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 |
| 推論モード | 思考モードのオン/オフ |
| ツール利用 | エージェントワークフロー、ツール呼び出し、ターミナルタスク実行 |
| デプロイ | API、MiniMax Code、Token Plan、近日公開予定のオープンウェイト提供 |
| マルチモーダル対応 | 最初のステップ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、これまでクローズドソースのシステムに限定されがちだった3つの能力――高度なコーディング性能、ミリオントークン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。後付けで視覚機能を拡張するモデルと異なり、M3 は当初からマルチモーダルモデルとして訓練されており、視覚と言語の推論のより深い整合を可能にします。
このモデルは MiniMax Sparse Attention（MSA）上に構築されており、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、ミリオン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 の主な機能
- 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。
- 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、反復的な計画立案、マルチステップ実行に対応。
- 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、ダイアグラム、スクリーンショット、動画入力を処理。
- 高度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系ベンチマークで高い性能。
- 長時間にわたる実行: 研究再現や CUDA 最適化プロジェクトなど、数時間に及ぶ自律ワークフローを実証。
- 設定可能な推論: 深い推論ワークロード向けに思考モードを有効化、低レイテンシの対話向けに無効化が可能。
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次が含まれます。
| 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、M3 がいくつかのコーディング指向ベンチマークで GPT-5.5 や Gemini 3.1 Pro を上回り、一部の評価では Claude Opus 4.7 の性能に近づいているとも報告しています。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機関による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 のミリオントークンコンテキスト機能を支えるアーキテクチャ上の革新です。全シーケンスに対し完全な二乗計算のアテンションを適用するのではなく、MSA はブロックレベルのルーティングと、文脈中の選択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、これにより大きなコンテキスト長での計算要件が大幅に削減され、次を実現します。
- 1M コンテキスト長でのプレフィル性能が 9 倍超高速化
- デコーディング性能が 15 倍超高速化
- 1M コンテキスト規模で、従来世代比およそ 1/20 のトークン当たり計算量
これらの改良により、リポジトリ規模のコーディングや長時間にわたるエージェントワークフローを実用域に乗せることを目指しています。
MiniMax M3 と Claude Opus 4.7 と 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 | あり | あり | あり |
| 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 |
| オープンウェイトの提供状況 | 計画あり | 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、独立した評価機関ではなく MiniMax によるもの。
- オープンウェイトのモデルファイルと完全な技術報告は発表済みだが、ローンチ時点では広く公開されていない。
- 本番環境にわたる実運用での信頼性は、開発者コミュニティにより検証途上。
- ミリオン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運用コストやレイテンシが高くなる可能性。
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
大規模コードベースの解析、複数ファイルにまたがるリファクタリング、パッチ生成、プルリクエストのレビュー、長期的な開発コンテキストの維持。
自律型リサーチエージェント
文献調査、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。
マルチモーダルな技術解析
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で解釈。
ターミナルおよび DevOps の自動化
テスト、デプロイのオーケストレーション、依存関係管理、反復的なデバッグを伴う複雑なエンジニアリングワークフローを実行。
エンタープライズ知識システム
ポリシー、契約、技術文書、社内ナレッジリポジトリ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 モデルラインアップにおけるフラッグシップ後継として正式発表されました。本モデルは MiniMax API エコシステムおよび CometAPI を通じて利用可能です。