深度拆解 MiniMax M3：一台水桶机，亲手锯掉了自己唯一的长板

如果把这两年的国产大模型摆成一条美食街，MiniMax 一直开的是那家沙县小吃。

不是说它差。是说它定位极其清晰：不主打好吃，主打便宜、量大、管饱，开遍全国每个街角。去年那款 M2，靠着"性能 T1 中游、价格只有 Opus 零头"的打法，成了开源圈一阵旋风——官方那条推文的标题就叫"Mini Price, Max Performance"，迷你的价格，最大的性能。在一个 Opus、GPT、Gemini 神仙打架、动辄几十刀输出价的市场里，MiniMax 把自己的护城河挖在了一个谁都懒得跟它抢的地方：便宜。

今天，2026 年 6 月 1 日，沙县小吃发布了自己的米其林宣言。

M3 一口气端出三道招牌菜：100 万 token 的超长上下文、从第一步就原生训练的多模态、对标 Opus 和 GPT-5.5 的前沿编程能力——而且是目前唯一把这三样塞进同一个开放权重模型的玩家（权重和技术报告，官方说 10 天内放出）。摆盘对标人均千元的法餐，气势很足。

问题出在两个地方。一是菜端上来，实测是预制菜水准；二是结账时我看了眼账单——它按米其林收。

这篇我们就掰开揉碎，看这台"什么都想要"的水桶机，到底端出了什么，又悄悄拿走了什么。

一、先把三道招牌菜摆上桌

M3 的卖点是"三合一"，我们一道一道看，顺便把里面的黑话翻译清楚。

第一道：100 万 token 上下文，靠一个新注意力机制撑起来。

上下文窗口你可以理解成模型的"工作记忆"——一次能塞进多少字让它同时看着。1M token 大概是一整个中型代码仓库、或者几百页文档的量级。难点在于，传统注意力机制（full attention）的计算量是随长度平方增长的：长度翻一倍，算力翻四倍。撑到 1M，成本会爆炸。

MiniMax 的解法是自研的一套稀疏注意力，名字叫 MSA（MiniMax Sparse Attention）。稀疏注意力的思路，是不让模型在每个字上都把前文从头扫一遍，而是先做一道"预筛选"，只精算那些真正相关的片段。MSA 的工程取巧在于一个叫"KV outer gather Q"的算子设计——每个数据块只读一次、内存访问连续，按官方的说法，比开源界现成的 Flash-Sparse-Attention 快 4 倍以上。

落到结果上：在 1M 上下文长度下，M3 每个 token 的计算量只有上一代的 1/20，预填充阶段提速 9 倍以上、解码阶段提速 15 倍以上。这是 M3 这次最硬、也最没水分的一块——架构层面的真创新，不是调参堆出来的。

MiniMax 官方给出的 MSA 结构图：先用 GQA 做块级索引和 Top-k 选择（Step 1），再只在选中的块上算稀疏注意力（Step 2）。来源：minimax.io/blog/minimax-m3

第二道：原生多模态，从第 0 步就混着练。

“原生多模态"这个词要解释一下，因为它和"后接一个视觉模块"是两回事。很多模型是先把语言练好，再缝一个看图的接口上去，图文是两套语义、勉强对齐。M3 走的是另一条路：从预训练的第 0 步开始就把文字、图像、视频混在一起喂，让不同模态的语义空间从底层就长在一起。官方为此重建了整条数据管线，把训练数据规模拉到了 100T token 这个量级。

能力上，M3 支持图片和视频输入，甚至能直接操作电脑桌面——这一条后面讲它的 Agent 工具时会用到。

第三道：前沿编程与 Agent 能力。

这是 MiniMax 这次最想让你记住的卖点。官方海报上，M3 在一串编程评测里数字都很漂亮：

数字单看都不错。但 benchmark 这东西，恰恰是最容易骗人的地方。我们下一章就拿全表来对一对。

二、官方海报的摆盘，和全表的真相

先说我评价一个模型的老规矩：不信单一榜单。客观 benchmark、LM Arena 的人类盲评、OpenRouter 上真金白银的消费者用量，三者交叉，没有明显偏离才算数。因为业界有大量 benchmark 在变相鼓励"高分低能”——在测试集上训练、或者专挑自己赢的那几个小众评测往海报上印，让你误以为它性价比很高。

