Can MiniMax M3 process a full software repository in a single context window?

はい。MiniMax M3 は最大1,000,000トークンのコンテキストウィンドウに対応しており、大規模なリポジトリやドキュメントセット、長時間のエージェントセッションを1つの会話内で分析できます。

How does MiniMax M3 compare to Claude Opus 4.7 for coding tasks?

M3 は複数のコーディングおよびエージェント系ベンチマークで Claude Opus 4.7 に迫る性能を示しつつ、1Mトークンのコンテキストウィンドウとオープンウェイトでの提供予定を併せ持ちます。独立した第三者による比較は、まだ出揃っていません。

What makes MiniMax M3 different from previous MiniMax models?

MiniMax M3 は、MiniMax Sparse Attention（MSA）アーキテクチャ、ネイティブなマルチモーダル学習、より強力なエージェント機能を導入し、従来の M2 シリーズモデルよりも大幅に大きなコンテキスト対応を実現しています。

Does the MiniMax M3 API support multimodal inputs?

はい。MiniMax M3 はネイティブにマルチモーダルで、テキストベースの入力に加えて画像および動画の理解に対応しています。

What benchmark scores has MiniMax M3 achieved?

MiniMax は SWE-Bench Pro で59.0%、Terminal-Bench 2.1 で66.0%、MCP Atlas で74.2%、BrowseComp で83.5 を報告しており、M3 をコーディングおよびエージェント重視の先進モデル群の一角に位置づけています。

Is MiniMax M3 suitable for autonomous AI agents?

はい。本モデルは、計画、ツールの使用、タスク分解、ターミナル実行、多段階の問題解決などを含む長期的なエージェントワークフロー向けに特別に最適化されています。

When should developers choose MiniMax M3 instead of Gemini 3.1 Pro?

極めて長いコンテキストウィンドウ、コーディング中心のワークフロー、あるいはオープンウェイトでのデプロイを優先する場合、MiniMax M3 は特に有力な選択肢です。すでに Google のエコシステムに標準化しているチームにとっては、Gemini 3.1 Pro の方が引き続き適している場合があります。

お手頃な MiniMax-M3 API | text-to-text

MiniMax M3 の技術仕様

項目	MiniMax M3
モデルファミリー	MiniMax M3 フロンティア級の基盤モデル
提供元	MiniMax
アーキテクチャ	MiniMax Sparse Attention (MSA)
入力タイプ	テキスト、画像、動画
出力タイプ	テキスト
コンテキストウィンドウ	最大 1,000,000 トークン（最低保証 512K）
主要な強み	コーディング、エージェント型ワークフロー、マルチモーダル推論、長文脈処理
思考モード	思考のオン/オフモード
ツール利用	エージェントワークフロー、ツール呼び出し、ターミナルタスクの実行
デプロイ	API、MiniMax Code、Token Plan、オープンウェイトのリリース予定
マルチモーダル対応	最初の段階からのネイティブなマルチモーダル事前学習
リリース日	2026年6月

MiniMax M3 とは？

MiniMax M3 は、従来クローズドソースのシステムに限られてきた3つの能力（高度なコーディング性能、100万トークン規模のコンテキスト処理、ネイティブなマルチモーダル理解）を中心に設計されたフロンティア規模の AI モデルです。後から視覚機能を拡張として追加するモデルとは異なり、M3 は最初からマルチモーダルモデルとして訓練されており、視覚とテキストの推論間のより深い整合を可能にします。

このモデルは MiniMax Sparse Attention (MSA) に基づいており、コーディング、推論、エージェントタスクでの性能を維持しつつ、100万トークンのコンテキストを計算上実用的にするために設計されたスパースアテンションのアーキテクチャです。

MiniMax M3 の主な特長

1M-トークンのコンテキストウィンドウ: 極めて大規模なリポジトリ、長大な研究コーパス、複数文書の分析、長時間のエージェントセッションをサポートします。
エージェント指向アーキテクチャ: 自律的なタスク分解、ツール呼び出し、反復的な計画、マルチステップ実行向けに設計。
ネイティブなマルチモーダリティ: 別個のビジョンスタックに依存せず、テキスト、画像、図表、スクリーンショット、動画入力を処理します。
先進的なコーディング能力: SWE-Bench Pro、Terminal-Bench、KernelBench を含むソフトウェア工学ベンチマークで高い性能。
長時間の実行: 研究再現や CUDA 最適化プロジェクトを含む、数時間に及ぶ自律ワークフローを実証。
設定可能な推論: 思考モードを有効化して深い推論に対応、あるいは低レイテンシ対話のために無効化が可能。

MiniMax M3 のベンチマーク性能

MiniMax は、コーディング、エージェント実行、マルチモーダル評価タスクにまたがるフロンティア級のベンチマーク結果を報告しています。報告された結果には以下が含まれます。

