MiniMax M3 คืออะไร? เรือธงมัลติโมดัลบริบท 1M ของ MiniMax

MiniMax M3 เป็นโมเดลภาษามัลติโมดัลโดยกำเนิดแบบโอเพนเวทจากห้องแล็บจีนที่อยู่เบื้องหลังโมเดลข้อความซีรีส์ M โมเดลวิดีโอ Hailuo และซีรีส์ Music ทางแล็บได้ประกาศเปิดตัวเมื่อวันที่ 1 มิถุนายน 2026 และได้ขึ้นเป็นอันดับหนึ่งในรายการโมเดลของบริษัทเอง แทนที่ MiniMax M2.7 โดยนำมาซึ่งหน้าต่างบริบทขนาดหนึ่งล้านโทเคน การป้อนข้อมูลข้อความ ภาพ และวิดีโอแบบเนทีฟ และสถาปัตยกรรม sparse-attention ที่ทางแล็บเรียกว่า MSA

บทความสิบสี่ชิ้นในคลังของบล็อกนี้กล่าวถึง MiniMax M3 จนถึงตอนนี้ ยังไม่มีสักชิ้นที่ว่าด้วยตัวมันเอง โมเดลนี้โผล่มาเป็นคู่แข่งในการเปรียบเทียบครั้งแล้วครั้งเล่า — เป็นจุดอ้างอิงแบบ open-weight ที่ใช้เป็นมาตรวัด Gemini, Qwen, Grok หรือ GPT รุ่นใหม่ ๆ — และยังไม่มีหน้าใดในนี้ที่ผู้อ่านจะเข้าไปแล้วรู้ได้ว่า MiniMax M3 จริง ๆ แล้วคืออะไร นี่คือหน้านั้น

เอกสารข้อมูลจำเพาะ

MiniMax M3 เป็นโมเดลแบบ mixture-of-experts ที่มีพารามิเตอร์รวมประมาณ 428 พันล้านตัว และเปิดใช้งานประมาณ 23 พันล้านตัวต่อโทเคน ตามข้อมูลในโมเดลการ์ดที่ MiniMax เผยแพร่ควบคู่ไปกับน้ำหนักโมเดล โดยเป็นมัลติโมดัลโดยกำเนิด ไม่ใช่โมเดลข้อความล้วนที่นำความสามารถด้านภาพมาต่อเติมภายหลัง: โมเดลการ์ดระบุว่าฝึกด้วยข้อมูลหลายรูปแบบที่สลับสอดแทรกกันตั้งแต่ขั้นตอนแรก และโมเดลรองรับอินพุตข้อความ รูปภาพ และวิดีโอ แล้วส่งออกเป็นข้อความ

• หน้าต่างบริบท: 1,048,576 โทเคน โดยรายการแค็ตตาล็อกของเราเองระบุขั้นต่ำที่รับประกันไว้ที่ 512,000 โทเคนของบริบทที่ใช้งานได้
• เอาต์พุตสูงสุด: 512,000 โทเคนบนหน้าแค็ตตาล็อกของเรา; MiniMax ไม่ได้เผยแพร่ตัวเลขเอาต์พุตสูงสุดในเอกสารของตนเอง ดังนั้นให้ถือว่า 512K เป็นตัวเลขของเรา ไม่ใช่ของผู้ให้บริการ
• โมดัลลิตี: อินพุตเป็นข้อความ รูปภาพ และวิดีโอ; เอาต์พุตเป็นข้อความ
• พารามิเตอร์: ทั้งหมด ~428B, เปิดใช้งาน ~23B ต่อโทเคน
• การควบคุมการให้เหตุผล: พารามิเตอร์ thinking ที่มีโหมดเปิดใช้งาน ปรับตัว และปิดใช้งาน
• การสุ่มตัวอย่างที่แนะนำ: temperature 1.0, top_p 0.95
• สถาปัตยกรรม: MiniMax Sparse Attention (MSA) ซึ่งเป็นหัวข้อของบทความ arXiv หมายเลข 2606.13392
• รูปแบบเอนด์พอยต์: chat completions ที่เข้ากันได้กับ OpenAI

