股票推手百万token不失忆，MiniMax刚启上市辅导又发M3，自研架构曝光

不久前正式启动A股上市辅导，同时也是港交所上市公司的上海企业MiniMax，昨天（6月1日）再推新一代通用模型MiniMax M3。

M3模型旨在挑战大模型读取长文档、大段代码时“越往后越忘事”，以及算起来又慢又贵的痛点，是国内首个同时具备前沿 Coding（编程）能力、1M（兆）超长上下文、原生多模态三项核心能力的大模型。上述“三合一”能力很容易引发业内推测——M3正是对标美国Anthropic公司于今年4月推出的Claude Opus 4.7。Opus 4.7主打极致的指令遵循、高清视觉、深度推理及专业代码能力。当下，MiniMax M3不能说能力已超越Opus 4.7，但胜在开源策略与性价比优势。

开源的M3，能力逼近Claude Opus 4.7。

具体来看，在衡量编程能力的SWE-Bench Pro评测基准中，MiniMax M3超过OpenAI的GPT-5.5和谷歌的Gemini 3.1Pro，逼近Opus 4.7。

不同于大量模型是在后期才加上看图、看视频的能力，M3从训练的一开始，就实现文字、图片、视频等多模态混合训练，体现出“原生多模态”的属性。

全球大模型竞争正酣，各家公司保持优势的关键能力，在于当Agent（智能体）的任务复杂度不断提高时，模型如何实现更长上下文、更稳定记忆，以及更低成本推理。

据了解，支撑M3保持优势的关键技术底座，在于MiniMax公司自研的稀疏注意力架构MSA（MiniMax Sparse Attention）——相较传统“全注意力机制”，MSA能显著降低长上下文的计算成本，并将上下文窗口提升至100万token（词元），相当于2本中文长篇小说。这意味着，模型在处理长文档、复杂代码仓库、多轮任务协作等场景时可保留更完整的信息链路。关键在于，MiniMax的模型性价比依旧能打，M3的单token计算量仅为上一代模型的约二十分之一。

MiniMax公司自研的稀疏注意力架构MSA。