M3 的官方海报，就是一份教科书级的"精选展示"。

MiniMax 官方发布图，精心挑了四个对手：M3 vs Opus 4.7 vs GPT-5.5 vs Gemini 3.1 Pro。来源：minimax.io/blog/minimax-m3

你盯着这张图看一会儿就会发现门道。它确实有赢的：SVG-Bench 上 M3 的 63.7 是四个里最高，MCP Atlas、BrowseComp、BankerToolBench 也咬得很紧。但官方放在通稿里吹的那个 Terminal-Bench 2.1 “66.0%"——你看图就明白了，GPT-5.5 是 78.2，Gemini 是 70.3，连 Opus 4.7 都有 66.1，M3 这个 66.0 是四个对手里垫底的，差着 0.1 没够到 Opus。GDPval 那一栏，M3 的 74.7 也被 Opus 的 79.8、GPT 的 80.6 压在底下。把一个垫底的数字挑出来当卖点，这就是摆盘的艺术。

真正诚实的一张图，是 MiniMax 自己也放了、但你得往下翻才看得到的全量对比表。我把它拉出来——这次连开源同行 DeepSeek V4 Pro、GLM 5.1、Kimi K2.6 一起摆上：

M3 全量评测对比表，9 个模型横向铺开。把视线放到 Opus 4.7 那一列，再放到右边开源三兄弟那几列。来源：minimax.io/blog/minimax-m3

故事全在这张表里。

编程主菜上，最能代表真实开发的 SWE-Bench Verified，M3 是 80.5——Opus 4.7 是 87.6，GPT-5.5 是 82.9，而开源同行 DeepSeek V4 Pro 也有 80.6、Kimi K2.6 是 80.2。换句话说，M3 在这一项上，跟它本该拉开差距的开源兄弟打成了平手，离 Opus、GPT 那一档还差着一整个身位。再看 SWE-fficiency（34.8 对 Opus 42.2、GPT 46.6）、GDPval、终端执行这些最主流的编程 / Agent 硬指标，M3 普遍排在 Opus 和 GPT 后面。

（顺带说一句，MiniMax 这张表对标的是 Opus 4.7——而 Anthropic 就在几天前、5 月 28 日，刚发布了更强的 Opus 4.8。真正的天花板，比表上画的还要再高一截。）

V2EX 上有个老哥一句话，把这种"宣传和体验对不上"的落差说透了：

“评测没输过，实测没赢过。”

这话损，但点到了要害。M3 当然有赢的地方——SVG 生成、文档解析、端到端 Agent 这几项它实打实拿了第一；可一旦把全表摊开、把真正的同行请进来，在最要命的那几项主流编程评测上，它就再难甩开谁。它的真实身位，不是官方通稿里"逼近 Opus"那个旗舰相邻位，而是稳稳卡在国产开源第一梯队的中游，和 DeepSeek、GLM、Kimi 这帮兄弟挤在同一条板凳上。

说句公道话，这不丢人，甚至是进步。比起自家的 2.5 和 2.7，M3 是货真价实的一次大跨步；MSA 是真创新；SVG 生成、文档解析（OmniDocBench 91.6 是全表最高）、端到端 Agent 这几个点上它是真的能打。

所以 M3 不是垃圾。它是一个扎实的、有真本事的中游选手，问题在于 MiniMax 想卖给你的是一个旗舰的价签。而它的"真本事”，还真有两件拿得出手的——这是我想先替它说的公道话。

三、先把话说回来：它真不是花架子

把全表的冷水泼完，得给 M3 一个公道。因为有两件事，是它实打实做到、大部分模型做不到的——不是 benchmark 上多零点几个百分点，是那种需要"坐得住"的长程硬仗。

第一件，是让 M3 独立复现一篇论文。MiniMax 丢给它的是一篇拿了 ICLR 2025 杰出论文奖的硬核工作《Learning Dynamics of LLM Finetuning》，研究大模型微调时的"学习动力学"，要它从零把实验跑出来。M3 自主跑了将近 12 个小时，期间提交 18 次 commit、画出 23 张实验图，最后不光复现了论文里 SFT 阶段的预测概率变化趋势，还观察到了 DPO 实验里的"挤压效应"，连原文提出的缓解办法都验证了一遍。这中间，多模态用来读懂论文里的曲线和公式，1M 长上下文保证论文、代码、实验日志能一次性全塞进去，编程和 Agent 能力负责把活干完——三样能力第一次在一条长任务里真正咬合上了。

