MiniMax M3
MiniMax推出的大语言模型，具备超长上下文处理能力（百万Token级别）和原生多模态理解能力，支持文字、图片和视频的统一推理
时间轴 (近 90 天)
同一场景、同一句话各试10次，DeepSeek平均响应时间为3.68秒，M3为10.70秒，优化前的M3.1高达20.35秒。
在两个备用模型之间，M3.1比M3更受青睐。
DeepSeek V4.1 Flash 1017、MiniMax M3.1 Flash 和 Mercury 3 三款模型于同一天发布。
MiniMax M3 允许关闭推理，而 M3.1 Flash 不允许。
MiniMax M3 基于 MiniMax Sparse Attention 构建，使得 100 万 token 上下文的运行成本远低于上一代。
社区通过 tokenizer 指纹识别将 Space Bunny Alpha 匹配到 MiniMax：X 用户 cheaty 发现其文本 tokenizer 与 MiniMax M3 完全一致，其他测试者用 36/36 和 50/50 的探针字符串交叉验证了这一结论。
在 AIHubMix 上，MiniMax M3.1 Flash 的输入价格比 M2.7 低约 44%（$0.165 对 $0.2958），比 M3 低约 43%（$0.165 对 $0.288），输出侧比例相同。
模型目录刷新新增 Boundless 和 Standard Compute 两个供应商；SambaNova 现在从目录中获取，默认模型为 MiniMax M3
Cline 推荐列表新增 Gemini 4 Argon 并移除了 Grok 4.7；免费列表用 Nemotron 3.5 Super VL 替换了 Step 5 Preview；OpenCode Go 不再列出 MiniMax M2.7。
SambaNova 现在从目录中获取，默认模型为 MiniMax M3。
还有 8 条时间轴事件
全部知识事实 (13)
同一场景、同一句话各试10次，DeepSeek平均响应时间为3.68秒，M3为10.70秒，优化前的M3.1高达20.35秒。
50%待验证在两个备用模型之间，M3.1比M3更受青睐。
50%待验证MiniMax M3 基于 MiniMax Sparse Attention 构建，使得 100 万 token 上下文的运行成本远低于上一代。
50%待验证MiniMax M3 允许关闭推理，而 M3.1 Flash 不允许。
50%待验证社区通过 tokenizer 指纹识别将 Space Bunny Alpha 匹配到 MiniMax：X 用户 cheaty 发现其文本 tokenizer 与 MiniMax M3 完全一致，其他测试者用 36/36 和 50/50 的探针字符串交叉验证了这一结论。
50%待验证在 AIHubMix 上，MiniMax M3.1 Flash 的输入价格比 M2.7 低约 44%（$0.165 对 $0.2958），比 M3 低约 43%（$0.165 对 $0.288），输出侧比例相同。
50%待验证在 MI355X 上优化 MiniMax M3 推理服务最终实现了 3-4 倍的服务吞吐提升
50%待验证推理服务的瓶颈可能出现在计算、内存带宽、调度和通信等多个环节
50%待验证MiniMax M3 采用了混合专家（MoE）等复杂架构，对稀疏计算和大规模 KV Cache 管理提出更高要求
50%待验证Gen-1 Slides 基于 MiniMax AI 的 M3 模型作为基座进行后训练得到
50%待验证测试采用控制变量法，将同一份提示词交给内置MiniMax M3模型的MiniMax Code CLI和手动接入MiniMax模型的Claude Code，以只比较工具链差异
50%待验证DeepSeek V4.1 Flash 1017、MiniMax M3.1 Flash 和 Mercury 3 三款模型于同一天发布。
50%待验证AMD 与 EmbeddedLLM 联合发布博客，记录了在 Instinct MI355X 硬件上优化 MiniMax M3 推理服务的过程
50%