6月1日，MiniMax 把 M3 推了出来。这是业内第一个把前沿级编程能力、百万 token 上下文和原生多模态整合进单一模型的开源方案。如果你还在为 Claude 的 token 账单发愁，这篇值得看完——M3 促销期定价约为每百万 token 输入 $0.30、输出$1.20，相比 Sonnet 4.5 的 3/15 便宜了将近十倍，背后支撑这个定价的，是一个叫 MSA 的架构决策。 MiniMax M3先说你最关心的：便宜从哪儿来
答案藏在一个缩写里——MSA，MiniMax Sparse Attention，稀疏注意力机制。
传统 Transformer 的注意力是全连接的，每个 token 都要和前面所有 token 算一遍关系，上下文一拉长，计算量就按平方往上飙。上下文到 1M，全注意力基本就是个无底洞。这两年大家都在想能不能让模型只盯住真正重要的那部分 token。稀疏注意力不是 MiniMax 发明的，DeepSeek 在 2025 年 2 月发了 NSA，Kimi 也做了 MoBA，但这些都是在研究规模验证的。 M3 干的事是把这个赌注押到了真正的预训练里。M3 从预训练第一步就全程跑 MSA，训练数据量达到 70T token，是目前公开模型里规模最大的一次预训练。这是一场真正的豪赌——从第一步就押上 70T token 的全量预训练，一旦稀疏方案让模型掉了智商，几千万的算力就全打了水漂。
赌赢了。相比上一代，M3 的 Prefill 阶段快了 9.7 倍，Decode 阶段快了 15.6 倍。推理效率打上来之后，低价格就是水到渠成的事。不是市场部拍脑袋的促销价，是架构决策一路推导下来的工程结果。
1M 上下文，不是凑数的
M3 支持 1,048,576 token 的上下文窗口，最大输出 512,000 token。一整本书、一个完整的 monorepo、一年的对话记录，可以一次性全喂进去。对比一下同期国产模型，Kimi 256K，GLM 200K，M3 的 1M 是显著领先的档位。
但更关键的是这个上下文是"用得起的"。之前很多模型也能支持长上下文，但推理成本太高，基本就是摆设。MSA 把每百万 token 的推理成本打到了上一代的约二十分之一，长上下文才真正变成了一个可以日常用的功能，而不只是 benchmark 上的一个数字。
MiniMax M3原生多模态，差别不在"多"，在"对"
市面上很多号称多模态的模型，走的是后挂式路线——文本模型练好了，再外接一个视觉编码器 ViT，把图片压成大约 256 个 token 喂进去。细节、小字、复杂图表，在这个压缩过程里天然就丢了。
M3 没有独立的视觉编码器。视觉 token 和文本 token 从训练第一步就在同一个 transformer 里处理，模态之间的能力可以双向流动——M3 文本推理的能力，可以直接反哺到视觉理解上。后挂式架构里视觉只能被动地看，反哺非常有限。
落到具体场景：把一个产品截图直接丢进去让它实现登录页，M3 自己规划了八个步骤，分六次迭代生成了六个版本的 HTML 文件，还调用了图片生成能力做背景图，最后附上了一份迭代记录文档。全程没有任何额外指令，它自己决定了什么时候该生成图片、什么时候该写代码。MiniMax 还测试了让 M3 独立复现一篇 ICLR 2025 优秀论文，它自主运行了近 12 小时，产出了 18 次 commit 和 23 张实验图表，成功验证了论文的核心实验结论。
MiniMax M3怎么上手
如果你已经在用 Claude Code 或其他编程工具，最快的方式是去 MiniMax 开放平台注册一个 API Key，直接配进去，原来的工作流一点不用改。如果想开箱即用，6 月 1 日更新的 MiniMax Code 桌面端可以直接用 M3，上手门槛很低。 M3 的权重承诺在发布 10 天内开源，有本地部署需求的可以关注 Hugging Face。
M3 最核心的价值不是某个单项 benchmark 分数，而是它把"长上下文+多模态+强编程"这三件事同时做到了一个一般团队负担得起的价格里。稀疏注意力国产谱系里，它是第一个把这套方案真正捅进 frontier 级全量预训练的——这一刀，捅穿了大模型定价的地板。
AI 速览
