作为大模型开发者，过去这一年我们听了太多关于“长文本”和“Agent”的营销黑话。但说实话，每次看到那些一输长文本就卡死、写个复杂脚本就要人工反复调教的“半吊子 Agent”，热情难免被浇灭大半。

不过，MiniMax 最新发布的 MiniMax M3，确实让人眼前一亮。

它不搞虚的，一上来就甩出三个硬标签：原生多模态、1M（100万）超长上下文、开源权重。
最绝的是官方公布的一个实战案例：在完全没有人工干预的情况下，M3 连续运行 24 小时，自主调用工具 1959 次、提交 147 次测试，硬生生把一个跑不通的 Triton 骨架代码，榨出了 71.3% 的 Hopper GPU 硬件峰值性能，算子性能飙升 9.4 倍。

大模型开始抢底层算子工程师的饭碗了？
别慌，我们先看看它底层的技术底牌。

---

架构掀桌子：1M 上下文，推理速度凭什么狂飙？

做过大模型部署和训练的同学都知道，1M Context 最大的痛点不是模型记不住，而是算不起。传统的 Full Attention（全注意力机制）计算复杂度随长度呈平方级（$O(N^2)$）爆炸，显存分分钟 OOM，更别提恐怖的推理延迟了。

为了破这个局，MiniMax M3 直接放弃了老路，自己搞了一套 MSA（MiniMax Sparse Attention）稀疏注意力架构。

核心黑科技：“KV 外聚 Q”（KV outer gather Q）

简单来说，MSA 在计算过程中加入了一个预过滤阶段：

• 它把庞大的 Key-Value (KV) 缓存进行了分块。
• 在 Query 聚合阶段，每个 KV 块只需要被读取一次。

这种对硬件极度友好的稀疏化改动，带来的性能红利堪称恐怖：
在 1M 极端长文本下，M3 的单 Token 计算开销直接缩减到了上一代模型的 1/20。官方实测，Prefill（前文填充）阶段加速 9 倍以上，Decoding（解码输出）阶段加速 15 倍以上。

这意味着，以前你传一个包含成百上千个复杂层级映射的 JSON 数据集，或者几十个 DINOv2 训练日志进去，模型得“死机”半天；现在用 M3，基本上能做到秒级响应。

---

从“写代码”到“搞研发”：三个细思极恐的 Agent 实战

如果说 MSA 架构是内功，那 M3 展现出的长周期自主研发能力就是杀招。现在的 M3 已经不满足于单轮的 Ctrl+C / Ctrl+V 帮写个小脚本了，它能像个真正的初级工程师一样，自己拆任务、看日志、改 Bug、跑 Benchmark。

除了前面提到自主魔改 CUDA 算子，官方还公布了两个非常有意思的极限压测：

1. 12小时自主复现 ICLR 顶会论文

让 M3 独立去啃一篇 ICLR 2025 的优秀论文《Learning Dynamics of LLM Finetuning》。

• 怎么做？ 靠着 1M 的大肚子，把论文 PDF、配套代码和实验日志全塞进窗口。
• 结果： 连续高强度运行 12 小时，利用多模态能力看懂了论文里复杂的公式和图表，硬生生完成了 18 次代码 Commit，产出了 23 张实验图表，把核心实验完美复现了出来。
  

2. 完美的“套娃”：AI 自己训练 AI

在 PostTrainBench 测试中，给 M3 扔了 4 个刚从产线下来、什么都不会的 Base（预训练）模型，让它在 12 小时内客串“微调工程师”。
结果它自己搞定了“合成数据 $\to$ 跑训练 $\to$ 自动化评估 $\to$ 调参迭代”的全流程。最终在这个基准上拿到了 37.1 的高分，全球第三，仅次于 Opus 4.7 和 GPT-5.5。

---

刷榜与生态：这波羊毛怎么薅？

在打榜这块，M3 也没客气。软件工程领域的硬核指标 SWE-Bench Pro 直接冲到了 59.0%，把 GPT-5.5 和 Gemini 3.1 Pro 甩在身后。而在测试智能体工具调用能力的 MCP Atlas 上，也有 74.2% 的高分。

更重要的是，MiniMax 这次在商业化策略上玩了个“加量不加价”：

同样是 20 美元/月的 Plus 档，Token 额度直接翻倍，每月给到了足足 17 亿（1.7B）Tokens！ 官方换算了一下，这相当于 11 万篇长文档。对于天天泡在服务器、改脚本、倒腾各种跨平台自动化流转的技术人来说，这个吞吐量终于能让人放开手脚去跟 AI 协同了。

---

最后的思考

从技术演进的角度来看，MiniMax M3 的发布释放了一个强烈的信号：单打独斗的 LLM 时代正在过去，原生多模态 + 高效长文本支撑下的“长周期智能体（Long-horizon Agent）”才是下一半场的标准配置。

特别是对于我们这种经常需要处理海量图像数据、调优深度学习模型架构、写多线程自动化脚本的技术人来说，一个能在本地 Linux 服务器和 macOS 之间无缝协同、甚至能帮你自动看文档去优化底层算子的工具，已经不仅仅是一个“聊天框”，而是一个真正能下地干活的“数字同事”了。

M3 的开源权重已经放出，API 也同步上线。你是打算用它来写一个自动清洗数据集的 Agent，还是打算给自己的项目卷一波算子优化？欢迎在评论区聊聊。
使用网站：https://agent.minimax.io/