首次集齐前沿Coding、超长上下文与原生多模态三项“硬核”能力，AI大模型的核心指标正在被这家低调的“技术派”厂商全面重写。
2026年6月1日，国产大模型公司MiniMax正式发布了新一代通用模型——MiniMax M3。这是继去年发布MiniMax-01后，上海AI赛道头部玩家的又一枚重磅炸弹。
过去一年，全球大模型竞争已从参数“军备竞赛”转向硬核能力对决：真正的智能体（Agent）要求模型既能读完一整部长篇小说不“失忆”，又要看得懂图文甚至能操作电脑，还要能写会算、直接交付可运行的专业级代码。这种集前沿编程、百万级上下文与原生多模态于一体的能力，长期只有海外闭源模型才得以实现。
如今，一家中国公司打破了这一格局。
集齐“三张王牌”，打破海外闭源垄断
MiniMax M3是国内首个同时具备前沿Coding能力、1M超长上下文、原生多模态三项核心能力的大模型，也是目前全球唯一具备完整能力组合的开源选项（承诺10天内开源）。
在衡量编程能力的SWE-Bench Pro上，M3得分59.0%，首次超过GPT-5.5和Gemini 3.1 Pro。在真实GitHub问题修复能力上，M3已迈入国际第一梯队。
但这只是冰山一角。为展现M3的智能体能力，MiniMax团队抛出两份极限考题：
论文复现：要求M3独立复现ICLR 2025杰出论文《Learning Dynamics of LLM Finetuning》。M3连续运行近12小时，全程自主产出18次commit与23张实验图表，成功跑通核心实验，观测到DPO实验中的squeezing效应，并验证了原论文提出的缓解方法。
“训练AI”项目：给M3四个仅完成预训练的基础模型，要求其在12小时内自主完成数据合成、训练、评测、迭代全流程，让它们在数学推理、代码生成等任务上获得能力提升。全程无人干预，M3最终得分37.1，排名第三，仅次于Opus 4.7（42.4）和GPT-5.5（39.3），明显领先其余参赛模型。这意味着M3不仅能写代码、懂多模态，还能当AI的“导师”——自己去训练别的AI，极具象征意义。
自研MSA架构，革命100万上下文计算效率
Agent任务的复杂性急速攀升，“更长上下文、更稳定记忆、更低成本推理”成为产品可用性的核心门槛。
MiniMax从底层动刀，推出自研的MiniMax Sparse Attention（MSA）稀疏注意力架构。MSA以稀疏注意力机制替代传统全量注意力计算，大幅减少计算量。在百万Token规模下，M3的每Token计算量仅约为上一代模型的二十分之一。
效率提升惊艳：
Prefilling阶段加速9.4倍
Decoding阶段加速15.4倍
算子速度比开源Flash-Sparse-Attention方案快4倍以上
此外，M3从训练起点便采用文本、图片、视频等多模态混合训练，系统重构数据管线，预训练数据规模扩充至100万亿Token量级，真正实现了“原生”多模态。
“原生”多模态：从文本到视觉的深度融合
M3是一个从Step 0就开始多模态混合训练的模型，文本与视觉语义空间在训练之初便高度对齐。它不仅能识别论文图表与实验日志，还能在复杂跨应用环境中执行Computer Use任务——操作电脑桌面。
用户甚至可以在手机上说“帮我打开本地ERP客户端，按这份Excel批量录入发票信息”，M3即可自动在电脑端完成跨应用、跨文件、跨系统的操作。这正将AI的能力边界从“听懂人话”扩展至“动手干活”。
在多模态测试集OmniDocBench上，M3得分超过Gemini 3.1 Pro；在BrowseComp智能体评测中，M3以83.5分超越Opus 4.7（79.3），展现出强大的自主浏览与信息检索能力。
【由高校平台AI联盟整理发布】
【2026第二十二届深圳文博会高校校友文化产业发展峰会高峰论坛预告】AI × 文博：重塑文化遗产的数字化生命力
心脑新纪元·智联向未来——高校校友联合平台AI前沿论坛（二）暨人工智能心脑专委会发布会在深圳圆满举行
