MiniMax M3 突然上线后，Token Plan 的新计费方式也引起了热议。
众说纷纭之下，MiniMax 官方也火速回应，提高了周用量限额，并对以前没有周限额的老用户保持了这个设定。
但价格争议之外，更值得我们关注的，依然是模型能力。
全球开发者，也都在关注模型能力和技术。
比如 Hermes 框架的开发平台 Nous Research 的联创，就公开在 X 上给 M3 背书。
还有 Vercel CEO、GitHub 540k 星 AI 大佬 Guillermo Rauch，也在 X 上公开推荐 MiniMax M3，称它的表现紧跟 Opus 和 GPT-5，但价格只有其十分之一。
至于模型的实际任务表现，官方一共给了三个 Demo ——复刻论文、优化 CUDA 算子，还有自己训练模型。
我也自己上手，让 M3 尝试了一些新鲜玩法。
不管是官方 Demo 还是我自己的测试，想完成这些任务，长上下文、多模态、Coding 三个能力得同时在线才行。
而 M3，是国内第一个把这三件事同时做到的开源模型。
就算在闭源模型当中，能做到的也就只有"御三家"（GPT、Claude、Gemini）的最新旗舰。
M3 给出的成绩是，SWE-Bench Pro 上跑出 59%，超过 GPT-5.5 和 Gemini 3.1 Pro，接近 Opus 4.7。
而且 M3 效率更高，1M 上下文下每 token 计算量压到上代的 1/20，decoding 实测加速超过 15 倍。
同时，为了搭配 M3，MiniMax 这次还同步推出了 MiniMax Code。
这是个专为 M3 设计、并与 M3 一起训练的 Harness，对标的就是 Vibe Coding 客户端里的扛把子 Claude Code。
既然如此，那就直接模型框架一起测，用 MiniMax Code 来看看 M3 的表现究竟如何。
一手实测 MiniMax M3
官方 Demo 里，有人把一篇 ICLR 2025 的论文扔给它，让它独立复现，结果 M3 连续运行 12 小时后成功交付结果，全程没有任何辅助。
这是一篇 Outstanding Paper Award 获奖论文，研究的是大模型微调过程中的学习动力学。
具体来说，论文的核心是用"学习动态"框架统一解释大模型微调中的反直觉现象，该框架将每步梯度更新分解为三个因子，揭示了更新如何通过样本相似性在不同输出之间传播。
基于此，论文提出在 SFT 阶段同时训练 y −，让负样本提前"离开低概率区域"，从根源上缓解挤压效应。
这个任务中，M3 自主运行接近 12 小时，产出 18 次 commit 与 23 张实验图表。
它不仅跑通了核心实验，成功吻合了 SFT 阶段的预测概率变化趋势，还清晰观测到 DPO 实验重点讨论的挤压效应，并顺利验证了原论文提出的 Extend 缓解方法。
中途遇到跑不通的实验，它会自己进行诊断，碰到结果对不上的地方就自己调整，整个过程始终没有人工介入。
我也照葫芦画瓢，找了一篇 ICLR 2026 的论文让它复现。
这篇论文解决的是训练大模型时会遇到的一个底层问题。
Muon 是最近很火的优化器，它每一步更新权重之前，需要对梯度矩阵做一次矩阵极分解。
经典做法是用 Newton-Schulz 迭代，每步套一个固定的五次多项式，简单但收敛慢。
这篇论文提出的 Polar Express，把固定系数换成了动态求解，即每一轮根据当前矩阵的奇异值范围，现场算出本轮理论最优的多项式系数。
M3 把整个实现拆成了三个模块，包括 baseline 方法、最优多项式求解器，以及主算法本体。
其中最有含金量的是求解器，它从等波动条件出发，建线性方程组，迭代求解，自己算出一组系数。
然后它专门画了一张验证图，把自己从零推算出来的系数，和论文里硬编码的数字并排放在一起，八个迭代步骤逐一比对。
结果就像下面这张图，两条线几乎完全重叠，差异肉眼不可见。
这张图本身就是最好的复现证明，说明 M3 独立走了一遍和论文作者相同的推导路径，得到了相同的答案。
除了论文，我还用 M3 玩出了更多新花样。
这不是老黄前一阵子来北京打卡了南锣鼓巷吗，当时量子位还专门做过一期探店文章。
于是我就想，能不能让 M3 按照老黄的行程，做一个打卡地图呢。
当然那篇文章我是没喂给 M3 看的，因为我想看看，它能不能凭借自己的力量，把这些信息搜集到。
Prompt 就这一句：
搜一下黄仁勋最近一次来北京都打卡了哪些美食，利用真实地图制作可交互的一个打卡攻略网页
