什么是 MiniMax M3？MiniMax 的 1M 上下文多模态旗舰

MiniMax M3 是一款原生多模态、开放权重的语言模型，来自推出 M 系列文本模型、Hailuo 视频模型和 Music 系列的中国实验室。该实验室于 2026 年 6 月 1 日发布该模型，它从 MiniMax M2.7 手中接过了公司自家模型列表的头把交椅，带来了一百万 token 的上下文窗口、原生文本-图像-视频输入，以及该实验室称为 MSA 的稀疏注意力架构。

本博客的存档中有十四篇文章提到了 MiniMax M3。但直到现在，没有一篇是真正关于它的。这个模型在一次又一次的对比中作为对手出现——成为更新一代的 Gemini、Qwen、Grok 或 GPT 被拿来衡量的开放权重参照点——而这里始终没有一页能让读者落脚，去了解 MiniMax M3 究竟是什么。这一页就是。

规格表

MiniMax M3 是一种混合专家模型，总参数量约为 4280 亿，每个 token 激活约 230 亿参数，这是根据 MiniMax 随权重一同发布的模型卡所述。它原生就是多模态模型，而非在纯文本基础上外挂视觉能力：模型卡描述其从第一步训练起就采用交错模态，并且该模型接受文本、图像和视频输入，返回文本。

• 上下文窗口：1,048,576 tokens，我们自己的目录条目中写明可用上下文保证至少为 512,000 tokens
• 最大输出：我们的目录页上为 512,000 tokens；MiniMax 并未在自己的材料中公布最大输出数值，因此请将 512K 视为我们的数据，而非厂商的数据
• 模态：输入支持文本、图像和视频；输出为文本
• 参数规模：总计约 428B，每个 token 激活约 23B
• 推理控制：一个 thinking 参数，支持 enabled、adaptive 和 disabled 三种模式
• 推荐采样参数：temperature 1.0，top_p 0.95
• 架构：MiniMax 稀疏注意力（MSA），即 arXiv 论文 2606.13392 的主题
• 端点形式：兼容 OpenAI 的聊天补全（chat completions）

最受关注的架构主张关乎长上下文下的注意力成本。MiniMax 表示，在百万 token 窗口下，MSA 的预填充速度比 M2 快 9 倍以上，解码速度快 15 倍以上，并将单 token 计算量削减至上一代的大约二十分之一。这些都是厂商提供的数据，我们尚未看到它们被独立复现。

MiniMax M3 在 MiniMax 自家产品线中的定位

它是语言产品线中的顶配，但值得精确说明这条产品线包含什么，因为 MiniMax 保留的仍在列模型的长尾比大多数实验室都长。厂商自家的模型文档将其分为两类。

• 当前模型：MiniMax M3、MiniMax M2.7、MiniMax M2.7-highspeed
• 旧版模型（仍在列）：MiniMax M2.5、MiniMax M2.5-highspeed、MiniMax M2.1、MiniMax M2.1-highspeed、MiniMax M2
• 其中最早的 MiniMax M2 拥有 200,000 个 token 的上下文，以及包含思维链在内的 128,000 个 token 最大输出
• MiniMax 未在同一文档中公布 M2.7 或 M2.1 的上下文或输出限制

代际差距确实存在，但在两个模型都上榜的同一个指数上并不巨大。Artificial Analysis 在 Intelligence Index 修订版 v4.3.2 中给 MiniMax M3 打出 29 分，在同一修订版中给 MiniMax M2.7 打出 23 分——29 分使 M3 在该修订版的榜单中位列 114 个模型中的第 16 名，23 分使 M2.7 位列第 36 名。M2.7 于 2026 年 3 月发布。这次跃升只是一步，而不是一代，而且值得从同一修订版中读取这两个数字：该指数于 2026 年 9 月 7 日重新校准，该日期之前的分数与之后的分数不可比。

费用是多少

MiniMax 在其按量付费价格表中按请求规模为 M3 定价，公布的价格相较于更高的标价享有永久五折优惠。

• 最多 512K 个输入 token：每百万个输入 token 0.30 美元，每百万个输出 token 1.20 美元，每百万次缓存读取 0.06 美元——而标价为 0.60 / 2.40 / 0.12 美元
• 超过 512K 个输入 token：每百万个输入 0.60 美元，每百万个输出 2.40 美元，每百万次缓存读取 0.12 美元——而标价为 1.20 / 4.80 / 0.24 美元
• 优先服务层级：标准费率的 1.5 倍，因此在小请求层级上为 0.45 / 1.80 / 0.09 美元，可通过将 service_tier 设置为 "priority" 来选择
• 未公布：MiniMax 未列出 M3 的缓存写入价格，仅列出缓存读取价格

OrcaRouter 以相同的价格提供 MiniMax M3——输入 $0.30，输出 $1.20——且在提供商费率之上没有任何加价。它是我们目录中的特色模型，流量也绝非微不足道：截至撰写本文时，过去七天路由了 1.537 亿个 token，首 token 延迟 p50 为 4.26 秒，p95 为 10.00 秒。

MiniMax M3 在哪些方面有可衡量的优势

从 MiniMax 自己报告的数字说起，这些数字全部由厂商自行报告，我们尚未见到任何第三方复现过其中任何一个。

• SWE-Bench Pro：59.0%
• Terminal-Bench 2.1：66.0%
• SWE-fficiency：34.8%
• MCP Atlas：74.2%
• BrowseComp：83.5，这是供应商在智能体搜索方面主打的数据
• Video-MME：512 帧下为 84.6，而外部 API 将帧数上限设为 640
• KernelBench Hard：28.8%
• OSWorld-Verified：在最多 100 步时为 68.70%，到 200 步时升至 70.06%

