MiniMax M3是什么
MiniMax M3是 MiniMax 推出的全新AI模型，具备领先的编程、Agent与长文本处理能力。模型采用创新的MSA稀疏注意力架构，支持1M超长上下文，效率提升20倍。同时原生支持图像、视频输入，可操控电脑桌面。在SWE-Bench等评测中超越GPT-5.5等模型，且已开源，可通过MiniMax Code、API等体验。
MiniMax M3的主要功能
- 编程与智能体 (Agent)：在SWE-Bench Pro编码测试中超越GPT-5.5等主流模型。能自主进行任务拆解、工具调用和多步推理，代码目标是可直接交付。
- 1M超长上下文：基于自研MSA架构，API最高支持100万tokens上下文窗口（至少保障512K tokens可用）。
- 原生多模态支持：支持图像与视频输入，能看懂论文中的图表公式，并具备模拟操作电脑桌面的能力。
- 高效模型架构：采用稀疏MoE架构，总参数量196B，但每次推理仅激活约11B参数，保证运行效率。
MiniMax M3的技术原理
- MSA稀疏注意力架构：模型采用自研的MSA（MiniMax Sparse Attention）机制，通过轻量级索引模块快速筛选出关键的KV块，再对这些块进行稀疏计算，大幅降低长序列下的计算量。
- 两阶段计算流程：在索引阶段，模型用一个低成本的注意力模块评估所有token的重要性；在稀疏阶段，只对筛选出的高价值块执行完整注意力计算，使100万token上下文的计算量降至传统模型的1/20。
- MoE混合专家结构：模型总参数量为196B，每次推理只激活约11B参数（约6个专家），在保持大模型容量的同时，显著提升推理速度和部署效率。
如何使用MiniMax M3
- 在线体验（MiniMax Code）：访问 MiniMax Code 官网 https://agent.minimaxi.com/download，无需部署可直接体验编程、长文本等能力。
- API 调用：访问 MiniMax 开放平台，获取 API 密钥，将 M3 集成到自己的应用或工作流中。支持图像/视频输入及 Agent 任务。
MiniMax M3的核心优势
- 顶尖编程与Agent能力：在 SWE-Bench Pro、Terminal Bench 等权威评测中达到国际领先水平，部分指标超越 GPT-5.5 和 Gemini 3.1 Pro，能完成端到端的代码交付与复杂任务自动化。
- 超长上下文 + 极致效率：支持 1M token 上下文，凭借自研 MSA 稀疏注意力架构，处理百万级 token 的计算量仅为传统模型的 1/20，预填充和解码阶段分别提速 9.7 倍和 15.6 倍。
- 原生多模态与桌面操作：直接支持图像、视频输入，可理解论文图表、公式等视觉信息，能模拟操作电脑桌面（如点击、输入），拓展 Agent 的应用边界。
MiniMax M3的同类竞品对比
| 对比项 | MiniMax M3 | GPT-5.5 |
|---|---|---|
| 编程能力 | SWE-Bench Pro 超越 GPT-5.5 | 优秀，但略低于M3 |
| 上下文效率 | 1M token，计算量仅1/20 | 支持1M但计算成本高 |
| 多模态 | 原生支持图像/视频/桌面操作 | 仅图像（需多模态版本） |
| 开源 | 完全开源 | 闭源 |
MiniMax M3的应用场景
- 智能软件开发：直接根据需求生成可交付的代码，完成自动化测试、代码重构与调试。Agent能力可自主调用工具、拆解任务，辅助完成完整项目开发。
- 超长文档分析：一次处理百万token（如数百页财报、整本技术手册或全部病历），进行摘要、问答、合同审查或多文档对比。
- 桌面自动化与数字员工：模型能“看懂”屏幕内容，模拟点击、输入等电脑操作，适用RPA流程自动化、软件测试、数据录入等场景。
- 多模态科研与教育：理解论文中的图表、公式、实验截图，辅助文献解读、实验复现；可用于教学课件分析与智能答疑。