实话实说，这个任务我一开始并没有抱太大希望，倒不是说这个任务有多难，是我觉得 M3 可能会卡在获取地图资源这一步。
但我没想到，还真有免费的地图开发资源可以直接获取，而且还被 M3 发现了。
它先搜集了网络上的信息，然后总结出了老黄去过的打卡点，然后搜索他们在地图上的坐标，决定利用 Leaflet（一个用于构建 Web 地图的开源 JS 库）和高德地图瓦片为核心工具来完成我的这个任务。
最终呢，M3 也是成功把老黄去过的 9 个美食打卡点，都标记在了地图上。
交互页面支持普通地图和卫星地图两种模式，点击交互也全都正常。
这里多一句嘴，其实老黄那天去的地方有 11 个，但财神庙和拓意玩具店不属于我提示词里说的"美食"，所以 M3 的操作是正确的。
来看下一个任务。
既然前一个任务已经利用上老黄了，那就再让他发光发热一次。
就在昨天的 ComputeX 上，黄仁勋发表了演讲，其间就提到了" DSX AI 工厂生态系统"。
讲到这里的时候，老黄放了这样一张 PPT。
这一轮，我布置给 M3 的任务就是把 PPT 里的这 74 家（我亲自数过）企业的资料全都找到，汇总做成一个交互式网页。
提示词长这样：
这张图是黄仁勋在 ComputeX 上介绍的 DSX AI 生态系统厂商名单，搜集所有这些厂商的信息，制作一个横向的瀑布流网页，点击其中的卡片显示公司介绍。
到这里我依然有些担心，70 多个公司，用的还全是 Logo，不知道 M3 能不能看得过来，反正我已经很晕了。
但经过我硬着头皮仔细核对，M3 找到的这 74 家公司无一例外全都正确。
有了公司名单之后，就是搜集这些公司的资料并设计网页了，最终 M3 也是成功完成了这项任务。
直接看效果，布局完全符合要求，卡片可正常点击，甚至配色用的也是英伟达的标志颜色。
总之单单是识别出 74 家公司来，我觉得就可以给到夯，更不必说后面的表现了。
文本、图像都给它看了，检索编程也都考过了，接下来该给 M3 看视频了。
这回，老黄终于可以休息一下了。
我从 B 站上找了一道国际语言学奥林匹克竞赛的试题讲解视频，看 M3 能不能把这个过程看懂，然后复刻一个讲题的网页出来。
先看下这道题的题目，需要说明的是，我只给 M3 看了第一问的部分，要求它生成的讲解也只有这一问。
多啰嗦两句，语言学乍看是个文科专业，但其实这道题需要极其复杂的逻辑推理。
实际上，自打 OpenAI 推出 o1 的那天起，我就一直在用这道题考验各种推理模型，结果至今无一模型答对（除了 Gemini 靠背题答对）。
视频的话，这里放个 B 站链接，大家感兴趣的话可以看一看，不过时长将近两个小时。
传送门：https://www.bilibili.com/video/BV1LN4y1K7Ld
当然这次 M3 不需要自己推理，只是需要把视频里 up 主的解题过程复现出来。
这里我把分 P 视频全部下载了下来，然后剪辑到了一起，存在了本地目录，并将其设为 MiniMax Code 的 project 目录，提示词依然很简单：
理解这里面的视频，做一个交互式网页给我讲明白这道题的第一问。
M3 先是用 ffmpeg，把这段 1.3G 的视频压缩到了它能处理的大小程度。
然后 M3 给自己提出了一系列的问题，开始心中带着问题学习 up 主的讲解。
之后，M3 设计出了页面结构。
对应 up 主的推导过程，一共分成了三个大的步骤：
我们来看其中一个，的确是简洁、美观又清晰：
最终的解题结果，和视频也都能对得上。
而且讲完题之后，M3 还不忘自己做延伸，整理了一套解决语言学推理题的学习心得。
总之这一大串任务做下来，M3 的表现属实是超出了我的想象，说它已经进入全球最能打的第一梯队也不为过。
M3 用了哪些技术？
M3 这次的三大能力，背后各有一个杀手锏。
先说 1M 长上下文，这里 MiniMax 选用了一种新型的稀疏注意力机制 MSA，即 MiniMax Sparse Attention。
MSA 通过以 KV 块为外层循环汇聚命中它的 query，让每块只读一次、访存连续，获得了极高的硬件利用率。
稀疏注意力这条路几家都在走，但赌的方向完全不同。
在 MiniMax Sparse Attention 出现之前，清华、浙大和月之暗面联合提出的 MoBA（arXiv：2502.13189）是思路最干净的方案，把序列切块，轻量路由器给每个 query 选 top-k 相关块，复杂度从 O ( n ² ) 压到近线性。
