent 能力驱动长线程执行。缺任何一项，这个任务都完不成。
手写 CUDA kernel，把利用率从 7% 拉到 71%¶
FP8 矩阵乘是大模型推理里计算最密集、优化难度最高的环节之一。在 NVIDIA Hopper 架构上手写一个生产级的 FP8 GEMM kernel，通常需要资深团队 1 到 2 周。
M3 的起点只有一份任务描述、一个 benchmark 脚本、一个无法直接运行的 Triton 骨架。没有参考实现可以模仿，必须从基本原理出发自主探索。
24 小时里它自己试了 147 个版本，调了快 2000 次工具，从完全跑不动一路优化到生产级水平。中间没人帮它。
最终，硬件峰值利用率从首版的 7.6% 推进到 71.3%，实现 9.4 倍加速。
一个让我意外的细节是，除 Opus 4.7 和 M3 外，其他模型大多在前 30 次提交后就主动退出了。而 M3 的最优解出现在第 145 次提交，中间经历了多个平台期，但模型仍在继续尝试不同方向。这种「不放弃」的迭代韧性，超出了常规代码生成的能力范畴。
让它自己训练一个模型¶
PostTrainBench 是最开放的测试。给 M3 四个只完成预训练、没有任何下游能力的 Base 模型，让它在 12 小时内自主完成数据合成、训练、评测、迭代的全部流程。
全程无人干预，Agent 要自己决定合成什么数据、选什么训练策略、怎么根据评测结果调整下一轮。M3 最终得分 0.37，略低于 Opus 4.7（0.42）和 GPT-5.5（0.39），但明显领先其余模型。
这个任务没有 CUDA 优化那种明确的反馈信号，需要模型自主判断。M3 的表现说明它不只是「会写代码」，而是具备了在开放问题上自主规划和迭代的研究能力。
定价，这才是让我坐直身体的部分¶
看完三个测试，我的感受是，M3 确实能干活。但能干活的模型多了，Claude Opus 也能。真正让我坐直身体的，是发布会最后公布的定价。
MiniMax 同期推出了 Token Plan 三档订阅。
- Plus，¥49/月，6 亿 token
- Max，¥119/月，18 亿 token
- Ultra，¥469/月，55 亿 token
¥49 的 6 亿 token 是什么概念？相当于每天写 20 篇 5000 字的长文，连续写一个月。我上个月 Claude 的账单是 ¥200 出头，处理的量大概只有这个的 1/5。按相同价格换算，M3 约是 Claude 订阅容量的 15 倍。
API 定价也分两档，按上下文长度计价。标准通道和优先通道共享同一套价格，thinking 模式和 non-thinking 模式随时切换。自动 Cache 无需设置，自动生效。
如果你也被 ¥49 打动了，现在就能用。三种方式：直接调 API（兼容 OpenAI 和 Anthropic 格式）、用 MiniMax Code（配套的 Agent 产品，能自动操作电脑）、等开源权重自己部署。
总结¶
我不是想说「国产崛起」那种话。我就是觉得，一个能把 1M 上下文做到 ¥49 的团队，手里一定还有牌没打完。这个定价不是慈善，是他们对成本结构的自信。
MSA 解决的是真问题，不是简单把窗口拉长，而是让长上下文的计算成本真的可控。多模态也不是贴个眼睛上去，是从头就一起训练的。Coding 能力更不是写个 demo，是能交付的代码。然后这三样打包到 ¥49 的月费里。
MiniMax 成立之初的口号是 Intelligence with Everyone。以前我觉得这是愿景，现在看起来，它正在变成账面上的现实。
欢迎关注我的公众号「Chyris Tech Note」，获取更多 AI 技术解读与实践分享。