MiniMax M3 发布：编程、长上下文与多模态一次集齐

今日，MiniMax 正式发布新一代模型 M3。这一代最值得关注的变化，是终于在同一模型中集齐了前沿的 Coding 能力、1M 的上下文窗口和原生多模态。与此同时，配套的 Agent 产品 MiniMax Code 也迎来更新，技术博客同步放出。我们第一时间读完博客并分别上手实测，下面分享对技术博客的要点整理与实测感受。

三大能力，不再取舍

过去，要在编程、长上下文和多模态之间做到样样精通，往往需要在不同模型之间来回切换。M3 则把这些能力整合进同一个模型。1M 的上下文窗口，意味着模型可以一次性处理的文本量远超常规水平——面对一部上百页的技术手册，或是中小型项目的全部源代码，它不需要分批“读完”，而是可以直接在整个上下文里检索与推理。原生多模态则让模型在底层就打通了文本、图像与音频的表示，遇到带截图的报错信息或包含架构图的文档，模型可以直接“看”懂，不需要额外外挂视觉模块。前沿的 Coding 能力，则体现在代码生成、代码补全和 Agent 任务中的稳定表现上。三种能力彼此叠加，正好覆盖了真实开发中“一边看架构图，一边改代码，还要翻长文档”的高难度场景。

技术博客：一份扎实的成绩单

M3 的技术博客给出了相当多的评测数据。读完之后最直接的感受是：这是一份扎实的成绩单，但还不是终点。以 Terminal Bench 为例，这是评估模型在终端操作和 Agent 任务上表现的基准，M3 的表现已经稳定排在 Sonnet 4.6 这一档，部分编程和 Agent 任务上还要更靠前一些。而把 M3 与 Opus 4.7、GPT-5.5 放在一起对比，可以清晰看到还有一段差距。换句话说，M3 已经坐稳第一梯队，但距离金字塔尖的顶级模型，仍然保留着一段可量化的追赶空间。对于国产模型而言，能在同一时间把编程、长上下文和多模态做到这个水平，本身已经值得肯定。

实测与配套产品

我们分别上手了 M3 和 MiniMax Code。在实测中，我们重点观察了长上下文与编程的结合场景。得益于巨大的上下文窗口，当输入内容中混有代码、注释和自然语言描述时，M3 能够保持连贯的整体理解，不需要像以前那样手动分段喂入，这在实际使用中带来的体验提升非常明显。MiniMax Code 作为配套的 Agent 产品，思路是将 M3 的底层能力转化为可操作的开发工作流，让模型从“回答问题”升级为“执行任务”。可以说，MiniMax Code 是 M3 能力在真实项目中的延伸，也是 MiniMax 在 Agent 赛道上的一次具体落子。

展望：全能型模型的竞争刚刚开始

M3 的低调发布，传递出一个明确的信号：大模型的竞争正从单点指标的堆砌转向综合实力的较量。敢于把编程、长上下文和多模态同时装进一个模型，本身就代表了一种技术判断。虽然前方仍有 Opus 4.7 和 GPT-5.5 这样的强敌，但 M3 已经将差距缩小到可以清晰量化的范围。对于开发者来说，这意味着多了一个颇具竞争力的选择；对于行业来说，则证明了全能型路线在国产模型中同样可行。接下来，MiniMax 需要继续打磨 Agent 生态，让 M3 在真实工作流中释放价值。这，或许比任何一份 Benchmark 都更有说服力。