Tekniske spesifikasjoner for MiniMax M3
| Parameter | MiniMax M3 |
|---|---|
| Modellfamilie | MiniMax M3 frontier‑grunnmodell |
| Leverandør | MiniMax |
| Arkitektur | MiniMax Sparse Attention (MSA) |
| Inndatatyper | Tekst, Bilde, Video |
| Utdatatyper | Tekst |
| Kontekstvindu | Opptil 1,000,000 tokens (minimum garantert 512K) |
| Primære styrker | Koding, agentiske arbeidsflyter, multimodal resonnering, langkontekstbehandling |
| Resonneringsmodus | Tenkemodus av/på |
| Verktøybruk | Agent‑arbeidsflyter, kall av verktøy, kjøring av terminaloppgaver |
| Distribusjon | API, MiniMax Code, Token Plan, kommende open‑weight‑utgivelse |
| Multimodal støtte | Egen multimodal fortrening fra trinn null |
| Lanseringsdato | Juni 2026 |
Hva er MiniMax M3?
MiniMax M3 er en AI‑modell i frontier‑skala, designet rundt tre kapabiliteter som historisk sett har vært begrenset til lukkede kildekodesystemer: avansert kodeytelse, behandling av million‑token‑kontekster og innebygd multimodal forståelse. I motsetning til modeller som legger til visjon som en senere utvidelse, ble M3 trent som en multimodal modell fra starten av, noe som muliggjør dypere samsvar mellom visuell og tekstlig resonnering.
Modellen er bygget på MiniMax Sparse Attention (MSA), en sparse‑attention‑arkitektur utformet for å gjøre million‑token‑kontekster beregningsmessig praktiske samtidig som ytelsen på koding, resonnering og agentiske oppgaver bevares.
Hovedfunksjoner i MiniMax M3
- 1M‑token kontekstvindu: Støtter svært store kodelagre, omfattende forskningskorpora, multi‑dokumentanalyse og langvarige agentsesjoner.
- Agent‑orientert arkitektur: Designet for autonom oppdeling av oppgaver, kall av verktøy, iterativ planlegging og flertrinns utførelse.
- Egen multimodalitet: Behandler tekst, bilder, diagrammer, skjermbilder og video‑input uten å være avhengig av en separat visjonsstakk.
- Avanserte kodeevner: Sterk ytelse på programvare‑ingeniør‑benchmarker, inkludert SWE‑Bench Pro, Terminal‑Bench og KernelBench.
- Langhorisont‑utførelse: Demonstrerte autonome arbeidsflyter over flere timer, inkludert reproduksjon av forskning og CUDA‑optimaliseringsprosjekter.
- Konfigurerbar resonnering: Tenkemodus kan aktiveres for dypere resonneringsoppgaver eller deaktiveres for lavere ventetid i interaksjoner.
Benchmark‑ytelse for MiniMax M3
MiniMax rapporterer frontier‑nivå resultater på benchmarker innen koding, agentisk utførelse og multimodale evalueringer. Rapporterte resultater inkluderer:
| Benchmark | Resultat |
|---|---|
| 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 |
Selskapet oppgir også at M3 overgår GPT‑5.5 og Gemini 3.1 Pro på flere kodeorienterte benchmarker, samtidig som den nærmer seg ytelsen til Claude Opus 4.7 i utvalgte evalueringer. Disse påstandene stammer fra MiniMax sine interne benchmark‑publiseringer og bør tolkes sammen med uavhengige tredjepartstester etter hvert som de blir tilgjengelige.
Langkontekst‑arkitektur og MSA
MiniMax Sparse Attention (MSA) er den arkitektoniske innovasjonen bak M3s million‑token‑kontekst. I stedet for å anvende full kvadratisk oppmerksomhet over hele sekvensen, utfører MSA blokk‑nivå‑ruting og sparsom oppmerksomhet over utvalgte deler av konteksten.
Ifølge MiniMax reduserer dette beregningskravene betydelig ved store kontekstlengder og gir:
- Mer enn 9× raskere prefill‑ytelse ved 1M kontekstlengde
- Mer enn 15× raskere dekoderingsytelse
- Omtrent 1/20 av forrige generasjons beregning per token ved 1M kontekstskala
Disse forbedringene er ment å gjøre kodelager‑skala koding og langhorisont‑agentarbeidsflyter praktisk gjennomførbare.
MiniMax M3 vs Claude Opus 4.7 vs Gemini 3.1 Pro
| Kapasitet | MiniMax M3 | Claude Opus 4.7 | Gemini 3.1 Pro |
|---|---|---|---|
| Kontekstvindu | Opptil 1M | Mindre offentlig tilgjengelige kontekstvinduer | Multimodal med stor kontekst |
| Innebygd multimodal trening | Ja | Ja | Ja |
| Fokus på agentisk koding | Svært sterk | Svært sterk | Sterk |
| SWE-Bench Pro | 59.0% | Høyere ifølge MiniMax‑rapportering | Lavere ifølge MiniMax‑rapportering |
| Tilgjengelighet av open‑weight | Planlagt | Nei | Nei |
| Langhorisont‑agentarbeidsflyter | Hovedfokus i design | Sterk | Sterk |
Kjente begrensninger
- De fleste benchmark‑offentliggjøringene kommer per i dag fra MiniMax snarere enn uavhengige evalueringslaboratorier.
- Open‑weight‑modellfiler og den fullstendige tekniske rapporten ble annonsert, men var ved lanseringstidspunktet ennå ikke bredt utgitt.
- Reell pålitelighet på tvers av produksjonsmiljøer blir fortsatt validert av utviklerfellesskapet.
- Arbeidslaster med million‑token‑kontekst kan medføre høyere driftskostnader og latens enn standard inferens‑arbeidslaster.
Representative bruksområder
Programvareutvikling i kodelager‑skala
Analyser store kodebaser, utfør flerfil‑refaktoreringer, generer patcher, gjennomgå pull requests, og oppretthold langsiktig utviklingskontekst.
Autonome forskningsagenter
Støtt litteraturgjennomgang, dokumentsyntese, benchmark‑analyse og langvarige forskningsarbeidsflyter som krever hundretusener av tokens.
Multimodal teknisk analyse
Tolk skjermbilder, arkitekturdiagrammer, grafer, tekniske dokumenter og videoinnhold innenfor samme resonneringsflyt.
Terminal‑ og DevOps‑automatisering
Kjør komplekse ingeniørarbeidsflyter som omfatter testing, utrullingsorkestrering, avhengighetsstyring og iterativ feilsøking.
Kunnskapssystemer for virksomheter
Søk i og resonner over store samlinger av retningslinjer, kontrakter, teknisk dokumentasjon og interne kunnskapslager.
Modellversjon og tilgjengelighet
MiniMax M3 ble offisielt introdusert i juni 2026 som flaggskipsuksessoren i MiniMax‑modellrekken. Modellen er tilgjengelig gjennom MiniMax API‑økosystemet og CometAPI.