Zademy

MiniMax M3:100万トークン、ネイティブマルチモーダル推論、そしてコーディングエージェントへの中国の賭け

ツール
MiniMax; M3; LLM; Multimodal; Agents; AI
words 単語

中規模リポジトリを読ませて構造化された変更を出す、そんな副業プロジェクトでモデルを選んでいた。比較している最中に MiniMax M3 が現れた。予想外だった。この中国企業は数ヶ月間レーダー外で、GPT-4o、Claude 4、Gemini 2.5 Pro と張る大きなものを準備しているという噂しか耳に入っていなかった。6月初めに発表があり、数日後に重みが公開された。だからその同じ週に、自分のコードで試し始めた。

ベンチマークに納得したからではない。ベンチマークにはもう疲れている。足を止めたのは、M3 が不都合な問いを突きつけてきたからだ。モデルがコードベース全体を読み、添付ドキュメントを理解し、バグのスクリーンショットを見て、こちらが文脈をひとつずつ組み立てなくてもパッチを提案してくる。それが現れたら、何が起きるのか。それが約束だ。だから確かめに行った。

100万トークン、ただし細字あり

128K や 200K のモデルで仕事をしてきた。機能するが、手作業は残る。スニペットをコピーし、issue を要約し、ドキュメントを貼り、3メッセージ前にどこまで話したかモデルに思い出させる。100万トークンになると式が動く。理論上、中規模アプリの src/ 全体、API ドキュメント、issue tracker のスレッド数本、バグのスクリーンショット数枚が入って、なお返信用の余裕が残る。

細字の部分。その100万は天井で、保証ではない。MiniMax が最低として約束しているのは 512K だ。それでも巨大なコンテキストで、ほとんどの提供者より大きいが、切りの良い数字を前提にワークフローを組む前に、この違いは知っておくべきだ。それから広報用の換算(100万トークンで英語約75万語)は概算であって仕様ではない。そう扱うこと。

気になるのは、モデルがより多く理解するかどうかだけではない。その全部の関係性を理解していると信頼できるかどうかだ。使い方の下手な長文脈は、よく整理されたノイズに過ぎない。

最初のテストは、約4万行の TypeScript リポジトリを上げて、2つのモジュール間の共有ステートがどこで扱われているか特定させることだった。構造は当てたが、テストにしか現れないエッジケースを見落とした。妥当だと思った。森は見た。欠けた木は今も自分で確認する。

根本からマルチモーダル、ただし音声なし

モデルに「見せる」とき、多くの場合はテキストと、テープで貼り付けたビジョンモジュールの組み合わせだ。モデルは言葉を処理し、時折、別のシステムが生成した画像の説明を受け取る。MiniMax によれば、M3 ではマルチモーダル性が最初から組み込まれている。画像と動画はその仲介役を通らず、推論に入る。

カタログ並みの精度で書いておく(不出来な要約がかなり出回っているので)。M3 の入力は画像と動画で、出力はテキストのみ。音声は受け付けない。MiniMax の音声と音楽は別モデルにあり、あちこちの記事で混同されている。私も最初は読み違えた。

テストでは、シンプルな UI スクリーンショットはよく理解した。情報密度の高い画面では存在しないクラス名を作り始めた。ビジョンモデルの古典的な悪癖だ。それでも天井は、以前使っていた分離型パイプラインより高く感じる。ビジュアルデバッグにはもう役立つ。エラーが出たブラウザのキャプチャを送ると、モデルはそれを生み出しているコードの部分と結び付ける。

自分のコードでのテスト

ここが一番懐疑的に臨んだ場所だ。既存システムで、慣例・テスト・依存関係を尊重しながら正しい変更を加えることは、今もこの仕事最大の未解決問題だからだ。

まず簡単なもの。React フォームにバリデーションを追加し、コンポーネント、スキーマ、テストに触る。回答は使えた。完璧ではない。プロジェクトにないバリデーションライブラリを使い、エラーメッセージで英語とスペイン語を混ぜた。だが変更の構造は正しく、時間を節約できた。

次にもっと野心的なもの。ビジネスロジックをコンポーネントから custom hook へ移す。面白い失敗をした。hook は動いたが、DOM イベントに依存する副作用を捕捉していなかった。形を守り、振る舞いを守らなかった。この種のエラーは、製品の文脈を持つ人間にしか捕まえられない。

時点を置くために書くと、MiniMax は公式数字を公開している。SWE-bench Verified で 80.5、SWE-Bench Pro で 59.0、Terminal-Bench 2.1 で 66.0、BrowseComp で 83.5。存在するから書くが、真実として受け取るからではない。モデルを売る側が計測したベンダー数字で、販促ベンチマークはいつも、エディタを開いた実際の午後より良く見える。

6月のその週の私の基準はこうだった。長い技術推論は Claude 4 Sonnet/Opus、指示追従とツールは GPT-4o/o3、長文脈とマルチモーダルは Gemini 2.5 Pro(200万トークン)、コスト対性能は DeepSeek-V3。あれから状況は動いている。6月のスナップショットとして読んでほしい。M3 は Gemini と Claude の交差点に座りたがっている。長文脈、マルチモーダル、エージェント。英語と中国語は良好だった。スペイン語では使えたが、技術的な機微では Claude や GPT-4o ほど繊細ではない。

どこで使えるか、何が足を引っ張っているか

M3 は MiniMax の API(platform.minimax.io)と、デスクトップエージェントの MiniMax Code で使える。重みは HuggingFace と GitHub で公開されているので自分で動かしてもいいし、OpenRouter にもある。試し始めた頃は価格が非公開だった。後に公開された。512K コンテキストまで、入出力100万トークンあたり 0.30と0.30 と 1.20、ローンチ割引50%、月 $20 の Token Plan Plus。データとして置いておく。推薦としてではない。

一番足を引っ張っているのはモデルではなく、周りのエコシステムだ。Claude には Cursor、GPT-4o には Copilot、Gemini には Google の機械装置がある。MiniMax は中国国外でまだ自分のを建設中だ。アーキテクチャ、学習データ、独立評価についての公開情報も、Anthropic、OpenAI、Google が出すものより少ない。企業環境で働くなら、リポジトリ全体を送る前に、どこで情報を処理するか確認すべきだ。

今のところ

MiniMax M3 は真剣な提案だ。ニッチな実験ではない。エンジニアがやること(コードを理解し、変更を提案し、システムを推論する)に直接狙いを付けていて、コーディングとエージェントへのフォーカスは正直に聞こえる。すべてで優れたがるマーケティングではない。

Claude や Gemini を時代遅れにする革命でもない。もう一つの選択肢だ。長文脈とマルチモーダルで強く、主市場外のエコシステムと成熟度で弱い。

今も具体的なタスクで使い続けている。リファクタリング、レガシーコードの分析、テスト生成、PR レビュー。意見が変わったら、良くも悪くも更新を書く。推薦は単純なまま。どんなベンチマークより先に、自分のコードで試せ。数字は売るが、コードは嘘をつかない。

リソース