MiniMax M3:百万 token、原生多模态推理,以及中国对编码智能体的押注
当时我在为一个副业项目挑模型,需求是读懂中等规模的仓库、生成结构化的改动。比着比着 MiniMax M3 冒了出来。没料到。这家中国公司几个月没进过我雷达,只听到传闻说他们在憋一个大的,要跟 GPT-4o、Claude 4、Gemini 2.5 Pro 掰手腕。六月初官宣,几天后开放了权重,于是那一周我就上手,用自己的代码试了。
不是被 benchmark 说服的。benchmark 只会让我累。我停下来是因为 M3 摆出了一个不舒服的问题:当一个模型能读完你整个代码库、看懂附带的文档、看到 bug 的截图,然后不用你一块一块拼上下文就给出 patch,会发生什么。这是它的承诺。我就是去验证这个的。
百万 token,注意细则
128K、200K 的模型我都用过。能用,但手工活还在:拷片段、总结 issue、贴文档、提醒模型三条消息之前聊到哪了。到百万 token,等式变了。理论上一个中型应用的整个 src/、一套 API 文档、issue tracker 里的几个讨论串、两张 bug 截图都塞得进去,回复还有富余。
细则是:那一百万是上限,不是保证。MiniMax 承诺的下限是 512K。这已经是巨大的上下文,超过几乎所有人给的量,但围绕这个整数设计工作流之前,最好先知道差别。还有那个换算(一百万 token 约合英文 75 万词)是拍脑袋的估算,不是规格书。当估算对待就行。
我在乎的不只是模型理解得更多。我要的是能相信它理解这一切之间的关系。用得不好的长上下文,只是码得整齐的噪音。
第一个测试:上传一个约 4 万行的 TypeScript 仓库,让它找两个模块之间共享状态在哪里处理。结构找对了,漏掉一个只在测试里出现的边界情况。我觉得说得过去:它看到了森林。缺的那几棵树我还是自己看。
根子上就是多模态,但没有音频
一个模型要"看"东西,常见的做法是文本加一个胶带粘上的视觉模块:模型处理文字,偶尔收到另一套系统生成的图像描述。MiniMax 说 M3 的多模态是从根上来的:图像和视频直接进入推理,不经过中间人。
按产品目录的精度说(外面流传的摘要太嗨):M3 接受图像和视频输入,输出只有文本。不接受音频。MiniMax 的语音和音乐在另外的模型里,好几篇文章把这事搞混了。我自己第一遍也读岔了。
实际测试里,简单的界面截图它理解得不错。屏幕一密,它就开始编造不存在的类名,视觉模型的老毛病。即便这样,天花板比我以前用的分离式流水线明显更高。视觉调试已经能用了:把浏览器报错截图发过去,它能关联到产生问题的那段代码。
拿自己的代码试
这里我是带着最大的怀疑进场的。在现有系统里做正确的改动,同时尊重约定、测试和依赖,仍然是这一行最大的开放问题。
先来简单的:给一个 React 表单加校验,动组件、schema 和一个测试。回答能用。不完美:它用了一个项目里没有的校验库,错误消息里英西混杂。但改动的结构是对的,帮我省了时间。
再来个更野的:把业务逻辑从组件挪进一个 custom hook。它以一种有趣的方式失败了。hook 能跑,但没接住一个依赖 DOM 事件的副作用。它保住了形状,丢了行为。这种错误只有带着产品上下文的人能抓到。
把时间点交代清楚:MiniMax 已经公布了官方数字。SWE-bench Verified 80.5,SWE-Bench Pro 59.0,Terminal-Bench 2.1 66.0,BrowseComp 83.5。我提它们是因为它们存在,不是因为我信。这是卖模型的一方自己测的厂商数字,宣传用的 benchmark 永远比实际开着编辑器的那个下午好看。
六月那一周我的参照系:技术上的长推理用 Claude 4 Sonnet/Opus,指令遵循和工具用 GPT-4o/o3,长上下文和多模态用 Gemini 2.5 Pro(两百万 token),性价比用 DeepSeek-V3。这之后格局又动了;当成六月的快照看,别当成现行表格。M3 想坐在 Gemini 和 Claude 的交叉点上:长上下文、多模态、智能体。英文和中文表现不错,西班牙语能用,但技术分寸感不如 Claude 或 GPT-4o。
哪里能用,什么在拖我后腿
M3 走 MiniMax 的 API(platform.minimax.io)、桌面智能体 MiniMax Code,权重在 HuggingFace 和 GitHub 上开放给想自己跑的人,OpenRouter 上也有。我开始测的时候价格还没公开;后来发了:512K 上下文以内,每百万 token 输入输出 1.20,上线五折,另有月付 $20 的 Token Plan Plus。放在这里当数据,不是推荐。
最拖住我的不是模型,是周围的生态。Claude 有 Cursor,GPT-4o 有 Copilot,Gemini 有 Google 的整套机器。MiniMax 在中国以外还在搭自己的。架构、训练数据、独立评估的公开信息也比 Anthropic、OpenAI、Google 少。在合规环境里干活的话,把整个仓库发过去之前,先确认他们把你的信息放在哪处理。
目前
MiniMax M3 是个认真的提案。不是小圈子的实验:它直接对准我们工程师干的事(读懂代码、提出改动、对系统做推理),对编码和智能体的聚焦听着也诚实,不是那种想样样都行的营销。
它也不是让 Claude 或 Gemini 过时的革命。它是又一个选项:长上下文和多模态强,主市场之外的生态和成熟度弱。
我还在拿它干具体的活:重构、legacy 代码分析、生成测试、审 PR。看法要是变了,变好或变坏,我会写一篇更新。建议保持原样:先在自己的代码上试,再去信任何 benchmark。数字会带货,代码不说谎。