独立评估在方向上也是一致的。Artificial Analysis 在 v4.3.2 修订版上给 MiniMax M3 的 Intelligence Index 打分为 29，在 114 个模型中排名第 16，运行该指数每个模型的成本为 $0.51——在该成本指标上位列 114 个模型中的第 21 位。输出速度为每秒 106.4 个 token，而中位数为 67.1；首个 token 时间为 1.25 秒，而中位数为 2.33 秒。这两项都优于该层级的典型水平，而价格则远低于该层级。

同一指数系列的第三方转载补全了各项子分数：SWE-bench Verified 为 80.5%，tau-squared-bench 为 88.9%，AA-GPQA Diamond 为 92.9%，AA-LCR 为 83.0%，AA-IFBench 为 82.9%，OmniDocBench 1.5 为 91.6%，USAMO 2026 为 85.7%。文档理解与指令遵循看来是货真价实的强项，而长上下文推理得分也与架构层面的说法相吻合。

它在哪些方面可衡量地表现不佳

真正的弱点集中在两个地方，而两者都可以在已公布的数据中看到。

• 智能体差距是最大的问题：在同一份第三方转载中，MiniMax M3 在 AA Coding Index 上得分 58.6，但在 AA Agentic Index 上只有 30.8。它编写代码的能力，远强于其自主推进一项长多步骤任务的能力。
• 知识与幻觉：AA-Omniscience Index 为 1.4，准确率为 16.7%，幻觉率为 18.4%。这是一个会对自己并不知道的事情自信作答的模型。
• OSWorld 2.0：4.6%
• CritPt：3.7%，这是我们在任何地方找到的 M3 已公布得分中最弱的一项
• ResearchClawBench：19.8%
• 冗长度：为完成 Intelligence Index 输出了 1.2 亿个输出 token，在 114 个中排名第 11 —— 这是一个话多的模型，而在推理密集型提示上，这会体现在账单上
• 综合得分下限：一家第三方聚合机构将其评为 100 分中的 55.28 分，在 505 个中排名第 60，不过这基于 481 个基准中 50 个基准的部分覆盖，因此该综合得分是下限而非定论

有几件事根本就没有被测量，而我们宁愿如实说明，也不愿去填补空白。除 MiniMax 之外，没有任何人复现过上文中厂商的基准测试表。Artificial Analysis 并未单独为 M3 发布 Coding Index 或 Agentic Index 的数值——58.6 与 30.8 这一对数字来自第三方对同一指数体系的转载。Artificial Analysis 将 AA-Omniscience 列为自身指数的一个组成部分，却没有发布 M3 的任何 Omniscience 数值分数。MiniMax 没有公布最大输出数值，因此我们自己模型页面上的 512K 是我们给出的。而厂商费率卡上完全没有缓存写入价格。

谁应该选择 MiniMax M3，谁又应该选择其他产品？

当任务同时需要长上下文和多模态时，选择 MiniMax M3。100 万 token 并支持视频输入、可自行下载运行的开放权重，以及每百万 token 0.30 美元的输入价格，这一组合在开放权重领域没有其他方案能与之完全匹敌。长文档分析、视频理解、代码库级代码阅读和文档提取流水线正是其经实测的优势所在——OmniDocBench 上的 91.6% 和 AA-LCR 上的 83.0% 就是支持它的数据。

在三种情况下，请另选其他。如果你不需要上下文窗口或视觉输入，MiniMax M2.7 的价格同样是 $0.30/$1.20，在当前索引修订版上的得分为 23，而 M3 为 29，并且它运行起来更轻量——M3 的优势并非免费，只是标价相同。如果你的工作负载是自主智能体而非编程，那么智能体能力差距就是另寻他处的理由，而 MiniMax 自己的对比表也指向同一处：在 PostTrainBench 上，厂商报告 M3 为 0.37，而 Opus 4.7 为 0.42，GPT-5.5 为 0.39，这是其发布的唯一一项 M3 同时输给两者的基准测试。如果你需要没有附加条件的许可证，那么在做出承诺之前请阅读下一段。

许可证才是许多报道都略过的关键所在。MiniMax M3 以 MiniMax Community License 发布，而非 Apache 或 MIT。非商业用途免费。商业用途是允许的，但你必须显著展示“Built with MiniMax M3”。年收入低于 2000 万美元时，你只需提交一次性通知；高于该门槛时，你需要获得 MiniMax 的事先书面授权，并通过电子邮件提出请求，邮件主题为“M3 licensing - authorization request”。该许可证还附有一份禁止用途附录。如果你要发布产品，这是一项法律审查，而不是走个形式。

实用摘要

MiniMax M3 是 MiniMax 语言模型产品线当前的旗舰：一个约 428B 参数的混合专家模型，每 token 约 23B 激活参数，支持一百万 token 上下文、原生视频与图像输入，以及稀疏注意力——厂商称其在满上下文下将每 token 计算量降低了 20 倍。它于 2026 年 6 月 1 日发布，因此这是一个已经定型的模型，而非新模型——到 2026 年 9 月，有意思的问题不是它好不好，而是它适合你工作负载的哪一半。

经过实测的结论是：它在代码和文档方面很强，在知识方面表现平平，在自主智能体工作方面较弱。就其所做的事情而言，它很便宜，而且它是少有的开放权重模型——其长上下文能力主张经得起独立审视。许可证则是大多数团队需要自己和自己协商的部分。

MiniMax M3 在 OrcaRouter 上以供应商原价运行，零加价，通过与其他所有服务相同的 OpenAI 兼容端点接入：一个 API 密钥即可调用 200 多个模型，端点掉线时自动故障转移，还可使用路由 DSL 来固定或混合路由。若想在确定使用前将它与其他模型目录做个对比，模型页面上有实时费率表、首 token 耗时百分位数和流量数据。