Dots 对决 MiniMax M3：租用工人还是下载阅读器

本批次中最便宜的模型，也是你获准保留的那一个，而这一组合就是整个对比。MiniMax M3 于 2026 年 5 月 31 日发布，被描述为 MiniMax 的旗舰级开放权重基础模型：文本、图像和视频输入，文本输出，1,048,576 个 token 的上下文窗口，单次响应最多输出 512,000 个 token，标价为每百万输入 token 0.30 美元、每百万输出 token 1.20 美元，缓存读取为 0.06 美元——大约是同量 token 下前沿模型收费的十三分之一。Dots 是该公司始终在线的代理，于 2026 年 9 月 29 日在 DevDay 上宣布：它拥有自己的云计算机和浏览器，可在 4,000 多个已连接应用中工作，运行在 GPT-6 Astra 上，并随 Pro 和 Business Premium 提供，但未在任何地方公布额度数字。一个是你能握在手中的组件。另一个是只能订阅的服务。

价格并不是那个有趣的数字

每百万输入token三十美分是宣传重点，但真正有意思的是另外两个数字，它们决定了你能提出什么样的请求。第一个是512,000 token的最大输出——是GPT-5.6 Sol单次响应输出量的六倍，也是这组对比中所有模型里最高的输出上限。第二个是长上下文召回率83分，这个分数足够高，说明这个上下文窗口是一块可用的工作台面，而不只是规格表上的一个数字。

把这些放在一起，一类特定的任务就变得成本低廉：从长长的源内容生成长长的产物。一本为不同受众重写的 400 页技术手册。一份根据整个代码仓库生成的迁移指南。一份本身就有一篇报告那么长的研究综述。在每百万 $0.30 和 $1.20 的价格下，一项在前沿模型上会是四位数账单的工作，在这里只是舍入误差——而输出上限以数十万 token 而非数万 token 来衡量，正是这一点让它成为一次请求，而不是二十次。

关于测量，有一点值得说明。我们目录的延迟面板报告称，在同一七天窗口内，M3 的首个 token 中位时间为 10.00 秒，而该窗口显示的流量为 1835 万个 token，这一数字恰好位于面板显示范围的上限。应将其视为窗口造成的假象，而不是对模型本身的刻画。流量数字才说明人们确实在使用它。

视频是没人会提前规划的输入

视觉如今已是基本门槛，因此仍能形成差异的模态是视频。M3 原生支持视频，与文本和图像并列，而这改变的是流水线的形态，而不只是在一份能力清单上多添一项。一批屏幕录制构成的支持归档、一组行车记录仪片段、一个学期的课程录像——这些以前都是预处理难题，你得用一个工具抽帧，再用另一个工具进行描述。能直接读取视频的模型把两个阶段压缩为一次调用。

这也让成本计算变得更难预测，因为让模型“看”视频的成本很高，而文本并非如此，并且账单上最大的数字通常是没人做过预算的那部分输入。低廉的每 token 费率正是让这种实验变得安全的原因：按每百万输入 token 0.30 美元计算，偶尔进行一次五小时的摄取，其成本低到足以直接做原型验证，而不必在规划会上争论。

开放权重实际上改变了什么

MiniMax 将 M3 描述为一个开放权重模型，这意味着权重是公开发布的，而不只是通过服务提供，而这与订阅是性质不同的保证。如果 MiniMax 明天停止提供服务、调整价格，或弃用该标识符，这个模型也不会消失——它会在你已经购置的硬件上继续运行，采用任何适合的量化方式。在一般情况下，这并不会让自托管变得更便宜；自己服务一个大型稀疏专家混合模型是一项真正的工程。它让这种依赖变得可存续，这是一个不同的说法，而当你决定要基于什么来构建时，重要的正是这一说法。

一个点提供的保证恰好相反。OpenAI 掌握着计算机、浏览器、连接器和额度，而一旦其中任何一项发生变化，你唯一的补救办法就是不再使用它。这是一种公平的安排——租赁正是大多数团队应当起步的方式——但这并非同一种安排，而两者的差异只有在真正要紧的那一天才会显现出来。

改变决策的六个差异

• 保障 —— 一边是可以随时更改条款的服务，另一边是你能一直保有的权重（MiniMax M3 被描述为开放权重；而一个点在任何意义上都无法下载）

• 每单位工作的成本——以点表示未公布，相较于每百万 token $0.30 和 $1.20，缓存读取为 $0.06，是本对比集中最低的费率

单请求上限——{{1}}一个点{{/1}}都未见文档记录，却对应 1,048,576 个输入 token 和 512,000 个输出 token

• 输入模态 —— Dot 使用消息和已连接应用数据，而模型则使用文本、图像和视频

• 输出模态——其他软件内部的更改，针对文本且仅针对文本

• 独立地位——没有任何基准测试存在，哪怕是一个点；M3 的 Artificial Analysis 智能指数为 29.2，在 145 个被测模型中位列第六十，处于中游水平，在你以为低价就能换来前沿推理能力之前，这一点值得了解。事实并非如此。

每一项如何为自己在发票上赢得一行

对 M3 已公布的能力概况，最诚实的解读是：它是一个走量型模型，而非前沿模型：GPQA Diamond 上 92.9 分具有竞争力，SWE Bench Pro 上 59 分也算体面，而处于中游的 Intelligence Index 才是关键所在。它真正胜出的地方依次是单位工作量的成本、输出上限、视频和可部署性。这是一个适合放在流水线中昂贵层之下的模型——也就是摘要、抽取、转写、生成长文本和大量并行尝试这些步骤——而不适合放在流水线的最上层。

OrcaRouter 将其以minimax/minimax-m3的形式提供，按 MiniMax 的供应商标价、零加价，与200 多个模型同处一个只需一把密钥的目录，并具备跨上游供应商的自动故障转移以及一套路由 DSL，可将单个请求发送给最该处理它的模型。正是这种安排，让两层分离从理论变为可行：同一把密钥既能触达用于大批量处理的廉价模型，也能触达那些必须准确的调用所需的前沿模型，而不会有任何东西以「点」的形式出现——因为「点」根本不在目录之中：没有端点，没有标识符，也没有替代性的智能。

周一做什么

如果你有一批音频或视频语料，却没有便宜的办法去查看它，那就从那里开始：M3 是这一组里唯一能以这个价格原生读取视频的模型，而且这个实验几乎不花什么钱。如果你有一类工作总是因为没人跟进而被搁置，dot 就是为此打造的产品，而按量计费的模型不会假装自己是它。

只有当你假定其中一方必须胜出时，这两者才会冲突。订阅负责追逐；下载下来的阅读器负责阅读。拥有后者，租用前者，并让二者之间的边界足够明确，明确到你可以替换其中任何一个，而不必重写另一个。