第二件更能说明问题。MiniMax 让 M3 去优化一个 CUDA 算子：英伟达 Hopper 架构上的 FP8 矩阵乘法，是大模型推理里最难啃、资深工程师手写都要一两周的硬骨头。给它的只有一份任务描述、一个评测脚本，外加一个跑都跑不起来的代码骨架，没有任何现成的高性能实现可以抄。M3 连续干了大约 24 小时，提交 147 次、调用工具 1959 次，把硬件算力利用率从最初版本的 7.6% 一路逼到 71.3%，相对初版提速 9.4 倍。

最值得记住的是过程里一个细节：官方说，除了 Opus 4.7 和 M3，其它模型基本在前 30 次提交就没辙、自己退出了；而 M3 的最优解，出现在第 145 次提交——在那之前，它撞过好几次"怎么改都不动"的性能平台期，却没放弃，换着方向接着试。

这种"撞墙了还接着试一整天"的长程耐力，是 M3 真正的高光。它和上一章"实测没赢过"并不矛盾：M3 不是不行，是它的强项藏在那些需要一整天、几百次迭代才显出来的地方，而不是你早上随手丢三道题就能感受到的地方。

记住这个反差。因为下一章，你会看到它的另一面。

四、雷霆大思考：实测是什么样子

benchmark 是考场，实测是工地。两者经常对不上。

发布当天，国产社区已经有人上手了。有位测评的老哥给的标题特别传神——“进步了，但雷霆大思考”。

社区实测：M3 拓展到 1M、有了多模态，“能力还算说得过去”，但"中等偏下，和半年前的 GLM5 打个平手"。来源：locdd.com 社区

他的原话是这样的：

“今天早上测这么几道题给我截断了一万次。思考效率比 DeepSeek 都差，经常是思维链吃满 output token 就断了。”

“相比自家的 2.5 和 2.7 进步卓著……能力实际来说中等偏下，和半年前的 GLM5 打个平手。”

“雷霆大思考"这四个字，是这次实测最值得记住的吐槽。意思是 M3 答题时特别爱想，思维链（模型把推理过程一步步写出来的那段内容）拉得又臭又长，经常还没想到答案，就把这一轮的输出额度（output token）给写满了，然后——啪，断了。你以为它在深思熟虑，其实它在原地烧稿纸。

这个毛病单看是体验问题，但它和后面的账单是连着的。因为输出 token 是要按量收费的，而且是模型里最贵的那部分。一个爱写长思维链、还经常写到一半断掉的模型，意味着你每问一个问题，都在为它的"雷霆大思考"反复付费。参数规模上去了、token 烧得更快了，这笔账，最后是用户买单。

至于那句"和半年前的 GLM5 打个平手”——智谱的 GLM-5 是今年 2 月发布的旗舰，744B 参数、MIT 协议开源、白送，编程能力当时就逼近了 Opus 4.5。一个 6 月发布的新旗舰，实测被按在一个开源了快四个月、还不要钱的模型旁边比，这本身就说明了它的真实身位。

五、账单按米其林收：把涨价包装成促销

来到这篇最该讲清楚的地方——钱。因为 MiniMax 这次最敏感的动作，全在定价上。

很多人这两天在转一个数字：“M3 才 0.3 刀输入、1.2 刀输出，真便宜！"——先别急着高兴，这个价是有时效的。我们看官方自己那张定价表：

M3 官方 API 定价。注意标准价那一栏，和最底下那行小字。来源：minimax.io/blog/minimax-m3

M3 的标准价（512K 以内）是：输入 0.60 刀 / 百万 token，输出 2.40 刀。512K 到 1M 的长上下文档位，直接翻倍到 1.20 / 4.80。底下那行用小字写的”≤512K — 50% off for 7 days"才是关键：网上传的 0.3/1.2，是只持续 7 天的开业五折。七天之后，价格自己变回 0.60/2.40。

