克雷西 发自 凹非寺
量子位 | 公众号 QbitAI

MiniMax M3突然上线后，Token Plan的新计费方式也引起了热议。

众说纷纭之下，MiniMax官方也火速回应，提高了周用量限额，并对以前没有周限额的老用户保持了这个设定。

但价格争议之外，更值得我们关注的，依然是模型能力。

全球开发者，也都在关注模型能力和技术。

比如Hermes框架的开发平台Nous Research的联创，就公开在X上给M3背书。

还有Vercel CEO、GitHub 540k星AI大佬Guillermo Rauch，也在X上公开推荐MiniMax M3，称它的表现紧跟Opus和GPT-5，但价格只有其十分之一。

至于模型的实际任务表现，官方一共给了三个Demo——复刻论文、优化CUDA算子，还有自己训练模型。

我也自己上手，让M3尝试了一些新鲜玩法。

不管是官方Demo还是我自己的测试，想完成这些任务，长上下文、多模态、Coding三个能力得同时在线才行。

而M3，是国内第一个把这三件事同时做到的开源模型。

就算在闭源模型当中，能做到的也就只有“御三家”（GPT、Claude、Gemini）的最新旗舰。

M3给出的成绩是，SWE-Bench Pro上跑出59%，超过GPT-5.5和Gemini 3.1 Pro，接近Opus 4.7。

而且M3效率更高，1M上下文下每token计算量压到上代的1/20，decoding实测加速超过15倍。

同时，为了搭配M3，MiniMax这次还同步推出了MiniMax Code。

这是个专为M3设计、并与M3一起训练的Harness，对标的就是Vibe Coding客户端里的扛把子Claude Code。

既然如此，那就直接模型框架一起测，用MiniMax Code来看看M3的表现究竟如何。

一手实测MiniMax M3

官方Demo里，有人把一篇ICLR 2025的论文扔给它，让它独立复现，结果M3连续运行12小时后成功交付结果，全程没有任何辅助。

这是一篇Outstanding Paper Award获奖论文，研究的是大模型微调过程中的学习动力学。

具体来说，论文的核心是用“学习动态”框架统一解释大模型微调中的反直觉现象，该框架将每步梯度更新分解为三个因子，揭示了更新如何通过样本相似性在不同输出之间传播。

基于此，论文提出在SFT阶段同时训练y−，让负样本提前“离开低概率区域”，从根源上缓解挤压效应。

这个任务中，M3自主运行接近12小时，产出18次commit与23张实验图表。

它不仅跑通了核心实验，成功吻合了SFT阶段的预测概率变化趋势，还清晰观测到DPO实验重点讨论的挤压效应，并顺利验证了原论文提出的Extend缓解方法。

中途遇到跑不通的实验，它会自己进行诊断，碰到结果对不上的地方就自己调整，整个过程始终没有人工介入。

我也照葫芦画瓢，找了一篇ICLR 2026的论文让它复现。

这篇论文解决的是训练大模型时会遇到的一个底层问题。

Muon是最近很火的优化器，它每一步更新权重之前，需要对梯度矩阵做一次矩阵极分解。

经典做法是用Newton-Schulz迭代，每步套一个固定的五次多项式，简单但收敛慢。

这篇论文提出的Polar Express，把固定系数换成了动态求解，即每一轮根据当前矩阵的奇异值范围，现场算出本轮理论最优的多项式系数。

M3把整个实现拆成了三个模块，包括baseline方法、最优多项式求解器，以及主算法本体。

其中最有含金量的是求解器，它从等波动条件出发，建线性方程组，迭代求解，自己算出一组系数。

然后它专门画了一张验证图，把自己从零推算出来的系数，和论文里硬编码的数字并排放在一起，八个迭代步骤逐一比对。

结果就像下面这张图，两条线几乎完全重叠，差异肉眼不可见。

这张图本身就是最好的复现证明，说明M3独立走了一遍和论文作者相同的推导路径，得到了相同的答案。

除了论文，我还用M3玩出了更多新花样。

这不是老黄前一阵子来北京打卡了南锣鼓巷吗，当时量子位还专门做过一期探店文章。

于是我就想，能不能让M3按照老黄的行程，做一个打卡地图呢。

当然那篇文章我是没喂给M3看的，因为我想看看，它能不能凭借自己的力量，把这些信息搜集到。

Prompt就这一句：

搜一下黄仁勋最近一次来北京都打卡了哪些美食，利用真实地图制作可交互的一个打卡攻略网页