不过，原版 MOBA 的 GPU 效率不行，直到 MIT 和英伟达联合团队以此为基础，用 fused CUDA kernel 重写之后改造出了 FlashMoBA（arXiv：2511.11571），MoBA 路线才算真正落地。
NSA（N 代表 Native，arXiv：2502.11089）是 DeepSeek 在研究层面的探索，它的论文数字好看但结构复杂，后续分析也指出质量提升主要来自门控机制本身，而不是稀疏化。
真正跑在 DeepSeek 产品里的是 DSA（D 代表 DeepSeek），它是 NSA 在工程侧的落地演进版。
到了 DeepSeek V4，DSA 进一步发展成 CSA（C 代表 Compressed）+HCA（Heavily Compressed Attention）混合架构。
虽然这是个很好的方法，但它的设计也极为复杂，行业玩家如果想自行使用，难度较大。
相比之下，虽然 MSA 目前的公开信息不多，但是从架构图能看出来设计思路清晰明了，同样实现高效 Scaling，MSA 用的是最简单的架构。
Coding 和 Agent 方面，MiniMax 用 LLM 模拟真实开发者的协作行为，构建了交互式用户模拟器框架，专门用来训练 M3 的有关能力。
真实开发场景里用户往往在同一个 session 里持续协作，需求反复修改、中途加新约束、最后推翻重来。
这套框架模拟的就是这些，它让模型在训练阶段就接触接近生产环境的交互场景。
学术侧这个方向已经有实证支撑。
有研究显示，在复杂软件工程任务上，关闭用户模拟器、让 Agent 在模糊 prompt 条件下独立工作，F1 会从 64.5 直接掉到 44.1。
相关框架包括 Simia（arXiv：2511.01824）、MUA-RL（arXiv：2508.18669）、AgentGym-RL（arXiv：2509.08755）等等，思路各有侧重，但核心都是把 LLM 模拟的用户反馈引入训练循环。
但在商业侧，把交互式用户模拟器显式用在大规模前沿模型训练上的，MiniMax 还是第一家。
多模态方面，M3 从预训练第一步就做图文混合训练，文本和视觉的语义空间从一开始融在同一套框架下，路线上跟 Google Gemini 一致。
MiniMax 发现，interleaved data 对模型性能的提升，比通常大家认为的更关键。
基于此，MiniMax 重建了整套数据管线，预训练数据规模提升到 100 万亿 token 量级。
放眼行业，Google Gemini 是这条路线最早的代表，它从设计上就是原生多模态，decoder-only Transformer 接收图文音视频交错的 token 序列。
学术侧，ICCV 2025 上有论文（arXiv：2504.07951）专门研究 native multimodal model 的 scaling law，结论是 early fusion 在低算力预算下表现更强，训练效率更高、部署更简单，没有发现 late fusion 有任何结构性优势。
同一篇论文还发现，interleaved data 比 image-caption 数据更能从更大模型中受益。
值得认真对待的开源选项
长程 Coding 任务、多轮协作开发、图文混合的复杂文档处理，这三个场景 M3 的表现已经能撑得住。
对于有这类需求的开发者来说，它是目前开源模型当中的一个可以认真放进清单里的选项。
最近关于 Token Plan 定价的讨论很多，MiniMax 的响应也比较及时。
不过随着实测结果陆续出炉，模型本身的效果开始在海内外成为更持久的话题。
如果把 M3 本身的效果单独拿出来看，它作为旗舰模型重回国际第一梯队，综合能力和使用成本放在一起算，性价比依然站得住。
往大了说，前沿模型能力长期被少数闭源产品把持，这件事在过去几年里几乎未被打破。
Claude Opus、GPT-5.5、Gemini 3.1，能同时跑通 Coding Frontier、1M 上下文、原生多模态这三件事的，此前只有这几个名字，而且全是闭源的。
开源社区一直在追，但把这三件事同时凑齐，M3 是第一个撕开这个口子的开源模型。
无论是海外还是国内，大模型的更新都越来越卷，但 MiniMax 这次追得很快。
从 M2 到 M3，Coding 能力已经大幅度跃迁。
综合对比下来，M3 已经和顶尖闭源模型站在了同一条起跑线上。
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
� � 点亮星标 � �
科技前沿进展每日见
恒正网提示：文章来自网络，不代表本站观点。