ベンチマーク	スコア
SWE-Bench Pro	59.0%
Terminal-Bench 2.1	66.0%
SWE-fficiency	34.8%
KernelBench Hard	28.8%
MCP Atlas	74.2%
BrowseComp	83.5
PostTrainBench	37.1

同社はまた、M3 が複数のコーディング指向ベンチマークにおいて GPT-5.5 と Gemini 3.1 Pro を上回り、選択された評価では Claude Opus 4.7 の性能に迫ると報告しています。これらの主張は MiniMax の内部ベンチマーク開示に基づくものであり、今後入手可能になる第三者の独立検証と併せて解釈すべきです。

長文脈アーキテクチャと MSA

MiniMax Sparse Attention (MSA) は、M3 の100万トークンコンテキスト能力を支えるアーキテクチャ上の革新です。全系列に対する二乗計算量のフルアテンションを適用する代わりに、MSA はブロックレベルのルーティングと、選択されたコンテキスト領域に対するスパースアテンションを行います。

MiniMax によれば、これは大きなコンテキスト長で計算要件を大幅に削減し、次を実現します。

1M コンテキスト長でプレフィル性能が 9× 以上高速
デコーディング性能が 15× 以上高速
1M コンテキスト規模でトークン当たりの計算量が従来世代の約 1/20

これらの改善により、リポジトリ規模のコーディングや長時間のエージェントワークフローを実用的にします。

MiniMax M3 と Claude Opus 4.7、Gemini 3.1 Pro の比較

機能	MiniMax M3	Claude Opus 4.7	Gemini 3.1 Pro
コンテキストウィンドウ	最大 1M	公開されているコンテキスト階層はより小さい	大規模コンテキストのマルチモーダル
ネイティブなマルチモーダル学習	Yes	Yes	Yes
エージェント型コーディングへの注力	非常に強い	非常に強い	強い
SWE-Bench Pro	59.0%	MiniMax の報告によればより高い	MiniMax の報告によればより低い
オープンウェイト提供	予定	なし	なし
長時間のエージェントワークフロー	主要な設計上の焦点	強い	強い

既知の制限事項

現時点のベンチマーク開示の多くは独立評価機関ではなく MiniMax によるものです。
オープンウェイトのモデルファイルおよび完全な技術レポートは発表されたものの、ローンチ時点では広く公開されていませんでした。
実運用環境での信頼性は、開発者コミュニティによって検証途上です。
100万トークンのコンテキストを用いるワークロードは、標準的な推論ワークロードより高い運用コストと遅延を伴う可能性があります。

代表的なユースケース

リポジトリ規模のソフトウェアエンジニアリング

大規模なコードベースを分析し、複数ファイルのリファクタリングを実行、パッチを生成、プルリクエストをレビューし、長期的な開発コンテキストを維持。

自律型リサーチエージェント

文献レビュー、文書統合、ベンチマーク分析、数十万トークンを要する長時間の研究ワークフローを支援。

マルチモーダル技術分析

スクリーンショット、アーキテクチャ図、チャート、技術文書、動画コンテンツを同一の推論ワークフロー内で解釈。

ターミナルおよび DevOps 自動化

テスト、デプロイのオーケストレーション、依存関係管理、反復的デバッグを含む複雑なエンジニアリングワークフローを実行。

企業向けナレッジシステム

方針、契約書、技術文書、社内ナレッジの大規模コレクションを検索・推論。

モデルのバージョンと提供状況

MiniMax M3 は 2026年6月に MiniMax モデルラインナップのフラッグシップ後継として正式に発表されました。モデルは MiniMax API エコシステムおよび CometAPI を通じて利用可能です。

MiniMax-M3の料金

MiniMax-M3の競争力のある価格設定をご確認ください。さまざまな予算や利用ニーズに対応できるよう設計されています。柔軟なプランにより、使用した分だけお支払いいただけるため、要件の拡大に合わせて簡単にスケールアップできます。MiniMax-M3がコストを管理しながら、お客様のプロジェクトをどのように強化できるかをご覧ください。

コメット価格 (USD / M Tokens)	公式価格 (USD / M Tokens)	割引
入力:$0.48/M 出力:$1.92/M	入力:$0.6/M 出力:$2.4/M	-20%

MiniMax-M3のサンプルコードとAPI

MiniMax-M3の包括的なサンプルコードとAPIリソースにアクセスして、統合プロセスを効率化しましょう。詳細なドキュメントでは段階的なガイダンスを提供し、プロジェクトでMiniMax-M3の潜在能力を最大限に活用できるよう支援します。

Python
JavaScript
Curl

from openai import OpenAI
import os

# Get your CometAPI key from https://www.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

client = OpenAI(base_url=BASE_URL, api_key=COMETAPI_KEY)

completion = client.chat.completions.create(
    model="minimax-m3",
    messages=[
        {
            "role": "system",
            "content": (
                "You are a senior backend reviewer focused on correctness, "
                "reliability, and maintainability."
            ),
        },
        {
            "role": "user",
            "content": (
                "Task: review the API migration plan and identify the "
                "highest-impact improvements.