ข้อกล่าวอ้างเชิงสถาปัตยกรรมที่เป็นจุดเด่นนั้นเกี่ยวกับต้นทุนของ attention ในบริบทแบบยาว MiniMax กล่าวว่า MSA ให้ความเร็วในการ prefilling มากกว่า 9 เท่า และ decoding มากกว่า 15 เท่าเมื่อเทียบกับ M2 ที่หน้าต่างหนึ่งล้านโทเคน โดยลดการคำนวณต่อโทเคนเหลือประมาณหนึ่งในยี่สิบของเจนเนอเรชันก่อนหน้า นี่เป็นตัวเลขจากผู้ขาย และเรายังไม่เห็นการทำซ้ำอย่างอิสระ

MiniMax M3 อยู่ตรงจุดไหนในไลน์ผลิตภัณฑ์ของ MiniMax เอง

มันคือรุ่นสูงสุดของสายภาษา แต่ก็คุ้มค่าที่จะระบุให้ชัดเจนว่าสายนี้มีอะไรบ้าง เพราะ MiniMax ยังคงมีโมเดลรุ่นเก่าที่ยังอยู่ในรายการต่อเนื่องยาวนานกว่าห้องแล็บส่วนใหญ่ เอกสารโมเดลของผู้พัฒนาเองแบ่งพวกมันออกเป็นสองกลุ่ม

• โมเดลปัจจุบัน: MiniMax M3, MiniMax M2.7, MiniMax M2.7-highspeed
• โมเดลรุ่นเก่า ซึ่งยังคงระบุอยู่ในรายการ: MiniMax M2.5, MiniMax M2.5-highspeed, MiniMax M2.1, MiniMax M2.1-highspeed, MiniMax M2
• MiniMax M2 ซึ่งเป็นรุ่นเก่าที่สุดในบรรดารุ่นเหล่านี้ มีบริบทขนาด 200,000 โทเค็น และเอาต์พุตสูงสุด 128,000 โทเค็น รวมถึง chain-of-thought
• MiniMax ไม่ได้เผยแพร่ขีดจำกัดบริบทหรือเอาต์พุตสำหรับ M2.7 หรือ M2.1 ในเอกสารเดียวกัน

ช่องว่างระหว่างรุ่นนั้นมีจริง แต่ไม่ได้มหาศาลบนดัชนีเดียวที่ทั้งสองโมเดลปรากฏอยู่ Artificial Analysis ให้คะแนน MiniMax M3 ที่ 29 บน Intelligence Index revision v4.3.2 และ MiniMax M2.7 ที่ 23 บน revision เดียวกัน — 29 ทำให้ M3 อยู่อันดับ 16 จาก 114 โมเดลในตารางของ revision นั้น และ 23 ทำให้ M2.7 อยู่อันดับ 36 M2.7 เปิดตัวในเดือนมีนาคม 2026 การกระโดดครั้งนี้เป็นเพียงก้าวหนึ่ง ไม่ใช่ทั้งรุ่น และควรอ่านตัวเลขสองตัวนี้จาก revision เดียวกัน: ดัชนีนี้ได้รับการปรับเทียบใหม่เมื่อวันที่ 7 กันยายน 2026 และคะแนนก่อนวันนั้นไม่สามารถเทียบได้กับคะแนนหลังวันนั้น

ค่าใช้จ่ายเท่าไหร่

MiniMax คิดราคา M3 ตามขนาดของคำขอในตารางอัตราค่าบริการแบบจ่ายตามการใช้งานจริง และอัตราที่เผยแพร่นั้นมีส่วนลดถาวร 50% เมื่อเทียบกับราคาป้ายที่สูงกว่า

• อินพุตสูงสุด 512K โทเค็น: $0.30 ต่อล้านโทเค็นอินพุต, $1.20 ต่อล้านโทเค็นเอาต์พุต, $0.06 ต่อล้านการอ่านแคช — เทียบกับราคาป้ายที่ $0.60 / $2.40 / $0.12
• อินพุตเกิน 512K โทเค็น: $0.60 ต่อล้านโทเค็นอินพุต, $2.40 ต่อล้านโทเค็นเอาต์พุต, $0.12 ต่อล้านการอ่านแคช — เทียบกับราคาป้ายที่ $1.20 / $4.80 / $0.24
• ระดับบริการแบบเร่งด่วน (Priority): 1.5 เท่าของอัตรามาตรฐาน คือ $0.45 / $1.80 / $0.09 ในระดับคำขอขนาดเล็ก เลือกใช้ได้โดยตั้งค่า service_tier เป็น "priority"
• ไม่เปิดเผย: MiniMax ไม่ได้ระบุราคาการเขียนแคชสำหรับ M3 ระบุเฉพาะราคาการอ่านแคชเท่านั้น