这是典型的零售刺客手法。用一个限时半价做锚点，让你以为占了便宜，等你把工作流迁过来、习惯养成了，促销一过，原价生效。开业大酬宾，过期恢复门市价，跟健身房卖年卡是一个套路。

而"原价"是什么概念，得放进 MiniMax 自家的历史里才看得清。从 M2 一路到 M2.7，它的标准 API 价格一直钉在 0.30 输入 / 1.20 输出，雷打不动：

看清楚这张表的门道了吗。M3 的标准价 0.60/2.40，输入和输出都是上一代标准价的整整两倍。而 0.60/2.40 这个数你应该眼熟——它恰好就是上一代 M2.7 那个要加钱才买得到的"高速档"价钱。以前你想跑得快才多掏的钱，现在成了 M3 的起步价。

至于全网在传的 0.30/1.20？那只是 7 天 5 折之后的临时数字。说穿了，这个"五折促销"不过是把价格暂时打回上一代的标准水平，让你先尝个甜头，七天一过，自动翻倍。长上下文那一档更狠，0.60 翻到 1.20、2.40 翻到 4.80，直接是老标准价的四倍（而且目前还是限时限量开放）。

这种"模型一变大、价格就跟着翻"的剧本，前不久 DeepSeek V4 Pro 才刚演过一遍：庞大的参数体量压上来，上线价格比前代跳了一大截，贵到挨了一轮骂，后来靠紧急降价才找补回来。参数上去、成本上去、“性价比"招牌松动，是一条已经有人走过的路。M3 这次，是 MiniMax 版的同一个故事。

订阅套餐（Token Plan）那边，是另一种更隐蔽的涨法。

M3 的 Token Plan 三档订阅（国际版）：Plus 20 刀约 17 亿 token，Max 50 刀约 51 亿，Ultra 120 刀约 98 亿，全模态共享额度。来源：platform.minimax.io

国内订阅页那边，社区转述的三档大致是 ¥49 约 6 亿 token、¥119 约 18 亿、¥469 约 55 亿。月费数字看着没涨，但社区给这次调价起了个名字，叫"套餐变相涨价”。变相在哪？老的 Coding Plan 是按请求次数算的：多少次调用 / 每 5 小时，跟模型多大没关系。新的 Token Plan 改成了按 token 量算。配上 M3 这个参数更大、思维链更长、动不动"雷霆大思考"的吃 token 大户，同样的钱，现在烧得比以前快得多。月费没动，但对长思考、长上下文、重度 Agent 这些场景，同一笔钱实际能跑完的活很可能不如从前——这就是"变相"二字的来历。

一句话总结这一章：MiniMax 把一次涨价，包装成了一次促销。

六、自带的那把刀：MiniMax Code，对标的正是 Claude Code

M3 这次没光发模型，还配了把专用的刀——MiniMax Code，一个为 M3 量身训练的 Agent 工具。

这里得先把"Harness"这个词讲明白，因为它现在是评价模型时绕不开的变量。Harness 指的是承载大模型去干 Agent 活的工程框架——Claude Code、Codex、Gemini CLI 都是 Harness。同一个模型，套在不同 Harness 上，表现能天差地别。我自己就有体会：同样是 GLM-5.1，跑在 Claude Code 里的编程能力，明显强过跑在别的框架里。在 Agent 时代，Harness 是模型真正的入口，模型再强，没有趁手的 Harness 也使不出力。

所以 MiniMax 自己下场做 Harness，方向是对的。更有意思的是它的对标对象——官方博客里白纸黑字点了名：

“我们注意到 Claude Code 最近也发布了方向类似的 Dynamic Workflows。相比 Claude Code 更强调基于 JS 代码的固定编排，MiniMax Code 更专注于’深度反思与持续纠错’。”

这句话我读着格外有感触。因为上周我刚拆完 Claude Opus 4.8，里头最重的篇幅就是给它那套 Dynamic Workflows——用 JavaScript 把多个子 Agent 的协作写成确定性的脚本。转头 MiniMax 就在发布会上点名要走一条不一样的路：不写死的脚本，而是让 Agent 团队（Agent Team）边干边反思、实时调整计划，靠一个"生产者 + 验证者"（Producer + Verifier）的对抗循环自我纠错，号称能无人值守连干好几天。再加上 M3 的原生多模态，它还能直接操作电脑。官方举的例子是：你在手机上说一句"帮我打开本地 ERP，照着这张 Excel 批量录发票"，它就跨应用把活干了。