"
                "Context: the team is moving a customer support workflow from "
                "blocking chat calls to an async job queue. Prioritize data "
                "safety, retry behavior, observability, and rollback.

"
                "Output format:
"
                "Return a table with columns: Area, Risk, Recommendation, "
                "Priority. Keep each recommendation actionable and under 40 words."
            ),
        },
    ],
    max_completion_tokens=800,
    extra_body={"reasoning_split": True},
)

if not completion.choices:
    print(completion.model_dump_json(indent=2))
    raise SystemExit

message = completion.choices[0].message

reasoning_details = getattr(message, "reasoning_details", None)
if reasoning_details:
    print("Thinking:")
    print(reasoning_details[0]["text"])
    print()

print("Response:")
print(message.content)

Python Code Example

from openai import OpenAI
import os

# Get your CometAPI key from https://www.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

client = OpenAI(base_url=BASE_URL, api_key=COMETAPI_KEY)

completion = client.chat.completions.create(
    model="minimax-m3",
    messages=[
        {
            "role": "system",
            "content": (
                "You are a senior backend reviewer focused on correctness, "
                "reliability, and maintainability."
            ),
        },
        {
            "role": "user",
            "content": (
                "Task: review the API migration plan and identify the "
                "highest-impact improvements.\n\n"
                "Context: the team is moving a customer support workflow from "
                "blocking chat calls to an async job queue. Prioritize data "
                "safety, retry behavior, observability, and rollback.\n\n"
                "Output format:\n"
                "Return a table with columns: Area, Risk, Recommendation, "
                "Priority. Keep each recommendation actionable and under 40 words."
            ),
        },
    ],
    max_completion_tokens=800,
    extra_body={"reasoning_split": True},
)

if not completion.choices:
    print(completion.model_dump_json(indent=2))
    raise SystemExit

message = completion.choices[0].message

reasoning_details = getattr(message, "reasoning_details", None)
if reasoning_details:
    print("Thinking:")
    print(reasoning_details[0]["text"])
    print()

print("Response:")
print(message.content)

JavaScript Code Example

import OpenAI from "openai";

// Get your CometAPI key from https://www.cometapi.com/console/token, and paste it here
const api_key = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const base_url = "https://api.cometapi.com/v1";

const openai = new OpenAI({
  apiKey: api_key,
  baseURL: base_url,
});

const completion = await openai.chat.completions.create({
  model: "minimax-m3",
  messages: [
    {
      role: "system",
      content:
        "You are a senior backend reviewer focused on correctness, reliability, and maintainability.",
    },
    {
      role: "user",
      content:
        "Task: review the API migration plan and identify the highest-impact improvements.\n\n" +
        "Context: the team is moving a customer support workflow from blocking chat calls " +
        "to an async job queue. Prioritize data safety, retry behavior, observability, and rollback.\n\n" +
        "Output format:\n" +
        "Return a table with columns: Area, Risk, Recommendation, Priority. " +
        "Keep each recommendation actionable and under 40 words.",
    },
  ],
  max_completion_tokens: 800,
  reasoning_split: true,
});

if (!completion.choices?.length) {
  console.log(JSON.stringify(completion, null, 2));
  process.exit(0);
}

const message = completion.choices[0].message;

if (message.reasoning_details?.length) {
  console.log("Thinking:");
  console.log(message.reasoning_details[0].text);
  console.log();
}

console.log("Response:");
console.log(message.content);

Curl Code Example

# Get your CometAPI key from https://www.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"
curl https://api.cometapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "minimax-m3",
    "messages": [
      {
        "role": "system",
        "content": "You are a senior backend reviewer focused on correctness, reliability, and maintainability."
      },
      {
        "role": "user",
        "content": "Task: review the API migration plan and identify the highest-impact improvements.\n\nContext: the team is moving a customer support workflow from blocking chat calls to an async job queue. Prioritize data safety, retry behavior, observability, and rollback.\n\nOutput format:\nReturn a table with columns: Area, Risk, Recommendation, Priority. Keep each recommendation actionable and under 40 words."
      }
    ],
    "max_completion_tokens": 800,
    "reasoning_split": true
  }'

MiniMax-M3のバージョン

MiniMax-M3に複数のスナップショットが存在する理由としては、アップデート後の出力変動により旧版スナップショットの一貫性維持が必要な場合、開発者に適応・移行期間を提供するため、グローバル/リージョナルエンドポイントに対応する異なるスナップショットによるユーザー体験最適化などが考えられます。各バージョンの詳細な差異については、公式ドキュメントをご参照ください。

version
minimax-m3