- 综合排序
- 最热优先
- 最新优先
- 来自专栏Go语言学习专栏
MiniMax M3火了，但我劝你先别急着吹
MiniMax M3 发布那天，群里有人甩了一张跑分图，配文就四个字：「国产之光」。 我点开看了一眼，然后把手机放下了。 不是我不看好国产模型。 所以这篇我不打算吹 MiniMax M3。关于它的公开可靠材料还不够多，第三方长期评测、真实开发者工作流反馈、稳定性测试，都还没到可以下定论的时候。 所以我看 MiniMax M3 这类模型，第一反应不是问它有没有赢过谁，而是问它能不能稳定完成一件复杂的事。 所以我对 MiniMax M3 的态度很简单：值得关注，但不值得跪拜。 如果它在成本、速度、稳定性、Agent 任务上真的能持续打出来，那它会是国产模型很重要的一步。
14610编辑于 2026-06-04 - 来自专栏不二小段
低预期上手 MiniMax M3，结果好像有点东西？
昨天有点忙，没有第一时间测 MiniMax M3，也看到网上很多声音，说实话让我对 M3 的预期没那么高。 这次 M3 补齐了多模态的短板之后，适用性显然更广了。 我在 MiniMax Code 里尝试了一下，直接把一份 MP4 的讲座视频完整地发给 M3，让它从中帮我截取 PPT 图片并标注时间戳。 从我的测试看，MiniMax M3宣传的核心能力基本都兑现了。综合来看，Agent+长上下文+原生多模态，三者组合起来，M3 是有自己的生态位的。 MiniMax M3 这次的发布，有技术上的高光，也有运营上的失误和补救。 这也说明，一个好的AI模型想要真正赢得用户认可，需要把技术、产品、商业这三件事都理顺了，缺一不可。 不论如何，MiniMax 依然在坚持开源路线，为开发者提供除少数几家闭源巨头之外的、更具性价比的高性能选择。对于MiniMax来说，M3 这张答卷已经交出，剩下的就看市场和开发者们的认可了。
18610编辑于 2026-06-04 MiniMax 今日正式发布M3模型支持1M上下文
在大模型竞争进入“深水区”，各大厂商更新日新月异，MiniMax正式推出了其最新一代旗舰文本模型——MiniMaxM3。 )核心能力顶尖代码生成、智能体(Agentic)任务处理开源状态开放权重(Open-Weight)架构创新MiniMax稀疏注意力(MSA)深度解析：M3的三大杀手锏1.真正的“原生多模态”与海量上下文 M3不是简单地在原有模型上“拼接”视觉模块，而是重建了整个数据流水线，从预训练的第一步就开始进行多模态训练。 2.智能体(Agentic)能力的飞跃M3在自主任务分解、工具调用和多步骤推理方面表现出色。 MiniMaxM3的发布，标志着MiniMax在代码、智能体和长上下文这三大关键领域均达到前沿水平的模型。
33210编辑于 2026-06-01- 来自专栏设计模式
用 MiniMax M3 来 Coding 实在太顶了！我让它接手了真实项目开发
最近 MiniMax 发布了 M3。如果用一句话概括，我觉得它最大的特点是：国产开源模型终于集齐了过去只有顶级国外模型才有的“三件套”：Coding、百万级上下文和原生多模态。 原因很简单，MiniMax Code 本身就是专门为 M3 设计，并且与 M3 一起训练的 Agent 产品，可以说是目前最能发挥 M3 能力的官方搭档。 相比单纯测试模型本身，我更想看看 M3 在真实 Agent 场景下的表现。MiniMax Code 并不只是一个代码生成工具，它更像一个 AI 开发团队。 做个最简单的MVP本地版，模型用MiniMax M3模型。 剩下的全部交给它自己完成，包括需求补全、页面设计、产品逻辑以及最终开发。 而这或许才是这次 MiniMax M3 最值得关注的地方。
40810编辑于 2026-06-02 - 来自专栏运维有术
MiniMax M3：1M 上下文、SWE-Bench 59%，三项前沿能力一次集齐
图 1：MiniMax M3 三项核心能力概览说明：本文内容基于 MiniMax 官方文档（minimaxi.com）和官方博客分析整理而成，数据来源为官方发布的基准测试成绩和实际任务案例。 2026 年 6 月 1 日，MiniMax 发布了新一代旗舰语言模型 M3。 MiniMax 为了适配这种训练方式重构了整个数据管线，预训练数据规模拉到了百 T 量级。这笔投入不小。但回头看论文复现任务里 M3 对图表和公式的理解能力，这笔投入确实有回报。 交互式用户模拟器：下一代 Agent 训练范式这一节虽然不是 M3 模型本身的功能，但能看到 MiniMax 对 Agent 能力演进的思考。 MiniMax Code：配套 Agent 产品MiniMax 还发布了专为 M3 设计的 Agent 产品 MiniMax Code，几个核心特性值得关注：Agent Team：将大型任务拆解为多阶段
43200编辑于 2026-06-02 - 来自专栏软件测试学习
AI早报 ｜ 6月4日：Qwen3.7 Plus 前日上线，Anthropic 公开 Claude 安全机制，NVIDIA Cosmos 3 开启物理AI新纪元
M3 开源 "终结闭源"的重磅发布 Ideogram 4.0 开放权重 原生 2K + 文字渲染突破 本日重点 · 值得关注 · 速览即可 一、Qwen3.7 Plus 前日上线——国产大模型最高频迭代 四、MiniMax M3 开源 & Ideogram 4.0 开放权重——开源不是妥协，而是战略 MiniMax M3："终结闭源"的开源重磅 MiniMax M3 于5月31日发布，采用开放权重。 为什么 MiniMax 转向开源意义重大？ MiniMax 此前一直是闭源路线的代表厂商，此次转向意味着"纯闭源"路线在中国市场已难以为继 开源 M3 的性能逼近甚至超越部分闭源模型，证明了"开源≠低性能" DeepSeek V4-Pro-Max M3 MiniMax 5月31日 开源，"终结闭源" Step 3.7 Flash StepFun 5月28日 阶跃星辰高速版 Claude Opus 4.8 / Fast Anthropic 5月27