听上去很美。底层还很厚道——MiniMax Code 是基于开源项目 OpenCode 和 Pi 搭的，官方说将来也打算把它开源回馈社区。模型权重和技术报告，也承诺在发布后约 10 天放出。这些都是加分项，是 MiniMax 一贯的开源人设在撑着。

但理想和现实之间，隔着一个"能不能用"。还是 V2EX 那个聊"变相涨价"的帖子里，有人补了一刀：

“有了自己的 code agent 工具，MiniMax Code。但是太草台班子了，官网点击下载没有反应。”

一把对标 Claude Code 的刀，发布当天官网的下载按钮点了没反应。这就是 MiniMax 的某种缩影：想法和方向都对，benchmark 和愿景都漂亮，落到"用户真能不能顺畅用上"这最后一公里，总差一口气。

七、那么，这台水桶机到底卖给谁

泼了这么多冷水，得给个公道的结论：M3 不是不能买，是看你是谁。

如果你是这几种人，M3 真有它的位置：

• 你需要那 1M 上下文。整库代码理解、超长文档解析，M3 的 MSA 把长上下文的成本压下来了，这是它的硬长板，闭源旗舰跟你按豪华价收，它至少便宜。
• 你要多模态，又不想付旗舰价。图、视频、文档一把抓，M3 在这一档的性价比是真实的。
• 你是 Pay As You Go 的轻度 / 创意用户，追求情绪价值和够用就行，不追求绝对性能。这类场景我自己就把一部分 ComfyUI 工作流从 Gemini Flash 换成了 DeepSeek V4 Pro——逻辑一样：中等性能 + 能接受的成本 + 够用的生态，就行。

但如果你是冲着"便宜"来的老 MiniMax 用户，或者你是个重度编程用户——那 M3 大概率会让你失望。冲便宜的，会发现招牌已经被锯了；重度编程的，会发现它实测追不上 Opus，甚至追不平价格更狠的开源同行，而你为它的"雷霆大思考"付的 output token 账单，正在悄悄变厚。

收尾：护城河不在"全面"，在"便宜"

回到开头那家沙县小吃。

M3 这一步，本质是一场豪赌：MiniMax 想用"全面"（1M、多模态、前沿 coding 三合一）换掉自己"便宜"的旧人设，从街角小吃往米其林挪一挪。技术上它确实够到了"唯一一个三合一开放权重模型"的名头，MSA 也是真东西。

可它赌错了一样东西。在这个 Opus、GPT、Kimi、GLM 神仙打架的市场里，MiniMax 唯一守得住的护城河，从来不是"全面"（全面它打不过旗舰），而是"便宜"。现在它亲手把这条长板锯了，去拼一个自己并不占优的"全面"赛道，结果就是一台标准的水桶机：样样及格，样样不顶尖，而那块本可以让它鹤立鸡群的便宜，没了。

它真正要面对的对手，甚至不是 Opus。是那个今年 2 月就开源、MIT 协议白送、编程跟它有来有回的 GLM-5（更新一档的 GLM-5.1 还在 MiniMax 自己的对比表里跟它咬着）；是 Kimi K2.6，是占着性价比中游位置的 DeepSeek V4 Pro。当同行又强又开源又便宜，一台样样及格、价格还倒涨一倍、自带的刀连下载按钮都点不动的水桶机——

它到底要卖给谁？

这个问题，我猜 7 天促销结束那天，MiniMax 自己会先收到答案。

主要来源

本文的事实、定价与 benchmark，来自 MiniMax 官方博客与定价页、第三方平台，以及社区一手实测，涉及来源包括：

• 🚀 MiniMax M3 官方博客、模型页与 API / Token Plan 定价页
• 📊 OpenRouter 等第三方平台定价
• 📰 V2EX、LINUX DO、大佬说（locdd）的社区实测与讨论
• 📄 Anthropic、DeepSeek 等竞品官方资料