OrcaRouter ให้บริการ MiniMax M3 ในราคาเดียวกัน — $0.30 ขาเข้า, $1.20 ขาออก — โดยไม่มีค่าธรรมเนียมเพิ่มจากราคาของผู้ให้บริการ เป็นโมเดลที่โดดเด่นในแคตตาล็อกของเรา และปริมาณการใช้งานก็ไม่น้อยเลย: 153.7 ล้านโทเค็นที่ถูกส่งผ่านในเจ็ดวันที่ผ่านมา ณ เวลาที่เขียน โดยมีค่า p50 ของเวลาถึงโทเค็นแรกที่ 4.26 วินาที และค่า p95 ที่ 10.00 วินาที

MiniMax M3 เก่งเรื่องอะไรบ้างที่วัดผลได้จริง

เริ่มจากตัวเลขที่ MiniMax รายงานเกี่ยวกับตัวเองก่อน ซึ่งทั้งหมดเป็นตัวเลขที่ผู้ขายรายงานเอง และไม่มีตัวเลขใดเลยที่เราเคยเห็นว่าถูกทำซ้ำโดยบุคคลที่สาม

• SWE-Bench Pro: 59.0%
• Terminal-Bench 2.1: 66.0%
• SWE-fficiency: 34.8%
• MCP Atlas: 74.2%
• BrowseComp: 83.5 ซึ่งเป็นตัวเลขที่ผู้ขายใช้เป็นจุดนำเสนอด้านการค้นหาแบบเอเจนต์
• Video-MME: 84.6 ที่ 512 เฟรม โดยที่ API ภายนอกจำกัดเฟรมสูงสุดที่ 640
• KernelBench Hard: 28.8%
• OSWorld-Verified: 68.70% ที่จำนวนขั้นตอนสูงสุด 100 เพิ่มขึ้นเป็น 70.06% ที่ 200

ภาพจากแหล่งอิสระเห็นพ้องกันในทิศทางนี้ Artificial Analysis จัดให้ MiniMax M3 อยู่ที่ Intelligence Index 29 บน revision v4.3.2 เป็นอันดับ 16 จาก 114 โมเดล ด้วยค่าใช้จ่าย $0.51 สำหรับการรันดัชนีต่อโมเดล — อยู่อันดับ 21 จาก 114 ในมาตรวัดต้นทุนนั้น ความเร็วเอาต์พุตอยู่ที่ 106.4 โทเคนต่อวินาที เทียบกับค่ามัธยฐาน 67.1 และเวลาถึงโทเคนแรกคือ 1.25 วินาที เทียบกับค่ามัธยฐาน 2.33 วินาที ทั้งสองค่าดีกว่าค่าปกติสำหรับระดับนี้ และราคาก็ต่ำกว่าระดับนี้อยู่มาก

การเผยแพร่ซ้ำโดยบุคคลที่สามของตระกูลดัชนีเดียวกันเติมส่วนคะแนนย่อยให้ครบ: SWE-bench Verified อยู่ที่ 80.5%, tau-squared-bench อยู่ที่ 88.9%, AA-GPQA Diamond อยู่ที่ 92.9%, AA-LCR อยู่ที่ 83.0%, AA-IFBench อยู่ที่ 82.9%, OmniDocBench 1.5 อยู่ที่ 91.6% และ USAMO 2026 อยู่ที่ 85.7% ความเข้าใจเอกสารและการปฏิบัติตามคำสั่งดูเป็นจุดแข็งที่แท้จริง และคะแนนการให้เหตุผลกับบริบทยาวสอดคล้องกับเรื่องราวเชิงสถาปัตยกรรม

จุดที่มันทำได้แย่จนวัดผลได้

จุดอ่อนที่ตรงไปตรงมากระจุกตัวอยู่ในสองจุด และทั้งสองจุดนั้นปรากฏให้เห็นในตัวเลขที่เผยแพร่