17010编辑于 2026-06-05 - 来自专栏OI
P5298 Minimax
Description 题目链接：P5298 给定一棵 n 个节点的根节点为 1 的有根树，每个节点最多有两个子节点。 定义节点 x 的权值为： 若 x 没有子节点，则其权值为 a_i。 若 x 有子节点，则它的权值有 p_x 的概率为其子节点的权值的最大值，有 1-p_x 的概率为其子节点的权值的最小值。 ，求： \sum_{i=1}^mi\cdot V_i\cdot D_i^2 \bmod 998244353 Solution 的概率，则： F_{i,j}=F_{l,j}\times (p_i
35830编辑于 2022-09-19 - 来自专栏一Wa哇一天
Minimax Problem
Minimax Problem time limit per test:5 seconds memory limit per test:512 megabytes inputstandard input
44310发布于 2020-04-09 - 来自专栏机器学习与统计学
Mac跑MiniMax-M2.7，2条路径对比
今天聊一个很多 Mac 用户关心的问题：MiniMax-M2.7 怎么在 Mac 上跑起来？ MiniMax-M2.7 是什么来头？ 但 MiniMax 的量化比一般模型坑多得多 为什么标准量化在 MiniMax 上翻车？ 硬核数据： 指标 数值 磁盘占用 56.5 GB GPU 显存 56.5 GB MMLU（200题） 91.5% 速度（M3 Ultra） ~44 tok/s 你没看错——2-bit 量化，只要 56.5GB 剥离推理链获取最终答案 if"</think>"in out: out = out.split("</think>")[-1].strip() print(out) 硬件要求： 机器 最低内存 预期速度 M3 Studio LM Studio / GGUF 最小磁盘 56.5 GB ✅ ~108 GB 最低内存 64 GB ✅ 138 GB MMLU 质量 91.5% ✅ ~64-65%（4-bit） 速度(M3
87210编辑于 2026-04-24 MiniMax MCP Server – MiniMax 推出基于 MCP 的多模态生成服务器
MiniMax是一家专注于人工智能和机器学习技术的公司，特别是在生成式模型和自然语言处理领域。 MiniMaxMCPServer是什么 MiniMaxMCPServer是MiniMax稀宇科技推出的基于模型上下文协议（MCP）的多模态生成服务器。 MiniMaxMCPServer–MiniMax推出基于MCP的多模态生成服务器 MiniMaxMCPServer的主要功能 视频生成：支持生成高分辨率、风格多样的视频内容，适用于短视频营销 MiniMaxMCPServer的项目地址 Github仓库：https://github.com/MiniMax-AI/MiniMax-MCP 文章来源：https://www.up-seo.cn
1.1K10编辑于 2025-05-18- 来自专栏饶文津的专栏
【Gym - 100796C 】Minimax Tree
BUPT2017 wintertraining(15) #7FMinimax Tree
59920发布于 2020-06-02 - 来自专栏全栈程序员必看
Cortex M3 NVIC与中断控制
Cortex M3 NVIC与中断控制 宗旨：技术的学习是有限的，分享的精神是无限的。
1.1K20编辑于 2022-08-24 - 来自专栏AI科技评论
Character.ai 向左，MiniMax Talkie 向右
Character.ai 势头正强劲，而与此同时，之前曾在国内推出 Glow 并被下架的 MiniMax 「卷土重来」，在海外推出了 AI 角色扮演类产品 Talkie ，增速一度跑赢 Character.ai 刘欣认为 MiniMax 的 Talkie 做对了两件事情：一是生成效果好，二是对创作者的驱动好。 但 MiniMax 对这件事情进行了证伪，相信 60% 的视觉加上 40% 的聊天就可以超过 Character.ai。 MiniMax 做AI 伴聊产品跟 Character.ai 的思路很接近，无论是 MiniMax 还是其他公司想要跑出来，都还需要释放更多、更强的能力，纯对话的模式跟 Character.ai 区别不大 就目前国内的 AIGC 市场而言，虽然诸如 AI Companion 产品还不成熟，更多的是尝试和探索，但也需要看到，更多的 AI 企业，无论是 MiniMax 还是小冰，都是在用B端业务去养 C 端的社交
2K10编辑于 2023-11-22 - 来自专栏资讯分享
MiniMax：大模型，云上造！
对MiniMax而言，一个理想的算力基础设施，不仅要能承载海量任务，还要足够高性价比。在整体支出不变的情况下，提升利用率成为了MiniMax努力的方向。 MiniMax和腾讯云提出的解决方案是云原生。 统计下来，基于云原生的支撑，MiniMax整体用云成本降低了至少20%。这些成本，也将进一步投入到MiniMax的业务研发中。 MiniMax打算进一步扩大用云规模，将训练、推理等更多核心环节放到云上。“MiniMax业务副总裁魏伟说。云上的一系列技术与产品，是大模型的助推器。 如果你也想试试MiniMax自研的文本模型 “MiniMax-ABAB 5.5” ，可以点击申请体验。
2.5K30编辑于 2023-07-20 - 来自专栏python3
IBM X3650 M3 安装windo
IBM X3650 M3安装windows 2008 SERVER 标准版x64,遇到如下错误 1.Memory/battery problems were detected.
