MiniMax M3
100 萬上下文·原生多模態·編碼與智能體工作流旗艦 MoE 模型
MiniMax M3 是 MiniMax 於 2026 年 6 月發布的開源權重 AI 對話大模型，採用 428B 參數 MoE 架構（約 23B 啟用參數），支援最高 100 萬 token 上下文與文本、圖像、影片原生多模態輸入。MiniMax M3 搭載 MiniMax Sparse Attention（MSA）稀疏注意力，在長上下文編碼與 Agent 任務中兼顧速度與品質，在編碼、工具呼叫與長程協作等場景達到前沿水平。無論你是開發者、AI 工程師還是企業團隊，都可線上瞭解並接入 MiniMax M3 完成智慧對話與自動化工作流。
上下文視窗
100 萬 token
總參數量
428B MoE
啟用參數
約 23B
輸入模態
文本/圖/影片
💡 Why Choose
為什麼選擇 MiniMax M3？
MiniMax M3 是 MiniMax 在 2026 年 6 月正式發布的 AI 對話大模型，以「長上下文 + 原生多模態 + 編碼 Agent」為核心定位。模型採用 428B 參數 MoE 架構，每次推理約啟用 23B 參數，在保持高效推理的同時，提供最高 100 萬 token 的 API 上下文視窗——可將中型至大型程式碼庫、長篇文件或完整 Agent 會話歷史一次性納入模型視野。
MiniMax M3 的核心架構創新是 MiniMax Sparse Attention（MSA）。相較傳統全注意力，MSA 在百萬 token 規模下將單 token 算力降至前代 M2 的約 1/20，Prefill 與 Decode 分別實現約 9× 與 15× 加速，使「超長上下文」從理論參數變為可實際呼叫的生產力。與此同時，MiniMax M3 從訓練第一步即混合文本、圖像與影片，是少數具備原生多模態理解能力的開源權重對話模型之一。
在嗶咔嗶咔 AI，你可以一站式瞭解 MiniMax M3 的核心能力、思考模式差異、典型適用場景與接入方式，快速判斷該模型是否適合你的編碼、Agent 或多模態對話需求，並前往線上體驗。
⚡ Features
MiniMax M3 核心功能
以下六大能力構成了 MiniMax M3 在 AI 對話、編碼與 Agent 領域的核心競爭力。
100 萬 Token 超長上下文
MiniMax M3 支援最高 100 萬 token 上下文視窗（官方保證最低 512K），可一次性載入大型程式碼庫、長篇文件或多輪 Agent 歷史，實現倉庫級全域性推理。
原生多模態輸入
MiniMax M3 從訓練第一步即混合文本、圖像與影片模態，支援 deeper 語義融合，可用於影片理解、視覺問答與跨模態 Agent 任務。
前沿編碼與 Cowork 能力
MiniMax M3 在長程 Agent 基準與編碼任務中表現突出，適合程式碼生成、審查、重構及多檔案協作開發，可與 MiniMax Code 等 Agent 產品配合使用。
MSA 稀疏注意力加速
MiniMax M3 採用 MiniMax Sparse Attention（MSA），在 100 萬上下文下 Prefill 提速約 9×、Decode 提速約 15×，單 token 算力約為前代 M2 的 1/20。
可切換思考模式
MiniMax M3 支援思考模式開啟或關閉：開啟時適合複雜推理與 Agent 任務；關閉時延遲更低，適合對話補全與高頻呼叫場景。
工具呼叫與 Agent 工作流
MiniMax M3 面向工具使用與交錯思考（Interleaved Thinking）最佳化，可在工具執行後重新評估狀態，適合構建多步驟自動化與 Computer Use 類應用。
🔄 Compare
MiniMax M3 思考模式對比
MiniMax M3 支援按請求切換思考模式，以下對比幫助你在複雜 Agent 與低延遲場景之間做出選擇。
| 對比維度 | 思考模式開啟 | 思考模式關閉 |
|---|---|---|
| 適用場景 | 複雜推理、Agent、長程協作 | 對話、程式碼補全、高頻呼叫 |
| 響應延遲 | 較高（品質優先） | 低延遲、高吞吐 |
| 推理深度 | 更深，適合多步任務 | 直接輸出，速度優先 |
| Agent 表現 | 工具呼叫與交錯思考更穩 | 輕量互動更合適 |
| 編碼任務 | 複雜重構、跨檔案分析 | 單行/區域性補全 |
| API 定價 | 與關閉模式相同 | 與開啟模式相同 |
| 切換方式 | thinking 參數開啟 | thinking 參數關閉 |
| 推薦搭配 | MiniMax Code Agent | 即時聊天 Bot |
💎 Highlights
MiniMax M3 技術亮點
- MiniMax M3 支援最高 100 萬 token 上下文，適合倉庫級程式碼與長文件分析
- MiniMax M3 採用 428B MoE 架構、約 23B 啟用參數，兼顧能力密度與推理效率
- MiniMax M3 的 MSA 稀疏注意力在百萬上下文下顯著降低算力與 KV Cache 壓力
- MiniMax M3 原生多模態：文本、圖像、影片輸入統一建模
- MiniMax M3 思考模式可按請求切換，複雜 Agent 與低延遲場景靈活適配
- MiniMax M3 提供 OpenAI / Anthropic 相容 API，並開放 Hugging Face 權重可自部署
🎯 Use Cases
MiniMax M3 適用場景
從倉庫級編碼到多模態 Agent，MiniMax M3 在以下六大場景中提供穩定、高效的長上下文 AI 對話與推理能力。