• ช่องว่างด้านเอเจนต์คือเรื่องใหญ่ที่สุด: ในการเผยแพร่ซ้ำโดยบุคคลที่สามชุดเดียวกัน MiniMax M3 ได้ 58.6 ใน AA Coding Index แต่ได้เพียง 30.8 ใน AA Agentic Index มันเขียนโค้ดได้ดีกว่าการขับเคลื่อนงานหลายขั้นตอนที่ยาวนานอย่างอัตโนมัติมาก
• ความรู้และการหลอน: AA-Omniscience Index อยู่ที่ 1.4 ความแม่นยำ 16.7% และอัตราการหลอน 18.4% นี่คือโมเดลที่จะตอบอย่างมั่นใจเกี่ยวกับสิ่งที่มันไม่รู้
• OSWorld 2.0: 4.6%
• CritPt: 3.7% ซึ่งเป็นคะแนนที่เผยแพร่ต่ำที่สุดที่เราพบสำหรับ M3 ที่ใดก็ตาม
• ResearchClawBench: 19.8%
• ความยาวเกินจำเป็น: ใช้โทเค็นเอาต์พุต 120 ล้านโทเค็นเพื่อทำ Intelligence Index ให้เสร็จ อันดับ 11 จาก 114 — มันเป็นโมเดลที่พูดมาก และกับพรอมป์ที่เน้นการให้เหตุผล สิ่งนี้จะปรากฏบนบิล
• พื้นของคะแนนรวม: ตัวรวบรวมคะแนนจากบุคคลที่สามรายหนึ่งจัดให้อยู่ที่ 55.28 จาก 100 อันดับ 60 จาก 505 แม้ว่าจะครอบคลุมเพียงบางส่วน คือ 50 จาก 481 เบนช์มาร์ก ดังนั้นคะแนนรวมนั้นจึงเป็นพื้นมากกว่าจะเป็นคำตัดสิน

มีหลายสิ่งที่ไม่ได้รับการวัดเลย และเราเลือกที่จะบอกเช่นนั้นมากกว่าจะเติมเต็มช่องว่าง ไม่มีใครนอก MiniMax ที่ทำซ้ำตารางเกณฑ์มาตรฐานของผู้ขายข้างต้นได้ Artificial Analysis ไม่ได้เผยแพร่ตัวเลข Coding Index หรือ Agentic Index สำหรับ M3 ด้วยตนเอง — ตัวเลขคู่ 58.6 และ 30.8 มาจากบุคคลที่สามที่เผยแพร่ชุดดัชนีเดียวกันซ้ำ Artificial Analysis ระบุชื่อ AA-Omniscience เป็นองค์ประกอบของดัชนี แต่ไม่ได้เผยแพร่คะแนน Omniscience เป็นตัวเลขสำหรับ M3 MiniMax ไม่ได้เผยแพร่ตัวเลขเอาต์พุตสูงสุด ดังนั้น 512K บนหน้าโมเดลของเราเองจึงเป็นของเรา และไม่มีราคาเขียนแคชบนการ์ดอัตราค่าบริการของผู้ขายเลย

ใครควรเลือก MiniMax M3 และใครควรเลือกอย่างอื่น

เลือก MiniMax M3 เมื่องานเป็นแบบ long-context และ multimodal ในเวลาเดียวกัน หนึ่งล้านโทเค็นพร้อมอินพุตวิดีโอ น้ำหนักแบบเปิดที่คุณดาวน์โหลดและรันเองได้ และราคาอินพุต $0.30 ต่อหนึ่งล้านโทเค็น เป็นการผสมผสานที่ไม่มีสิ่งอื่นใดในวงการ open-weight เทียบได้อย่างลงตัว การวิเคราะห์เอกสารยาว ความเข้าใจวิดีโอ การอ่านโค้ดระดับรีโพซิทอรี และไปป์ไลน์การสกัดเอกสาร คือจุดที่ความแข็งแกร่งซึ่งวัดได้นั้นอยู่ — 91.6% บน OmniDocBench และ 83.0% บน AA-LCR คือตัวเลขที่สนับสนุนเรื่องนี้

เลือกอย่างอื่นในสามกรณี หากคุณไม่จำเป็นต้องใช้หน้าต่างบริบทหรืออินพุตภาพ MiniMax M2.7 มีค่าใช้จ่ายเท่ากันที่ $0.30/$1.20 ทำคะแนนได้ 23 เทียบกับ 29 ของ M3 ใน index revision ปัจจุบัน และเป็นสิ่งที่ดูแลจัดการได้เล็กกว่า — ข้อได้เปรียบของ M3 ไม่ได้มาฟรี มันแค่ตั้งราคาไว้ที่ป้ายเดียวกัน หากภาระงานของคุณเป็นเอเจนต์อัตโนมัติมากกว่าการเขียนโค้ด ช่องว่างเชิงเอเจนต์คือเหตุผลที่ควรไปดูที่อื่น และตารางเปรียบเทียบของ MiniMax เองก็ชี้ไปที่จุดเดียวกัน: บน PostTrainBench ผู้ขายรายงานว่า M3 ได้ 0.37 เทียบกับ 0.42 สำหรับ Opus 4.7 และ 0.39 สำหรับ GPT-5.5 ซึ่งเป็น benchmark ที่เผยแพร่เพียงรายการเดียวที่ M3 แพ้ทั้งคู่ และหากคุณต้องการใบอนุญาตที่ไม่มีเงื่อนไขผูกมัด โปรดอ่านย่อหน้าถัดไปก่อนตัดสินใจ

