AI 開發企業 MiniMax 將總參數量約 4280 億的大型語言模型「MiniMax M3」以包含模型權重的開放權重形式發布。該模型支援多模態，不僅能處理文字，還能處理圖片與影片，並且在部分軟體開發評測中超越了 Google 的 Gemini 3.1 Pro。它以可在自有硬體上執行的形式發布，這一點對開發者而言意義重大。
以開放權重發布的大模型
MiniMax M3 採用混合專家（MoE）架構，也就是只啟用完成某項任務所需的專家。總參數量雖然達到約 4280 億，但每次推論實際運作的僅約 230 億參數，這樣的設計兼顧了龐大規模與輕量執行。
輸入支援文字、圖片與影片，三者皆無需加裝額外的轉換元件即可原生處理。此前該模型已先行以 API 形式提供，這次又重新向大眾開放了模型權重本體。換言之，過去只能透過雲端接觸的模型，如今可以下載到自己的環境中進行驗證。
提升速度的自研注意力機制
MiniMax M3 著重凸顯的，是其自主研發的注意力機制「MiniMax Sparse Attention（MSA）」。此機制用於高效處理長脈絡，實現了最高達 100 萬 token 的龐大脈絡視窗。
速度提升同樣顯著。與上一代「MiniMax M2」相比，批次讀取輸入的預填充階段提速約 9 倍，輸出文字的解碼階段提速約 15 倍。此外，在處理 100 萬 token 的情境下，每個 token 的計算量可壓縮至以往的二十分之一。其意圖十分明確：以架構本身來抑制脈絡越長、計算成本越是急遽上升這項長期存在的弱點。
與 Gemini 3.1 Pro 的基準比較
作為效能指標，MiniMax 公布了與 Gemini 3.1 Pro 的比較資料。在衡量軟體工程能力的「SWE-Bench Pro」中，MiniMax M3 取得 59.0%，超越 Gemini 3.1 Pro 的 54.2%。在衡量與外部工具協作能力的「MCP Atlas」中，也以 74.2% 領先於 Gemini 3.1 Pro 的 69.2%。
不過，它並非在所有項目上都勝出。測試自主瀏覽網頁的「BrowseComp」中，MiniMax M3 為 83.5%，Gemini 3.1 Pro 為 85.9%；評估操作電腦畫面的「OSWorld-Verified」中，MiniMax M3 為 75.2%（MiniMax 官方發布的資料為 70.0%），Gemini 3.1 Pro 則為 76.2%。更貼近實際的看法是：它在擅長領域領先，而整體上則旗鼓相當。需要留意的是，這些資料皆由 MiniMax 自行公布。
授權與執行環境
使用條件也是開發者關心的重點。非商業用途可免費使用；年營收不足 2000 萬美元（約 32 億日圓）的企業或個人，只需向 MiniMax 報備並標註「Build with MiniMax」，即可用於商業用途。※1 美元 = 160 日圓
至於所需容量，標準的 bf16 格式約為 855 GB。不過，大幅量化的 1-bit GGUF 格式可壓縮至約 128 GB，而且其設計刻意控制參數規模，以便在更容易取得的硬體上執行。對於一個龐大模型而言，仍為在個人環境中試用保留餘地，是相當具有實用性的優點。
總結
MiniMax M3 是一款開放權重 LLM，以任何人都能下載的形式發布了 4280 億參數的大模型，並透過自研注意力機制兼顧了長脈絡處理與速度。它在軟體開發類基準上超越 Gemini 3.1 Pro，而在網頁操作等方面有所不及，整體能力旗鼓相當。作為可在自有 GPU 上執行的選擇，它有望成為希望在本地建構 AI 代理的開發者的有力候選。
