AI 开发企业 MiniMax 将总参数量约 4280 亿的大语言模型「MiniMax M3」以包含模型权重的开放权重形式发布。该模型支持多模态，不仅能处理文本，还能处理图像和视频，并且在部分软件开发评测中超过了谷歌的 Gemini 3.1 Pro。它以可在自有硬件上运行的形式发布，这一点对开发者而言意义重大。
以开放权重发布的大模型
MiniMax M3 采用混合专家（MoE）架构，即只激活完成某项任务所需的专家。总参数量虽然达到约 4280 亿，但每次推理实际运行的仅约 230 亿参数，这种设计兼顾了规模庞大与运行轻量。
输入支持文本、图像和视频，三者均无需加装额外的转换组件即可原生处理。此前该模型已先行以 API 形式提供，此次又重新向公众开放了模型权重本体。换言之，过去只能通过云端接触的模型，如今可以下载到自己的环境中进行验证。
提升速度的自研注意力机制
MiniMax M3 重点突出的，是其自主研发的注意力机制「MiniMax Sparse Attention（MSA）」。该机制用于高效处理长上下文，实现了最高达 100 万 token 的庞大上下文窗口。
速度提升同样显著。与上一代「MiniMax M2」相比，批量读取输入的预填充阶段提速约 9 倍，输出文本的解码阶段提速约 15 倍。此外，在处理 100 万 token 的场景下，每个 token 的计算量可压缩至以往的二十分之一。其意图十分明确：用架构本身来抑制上下文越长、计算成本越是急剧上升这一长期存在的弱点。
与 Gemini 3.1 Pro 的基准对比
作为性能指标，MiniMax 公布了与 Gemini 3.1 Pro 的对比数据。在衡量软件工程能力的「SWE-Bench Pro」中，MiniMax M3 取得 59.0%，超过 Gemini 3.1 Pro 的 54.2%。在衡量与外部工具协作能力的「MCP Atlas」中，也以 74.2% 领先于 Gemini 3.1 Pro 的 69.2%。
不过，它并非在所有项目上都胜出。测试自主浏览网页的「BrowseComp」中，MiniMax M3 为 83.5%，Gemini 3.1 Pro 为 85.9%；评估操作电脑界面的「OSWorld-Verified」中，MiniMax M3 为 75.2%（MiniMax 官方发布的数据为 70.0%），Gemini 3.1 Pro 则为 76.2%。更贴近实际的看法是：它在擅长领域领先，而总体上则旗鼓相当。需要留意的是，这些数据均由 MiniMax 自行公布。
许可与运行环境
使用条件也是开发者关心的重点。非商用可免费使用；年营收不足 2000 万美元（约 32 亿日元）的企业或个人，只需向 MiniMax 报备并标注「Build with MiniMax」，即可进行商用。※1 美元 = 160 日元
至于所需容量，标准的 bf16 格式约为 855 GB。不过，大幅量化的 1-bit GGUF 格式可压缩至约 128 GB，并且其设计特意控制参数规模，以便在更易获得的硬件上运行。对于一个庞大模型而言，仍为在个人环境中试用留有余地，是颇具实用性的优点。
总结
MiniMax M3 是一款开放权重 LLM，它以任何人都能下载的形式发布了 4280 亿参数的大模型，并通过自研注意力机制兼顾了长上下文处理与速度。它在软件开发类基准上超过 Gemini 3.1 Pro，而在网页操作等方面有所不及，整体能力旗鼓相当。作为可在自有 GPU 上运行的选择，它有望成为希望在本地构建 AI 智能体的开发者的有力候选。