สัญญาอนุญาตคือจุดที่การรายงานหลายสำนักมองข้ามไป MiniMax M3 เผยแพร่ภายใต้ MiniMax Community License ไม่ใช่ Apache หรือ MIT การใช้งานที่ไม่ใช่เชิงพาณิชย์นั้นฟรี ส่วนการใช้งานเชิงพาณิชย์นั้นได้รับอนุญาต แต่คุณต้องแสดงข้อความ "Built with MiniMax M3" อย่างเด่นชัด หากมีรายได้ต่อปีต่ำกว่า 20 ล้านดอลลาร์สหรัฐ คุณต้องยื่นแจ้งครั้งเดียว แต่หากสูงกว่านั้น คุณต้องได้รับอนุญาตเป็นลายลักษณ์อักษรล่วงหน้าจาก MiniMax โดยส่งคำขอทางอีเมลที่มีหัวข้อ "M3 licensing - authorization request" สัญญาอนุญาตยังมีภาคผนวกว่าด้วยการใช้งานที่ห้ามไว้ด้วย หากคุณกำลังจะเปิดตัวผลิตภัณฑ์ นี่คือเรื่องที่ต้องตรวจสอบทางกฎหมาย ไม่ใช่แค่พิธีการ

บทสรุปเชิงปฏิบัติ

MiniMax M3 เป็นเรือธงรุ่นปัจจุบันของสายโมเดลภาษาของ MiniMax: โมเดลแบบ mixture-of-experts ที่มีพารามิเตอร์ราว 428B เปิดใช้งานราว 23B ต่อโทเคน รองรับบริบทหนึ่งล้านโทเคน รับอินพุตวิดีโอและภาพได้โดยกำเนิด และใช้ sparse attention ซึ่งผู้พัฒนาเคลมว่าช่วยลดการคำนวณต่อโทเคนลง 20 เท่าเมื่อใช้บริบทเต็ม เปิดตัวเมื่อวันที่ 1 มิถุนายน 2026 ดังนั้นจึงเป็นโมเดลที่วางตัวลงตัวแล้ว ไม่ใช่ของใหม่ — คำถามที่น่าสนใจในเดือนกันยายน 2026 ไม่ใช่ว่ามันดีหรือไม่ แต่คือมันเหมาะกับงานของคุณครึ่งไหน

คำตอบที่ได้จากการวัดคือ มันแข็งแกร่งด้านโค้ดและเอกสาร ธรรมดาในด้านความรู้ และอ่อนในงานแบบเอเจนต์อิสระ มันราคาถูกเมื่อเทียบกับสิ่งที่ทำได้ และเป็นโมเดล open-weight หายากที่คำอ้างเรื่องบริบทขนาดยาวยังคงผ่านการตรวจสอบอย่างอิสระได้ สัญญาอนุญาตคือส่วนที่ทีมส่วนใหญ่จะต้องเจรจากับตัวเอง

MiniMax M3 ทำงานบน OrcaRouter ในอัตราของผู้ให้บริการโดยไม่มีค่าบวกเพิ่ม ผ่าน endpoint ที่เข้ากันได้กับ OpenAI แบบเดียวกับทุกอย่างที่นี่: คีย์ API เดียวเข้าถึงโมเดลกว่า 200 รายการ พร้อมระบบสลับอัตโนมัติหาก endpoint ล่ม และ routing DSL เมื่อคุณต้องการปักหมุดหรือผสมผสาน หากต้องการเปรียบเทียบกับโมเดลอื่น ๆ ในแคตตาล็อกก่อนตัดสินใจ หน้าโมเดลมีตารางราคาแบบเรียลไทม์ เปอร์เซ็นไทล์เวลาไปยังโทเคนแรก และปริมาณการใช้งาน