2.6K10发布于 2020-01-07 - 来自专栏全栈程序员必看
cortex-m3权威指南_core M3
CM3的存储器系统支持所谓的“位带”（bit-band）操作。 通过它，实现了对单一bit的原子操作。位带操作仅适用于一些特殊的存储器区域中。
1.4K30编辑于 2022-11-08 - 来自专栏机器学习与统计学
MiniMax M2.1 量化版来了
大家好，我是 Ai 学习的老章 MiniMax M2.1 大模型文件终于来了 我看官方部署文档，虽然模型文件只有 230GB，但是如果想要支撑更高上下文达到理想效果，所需显存还是蛮高的：模型权重 220GB \ --reasoning-parser minimax_m2_append_think 推荐几个主流且稳定的量化版吧，本地跑起来成本低很多 Unsloth 首先登场的是 大模型量化界翘楚： unsloth 从 1-bit 到 16-bit 都有，llama.cpp 运行，缺点是慢 https://huggingface.co/unsloth/MiniMax-M2.1-GGUF QuantTrio /MiniMax-M2.1-AWQ GPU 用户 强烈推荐这个，模型文件 125GB，可以 vLLM 启动，版本 0.13 即可 https://huggingface.co/QuantTrio/MiniMax-M2.1 \ --reasoning-parser minimax_m2_append_think \ --trust-remote-code \ --host 0.0.0.0 \
2.2K10编辑于 2026-01-05 MiniMax发布MiniMax-M1推理模型，支持100万Token上下文，降低成本。
MiniMax是一家成立于2021年12月的中国人工智能科技公司，专注于多模态大模型研发，其核心团队由前商汤科技高管闫俊杰领衔。 公司以创新的MoE（混合专家）架构和闪电注意力机制（Lightning Attention）技术著称，先后推出支持200K上下文长度的abab6.5模型和全球首个开源混合架构推理模型MiniMax-M125 四、行业影响与定位填补国产高端推理模型空白作为MiniMax首款开源推理模型，直接对标Google Gemini 2.5 Pro等国际闭源模型。 总结MiniMax-M1通过混合架构创新（MoE + Lightning Attention）实现百万级上下文支持与算力效率跃升，以开源形式打破高端推理模型垄断，同时以极致性价比重塑行业标准 其技术路线（如线性注意力机制）延续自2025年1月开源的MiniMax-01系列，标志国产模型在推理赛道已具备国际竞争力。
1.1K10编辑于 2025-06-17- 来自专栏解决方案服务
ET PHISHING Successful Credential Phish M3 解决方案
"ET PHISHING Successful Credential Phish M3"是指一种电子邮件钓鱼攻击中成功获取凭据（Credentials）的事件。" M3"：是指一种特定的钓鱼攻击方式， 凭据钓鱼攻击是一种常见的网络钓鱼攻击，攻击者常常使用社会工程学和伪装技术来欺骗受害者。
44240编辑于 2023-10-13 - 来自专栏机器学习与统计学
MiniMax-M2.7 开源了，本地部署指南
:cloud # 直接聊天 ollama run minimax-m2.7:cloud Ollama 支持 MiniMax M2.7 这里要注意，目前 Ollama 上的 M2.7 走的是云端推理（ \ --tensor-parallel-size 4 \ --tool-call-parser minimax_m2 \ --reasoning-parser minimax_m2 \ 8 \ --enable-expert-parallel \ --tool-call-parser minimax_m2 \ --reasoning-parser minimax_m2 \ NVIDIA 加持 NVIDIA 这次给了 MiniMax 很大的支持力度 NVIDIA 支持 MiniMax M2.7 GPU 加速端点：在 build.nvidia.com/minimaxai/minimax-m2.7 方式二：MiniMax Agent 访问 agent.minimax.io 直接在线对话。
3.4K90编辑于 2026-04-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号