2025年6月1日，MiniMax稀宇科技正式发布了其最新旗舰模型——M3 模型。根据官方介绍，这是国内首款将“前沿编程与智能体·百万级上下文·原生多模态”三大核心能力集于一身的国产大模型，也是首个将完整尖端能力引入开放世界的AI模型。通俗而言，它既要具备顶级代码生成能力、能充当智能体执行复杂任务，又要支持超长上下文处理，同时还要原生融合多模态信息——要在同一模型中实现这三项突破，技术挑战极大。

在编码与智能体维度，M3 在多项评测中达到“行业顶尖水准”。它拥有自主任务拆解、工具调用以及多步推理等能力。官方强调，它所生成的代码目标是直接可交付的成品，而非“能运行但需人工调整”的半成品。这一定位非常务实——当前许多模型生成的代码看似可用，一旦投入生产环境便问题频出，M3 显然意在攻克这一痛点。

上下文窗口方面，M3 基于自研的 MiniMax Sparse Attention（MSA）架构，API 最高支持 1M tokens，并确保至少 512K tokens 可用。1M 上下文意味着什么？长程 Agent 任务、长程编程项目、长视频理解等场景，若没有超长上下文支撑，几乎无法开展。因此，这属于基础设施级别的关键补齐。

多模态能力上，M3 是原生多模态模型，而非后期拼接的产物。它从训练初始阶段便融入多模态学习，整个数据管线经过重构，预训练数据规模扩充至百 T 量级，文本与视觉的语义空间实现高度对齐。这意味着图片与文字在模型内部共享同一套理解体系，而并非两个独立模型的简单拼凑。

在 BrowseComp 智能体评测中，M3 取得了 83.5 分的成绩，超越 Opus 4.7 的 79.3 分，充分展示了自主浏览和信息检索的能力。该评测要求模型像人类一样浏览网页、查找信息、整合答案，M3 的表现印证了其在真实场景下的自主性确实实力不俗。

值得关注的是，M3 还完成了一次“硬核验证”：MiniMax 将 ICLR 2025 的一篇杰出论文——Learning Dynamics of LLM Finetuning——交给 M3，让其独立复现。结果 M3 连续运行近 12 小时，全程自主产出 18 次代码提交与 23 张实验图表，成功完成了核心实验。在这一过程中，多模态能力使其能准确理解论文中的图表与公式，长上下文保证论文、代码、实验日志一次性纳入模型窗口，编程与 Agent 能力则驱动了整个长线程的执行。可以说，正是三项能力的协同发力，才完成了这一复杂任务。

另一个更具挑战性的测试：向 M3 提供四个仅完成预训练的 Base 模型，要求它在 12 小时内自主完成数据合成、训练、评测、迭代的全流程，使这些 Base 模型在数学推理、代码生成、知识问答等任务上具备能力。整个流程全程无需人工干预，M3 最终得分为 37.1，排名第三，仅次于 Opus 4.7（42.4）与 GPT-5.5（39.3）。这项成绩表明，M3 在自主驱动模型训练这类高难度任务上，已经能够逼近当前最强的闭源模型。

总体而言，MiniMax M3 确实是首款将前沿编程、百万级上下文、原生多模态这三项能力完整打包并带入开放世界的模型。对于需要长程自主任务的开发者、研究者及企业用户来说，这代表着一个更接近“模型即生产力”的选项已经到来。当然，实际表现还需依托真实落地案例来验证。但至少，这个方向是正确的。