開發者 · 架構師
大型程式碼庫理解與重構
MiniMax M3 100 萬 token 上下文可一次性載入中型至大型 monorepo 的關鍵模組，無需分塊 RAG 即可完成跨檔案依賴分析、重構方案設計與程式碼審查。
- 100 萬 token
- 程式碼庫
- MiniMax M3
內容團隊 · 產品經理
長影片與多模態分析
MiniMax M3 原生支援圖像與影片輸入，可結合文本指令完成影片內容摘要、鏡頭理解、視覺問答與跨模態資訊提取，適合媒體與創意工作流。
- 多模態
- 影片理解
- MiniMax M3
AI 工程師 · 技術團隊
編碼 Agent 與自動化開發
MiniMax M3 在長程 Agent 基準與編碼任務中達到前沿水平，可與 MiniMax Code 等 Agent 產品配合，驅動多步驟開發、測試與部署自動化。
- 編碼 Agent
- MiniMax Code
- 工具呼叫
開發者 · 自動化工程師
長程智能體工作流
MiniMax M3 面向交錯思考最佳化，可在工具執行後重新評估狀態，適合構建需要多輪工具呼叫、狀態跟蹤與結果彙總的 Agent 管線。
- Agent 工作流
- 工具呼叫
- MSA
產品團隊 · RPA 工程師
Computer Use 與桌面自動化
MiniMax M3 支援 Computer Use 類能力方向，可結合視覺輸入理解介面狀態並規劃操作步驟，拓展 AI 對話到桌面級自動化場景。
- Computer Use
- 桌面自動化
- MiniMax M3
企業 IT · 運維團隊
企業 API 整合與自託管
MiniMax M3 提供 OpenAI / Anthropic 相容 API，同時開放 Hugging Face 權重，企業可按合規需求選擇雲端呼叫或私有化部署。
- API 整合
- 開源權重
- 自託管
📖 Guide
MiniMax M3 使用教程
按照以下步驟，即可快速上手 MiniMax M3 並完成第一次 AI 對話或 Agent 任務。
-
選擇思考模式
根據任務選擇思考模式：複雜推理、Agent 與多步協作建議開啟思考；對話補全與低延遲場景可關閉思考。
-
編寫提示詞
編寫結構化系統提示與使用者指令，明確角色、工具許可權與輸出格式，MiniMax M3 對清晰任務描述響應更穩定。
-
配置 API 參數
長上下文任務儘量一次性傳入完整材料（程式碼庫摘要、文件全文或對話歷史），充分利用 MiniMax M3 的 100 萬 token 視窗。
-
迭代最佳化
透過 MiniMax API（OpenAI / Anthropic 相容）或自託管權重發起請求，Agent 場景需完整保留 assistant 工具呼叫與推理鏈到對話歷史。
❓ FAQ
MiniMax M3 常見問題
關於 MiniMax M3 的功能、上下文、多模態與接入方式，以下是使用者最常問的問題。
MiniMax M3 是什麼？適合誰使用？
MiniMax M3 是 MiniMax 發布的開源權重 AI 對話大模型，面向編碼、Agent 工作流與長上下文多模態任務。適合開發者、AI 工程師、需要處理大型程式碼庫或長文件的技術團隊，以及希望 API 接入或自託管部署的企業使用者。
MiniMax M3 的上下文視窗有多大？
MiniMax M3 API 支援最高 100 萬 token 上下文（輸入與輸出合計），官方頁面說明保證最低 512K。該能力適合整庫程式碼分析、長篇報告處理與需要完整歷史的 Agent 會話。
MiniMax M3 支援哪些輸入模態？
MiniMax M3 是原生多模態模型，支援文本、圖像與影片輸入，輸出為文本。可用於視覺問答、影片內容理解，以及結合文本指令的跨模態 Agent 任務。
MiniMax M3 的思考模式如何切換？
MiniMax M3 可透過 API 的 thinking 參數控制：開啟時模型會進行額外推理，適合複雜 Agent 與編碼任務；關閉時響應更快，適合對話與程式碼補全。兩種模式可按每次請求獨立切換。
MiniMax M3 與 MiniMax M2 相比有哪些提升？
MiniMax M3 引入 MSA 稀疏注意力，在 100 萬上下文下算力約為 M2 的 1/20，Prefill / Decode 顯著加速；同時擴充套件至原生多模態與更強的編碼、Agent 能力，上下文從 M2 級別躍升至百萬 token 規模。
如何接入 MiniMax M3？
可透過 MiniMax 官方 API（支援 OpenAI 與 Anthropic 相容格式）線上呼叫 MiniMax M3；也可從 Hugging Face 下載開源權重自託管部署。推薦參數參考官方建議：temperature=1.0、top_p=0.95。
💡 Tips
MiniMax M3 提示詞與接入建議
複雜 Agent、跨檔案編碼與長文件分析建議開啟思考模式；即時對話與補全場景關閉思考以降低延遲。
Agent 會話需將完整 assistant 回覆（含工具呼叫與推理內容）追加到歷史，MiniMax M3 才能保持上下文連貫。
長上下文任務優先一次性傳入完整材料，充分利用 MiniMax M3 的 100 萬 token 視窗，避免過度切分導致資訊丟失。
推薦 API 參數參考官方建議：temperature=1.0、top_p=0.95；輸出 token 建議控制在 131072 以內以獲得更穩定體驗。
多模態任務在提示詞中明確說明需關注的視覺元素與時間範圍，MiniMax M3 對結構化多模態指令響應更準確。