实话实说，这个任务我一开始并没有抱太大希望，倒不是说这个任务有多难，是我觉得M3可能会卡在获取地图资源这一步。

但我没想到，还真有免费的地图开发资源可以直接获取，而且还被M3发现了。

它先搜集了网络上的信息，然后总结出了老黄去过的打卡点，然后搜索他们在地图上的坐标，决定利用Leaflet（一个用于构建Web地图的开源JS库）和高德地图瓦片为核心工具来完成我的这个任务。

最终呢，M3也是成功把老黄去过的9个美食打卡点，都标记在了地图上。

交互页面支持普通地图和卫星地图两种模式，点击交互也全都正常。

这里多一句嘴，其实老黄那天去的地方有11个，但财神庙和拓意玩具店不属于我提示词里说的“美食”，所以M3的操作是正确的。

来看下一个任务。

既然前一个任务已经利用上老黄了，那就再让他发光发热一次。

就在昨天的ComputeX上，黄仁勋发表了演讲，其间就提到了“DSX AI工厂生态系统”。

讲到这里的时候，老黄放了这样一张PPT。

这一轮，我布置给M3的任务就是把PPT里的这74家（我亲自数过）企业的资料全都找到，汇总做成一个交互式网页。

提示词长这样：

这张图是黄仁勋在ComputeX上介绍的DSX AI生态系统厂商名单，搜集所有这些厂商的信息，制作一个横向的瀑布流网页，点击其中的卡片显示公司介绍。

到这里我依然有些担心，70多个公司，用的还全是Logo，不知道M3能不能看得过来，反正我已经很晕了。

但经过我硬着头皮仔细核对，M3找到的这74家公司无一例外全都正确。

有了公司名单之后，就是搜集这些公司的资料并设计网页了，最终M3也是成功完成了这项任务。

直接看效果，布局完全符合要求，卡片可正常点击，甚至配色用的也是英伟达的标志颜色。

总之单单是识别出74家公司来，我觉得就可以给到夯，更不必说后面的表现了。

文本、图像都给它看了，检索编程也都考过了，接下来该给M3看视频了。

这回，老黄终于可以休息一下了。

我从B站上找了一道国际语言学奥林匹克竞赛的试题讲解视频，看M3能不能把这个过程看懂，然后复刻一个讲题的网页出来。

先看下这道题的题目，需要说明的是，我只给M3看了第一问的部分，要求它生成的讲解也只有这一问。

多啰嗦两句，语言学乍看是个文科专业，但其实这道题需要极其复杂的逻辑推理。

实际上，自打OpenAI推出o1的那天起，我就一直在用这道题考验各种推理模型，结果至今无一模型答对（除了Gemini靠背题答对）。

视频的话，这里放个B站链接，大家感兴趣的话可以看一看，不过时长将近两个小时。

传送门：https://www.bilibili.com/video/BV1LN4y1K7Ld

当然这次M3不需要自己推理，只是需要把视频里up主的解题过程复现出来。

这里我把分P视频全部下载了下来，然后剪辑到了一起，存在了本地目录，并将其设为MiniMax Code的project目录，提示词依然很简单：

理解这里面的视频，做一个交互式网页给我讲明白这道题的第一问。

M3先是用ffmpeg，把这段1.3G的视频压缩到了它能处理的大小程度。

然后M3给自己提出了一系列的问题，开始心中带着问题学习up主的讲解。

之后，M3设计出了页面结构。

对应up主的推导过程，一共分成了三个大的步骤：

我们来看其中一个，的确是简洁、美观又清晰：

最终的解题结果，和视频也都能对得上。

而且讲完题之后，M3还不忘自己做延伸，整理了一套解决语言学推理题的学习心得。

总之这一大串任务做下来，M3的表现属实是超出了我的想象，说它已经进入全球最能打的第一梯队也不为过。

M3用了哪些技术？

M3这次的三大能力，背后各有一个杀手锏。

先说1M长上下文，这里MiniMax选用了一种新型的稀疏注意力机制MSA，即MiniMax Sparse Attention。

MSA通过以KV块为外层循环汇聚命中它的query，让每块只读一次、访存连续，获得了极高的硬件利用率。

稀疏注意力这条路几家都在走，但赌的方向完全不同。

在MiniMax Sparse Attention出现之前，清华、浙大和月之暗面联合提出的MoBA（arXiv：2502.13189）是思路最干净的方案，把序列切块，轻量路由器给每个query选top-k相关块，复杂度从O(n²)压到近线性。

