端到端测试是衡量多模态模型真实水平的黄金标尺。号称具备图像识别、图表理解、截图分析和语音转写等能力的MiniMax M3，究竟性能如何？不要仅依赖基准评测分数，亲自运行以下三组流程，结果一目了然。

需要明确：测试的核心在于“原生”条件——PDF必须为矢量格式，截图追问间隔不超过90秒，音频指令必须通过App触发。接下来逐项详细说明。

用M3解析PDF中的内嵌图表与数学公式

在MiniMax Code网页端或通过API调用M3时，直接上传一份包含LaTeX公式的PDF文件（例如ICLR论文第4页，既有带坐标轴的损失曲线图，右侧还有小字体推导公式）。待模型输出结构化描述后，重点验证它是否将图中横纵坐标标签、图例颜色对应关系以及公式变量定义都整合到统一的语义上下文中——这才是真正的多模态融合理解。

这个预处理步骤不可跳过：PDF必须为原生矢量格式。扫描件或OCR生成的PDF，M3会将公式识别为乱码字符。若上传失败，请改用.pdf后缀的原始LaTeX编译输出文件。

对屏幕截图进行多轮追问式理解

提供两种测试方法，任选其一即可。

方法一：在MiniMax Code中启用“桌面操作”开关，截取当前IDE调试界面——左侧代码区域、中间断点堆栈、右侧变量监视器完整呈现。首先发送指令：“解释当前断点触发逻辑，并指出哪一行可能引发空指针”。得到响应后，立即追加提问：“将右侧Variables面板第三行的userSession对象序列化为JSON Schema”。核心在于检验模型是否能够连贯处理前后两次对话中的视觉上下文信息。

方法二：使用手机拍摄同一张截图，上传至M3 Web界面。输入提示：“这是VS Code的调试界面，请按‘代码→堆栈→变量’顺序逐层解释”。观察模型是否主动补全被截图裁切掉的顶部菜单栏功能——例如能否识别出“Run and Debug”图标，并将其与launch.json配置关联起来。

这里有一个硬性限制：两次提问的时间间隔必须控制在90秒以内，否则M3将重置视觉记忆缓存，导致第二次提问无法引用第一次的图像上下文。

音频指令驱动的跨模态操作

第一步：准备一段约12秒的本地录音，内容为：“打开桌面上的report_v2.xlsx，将Sheet1中B列所有大于85的数值标红，然后截图发给我”。

第二步：在MiniMax Code App（注意：必须使用App，网页版不支持）中点击麦克风图标，播放该录音。确认模型已完整接收音频波形——界面应显示绿色声纹条持续12秒。随后等待模型执行动作链。

第三步：检查最终截图。若Excel未能打开，则表明M3未完成语音到桌面操作的端到端映射；若已打开但未标红，说明模型对条件格式规则的理解存在偏差；若截图区域偏移，则证明视觉定位模块未能依据音频指令中的“Sheet1”“B列”建立空间锚点。

这一步务必使用App，网页版暂不支持通过音频输入触发桌面操作。