不过，原版MOBA的GPU效率不行，直到MIT和英伟达联合团队以此为基础，用fused CUDA kernel重写之后改造出了FlashMoBA（arXiv：2511.11571），MoBA路线才算真正落地。

NSA（N代表Native，arXiv：2502.11089）是DeepSeek在研究层面的探索，它的论文数字好看但结构复杂，后续分析也指出质量提升主要来自门控机制本身，而不是稀疏化。

真正跑在DeepSeek产品里的是DSA（D代表DeepSeek），它是NSA在工程侧的落地演进版。

到了DeepSeek V4，DSA进一步发展成CSA（C代表Compressed）+HCA（Heavily Compressed Attention）混合架构。

虽然这是个很好的方法，但它的设计也极为复杂，行业玩家如果想自行使用，难度较大。

相比之下，虽然MSA目前的公开信息不多，但是从架构图能看出来设计思路清晰明了，同样实现高效Scaling，MSA用的是最简单的架构。

Coding和Agent方面，MiniMax用LLM模拟真实开发者的协作行为，构建了交互式用户模拟器框架，专门用来训练M3的有关能力。

真实开发场景里用户往往在同一个session里持续协作，需求反复修改、中途加新约束、最后推翻重来。

这套框架模拟的就是这些，它让模型在训练阶段就接触接近生产环境的交互场景。

学术侧这个方向已经有实证支撑。

有研究显示，在复杂软件工程任务上，关闭用户模拟器、让Agent在模糊prompt条件下独立工作，F1会从64.5直接掉到44.1。

相关框架包括Simia（arXiv：2511.01824）、MUA-RL（arXiv：2508.18669）、AgentGym-RL（arXiv：2509.08755）等等，思路各有侧重，但核心都是把LLM模拟的用户反馈引入训练循环。

但在商业侧，把交互式用户模拟器显式用在大规模前沿模型训练上的，MiniMax还是第一家。

多模态方面，M3从预训练第一步就做图文混合训练，文本和视觉的语义空间从一开始融在同一套框架下，路线上跟Google Gemini一致。

MiniMax发现，interleaved data对模型性能的提升，比通常大家认为的更关键。

基于此，MiniMax重建了整套数据管线，预训练数据规模提升到100万亿token量级。

放眼行业，Google Gemini是这条路线最早的代表，它从设计上就是原生多模态，decoder-only Transformer接收图文音视频交错的token序列。

学术侧，ICCV 2025上有论文（arXiv：2504.07951）专门研究native multimodal model的scaling law，结论是early fusion在低算力预算下表现更强，训练效率更高、部署更简单，没有发现late fusion有任何结构性优势。

同一篇论文还发现，interleaved data比image-caption数据更能从更大模型中受益。

值得认真对待的开源选项

长程Coding任务、多轮协作开发、图文混合的复杂文档处理，这三个场景M3的表现已经能撑得住。

对于有这类需求的开发者来说，它是目前开源模型当中的一个可以认真放进清单里的选项。

最近关于Token Plan定价的讨论很多，MiniMax的响应也比较及时。

不过随着实测结果陆续出炉，模型本身的效果开始在海内外成为更持久的话题。

如果把M3本身的效果单独拿出来看，它作为旗舰模型重回国际第一梯队，综合能力和使用成本放在一起算，性价比依然站得住。

往大了说，前沿模型能力长期被少数闭源产品把持，这件事在过去几年里几乎未被打破。

Claude Opus、GPT-5.5、Gemini 3.1，能同时跑通Coding Frontier、1M上下文、原生多模态这三件事的，此前只有这几个名字，而且全是闭源的。

开源社区一直在追，但把这三件事同时凑齐，M3是第一个撕开这个口子的开源模型。

无论是海外还是国内，大模型的更新都越来越卷，但MiniMax这次追得很快。

从M2到M3，Coding能力已经大幅度跃迁。

综合对比下来，M3已经和顶尖闭源模型站在了同一条起跑线上。