MiniMax

全部主题

MiniMax 的模型与产品动态：M 系列大模型、语音与多模态能力、开源与商业化进展。

41条精选相关主题Kimi / 月之暗面千问 Qwen 语音与音频

最新精选

第 21–40 条 · 共 41 条

6月2日周二

星期二

00:12
@kilocode@kilocode精选AI 评分6767
MiniMax 发布 M3 模型，官方称其为首个同时整合编程、Agent 与多模态三项前沿能力的开放权重模型。官方报告其在 SWE-Bench Pro 取得 59.0%、Terminal Bench 2.1 取得 66.0%、SWE-fficiency 取得 34.8%、KernelBench Hard 取得 28.8%、MCP Atlas 取得 74.2%，并通过 MiniMax Sparse Attention 将上下文扩展到 1M。模型从第一步起原生多模态，权重与技术报告预计约 10 天后发布，API 与 MiniMax Code 入口已开放。
引用MiniMax (official) (@MiniMax_AI)@MiniMax_AI
Introducing MiniMax M3: The First Open-Weights Model to Combine Three Frontier Capabilities - Coding & Agentic Frontier: 59.0% SWE-Bench Pro, 66.0% Terminal Bench 2.1, 34.8% SWE-fficiency, 28.8% KernelBench Hard, 74.2% MCP Atlas - MiniMax Sparse Attention scales context to 1M - Natively Multimodal from Step Zero API: platform.minimax.io Token Plan: platform.minimax.io/subscrib… 🚀New! MiniMax Code: code.minimax.io Weights & Tech Report in ~10 Days
模型 #模型发布 #Agent #编码
推荐理由：官方给出 M3 的编程与 Agent 基准数据及 1M 上下文能力，可据此观察开源权重模型的前沿能力边界。

6月1日周一

星期一

23:42
@kimmonismus@kimmonismus精选AI 评分7474
MiniMax 发布 M3 开放权重模型，在 SWE-Bench Pro 上得分 59%，略高于 GPT-5.5 的 58.6%，高于 Gemini 3.1 Pro 的 54.2%，编码上仍落后 Opus 4.7。该模型支持 1M token 上下文并原生多模态，在 BrowseComp 上以 83.5% 领先 Opus 4.7，每 token 成本约为 GPT-5.5 的 1/12。权重和完整技术报告预计约 10 天后发布。
引用MiniMax (official) (@MiniMax_AI)@MiniMax_AI
Introducing MiniMax M3: The First Open-Weights Model to Combine Three Frontier Capabilities - Coding & Agentic Frontier: 59.0% SWE-Bench Pro, 66.0% Terminal Bench 2.1, 34.8% SWE-fficiency, 28.8% KernelBench Hard, 74.2% MCP Atlas - MiniMax Sparse Attention scales context to 1M - Natively Multimodal from Step Zero API: platform.minimax.io Token Plan: platform.minimax.io/subscrib… 🚀New! MiniMax Code: code.minimax.io Weights & Tech Report in ~10 Days
模型 #模型发布 #编码 #Agent
推荐理由：原文给出了 M3 与 GPT-5.5、Opus 4.7 的基准对比和成本差距，读者可据此判断开放权重模型的能力位次。
23:01
@PBDTokenRouter@pbdtokenrouter精选AI 评分6868
MiniMax M3 现已在 PBD TokenRouter 上线，该开源权重模型同时具备编码与智能体能力。其在 SWE-Bench Pro 取得 59.0%、Terminal Bench 2.1 取得 66.0%、MCP Atlas 取得 74.2%，并借 MiniMax Sparse Attention 支持最高 1M token 上下文，且原生支持多模态。PBD 自 M2.7 起与 MiniMax 团队合作，用户可用同一密钥替换模型 ID 调用。
模型 #模型发布 #Agent #编码
推荐理由：原文列出 M3 的三项基准分数与 1M token 上下文，读者可据此比较其与同类开源模型的定位。
20:30
@MiniMax_AI@minimax_ai精选AI 评分6666
MiniMax 发布 M3 模型。官方主推提到视频控制、游戏等场景，以及开源权重、超大上下文和强编码能力。引用评测 @MinLiBuilds 称 M3 有 1M context、原生多模态与 Agentic 三项特性，并用截图在多 agent 工作流下于 2 小时做出可运行的双人对决小游戏。
引用实践哥MinLi (@MinLiBuilds)@MinLiBuilds
跟祖传的 20K context 说 bye bye 了。 MiniMax M3 发布了，三个亮点： 1M context、原生多模态、Agentic。我这次做了一次完整评测，使用CC workflow 、 @ZenMuxAI和MiniMax M3：给一张截图，做一个“凡人修仙剑阵对决手势游戏”。要求是：支持双人对决、使用 workflow 拆解任务、加入石头剪刀布机制。 2 小时后，游戏真的跑起来了。这一代LLM的版本答案我知道了： 1M 上下文 + 多模态+ agent 模式。 1M context 是推理深度的基础，多 agent 负责拆任务和执行。 Video
模型 #模型发布 #Agent #多模态
推荐理由：官方给出 M3 的开源权重与大上下文等信息，引用评测展示了多模态加 Agent 工作流的实际产出。
19:55
@flowith@flowith精选AI 评分6565
flowith 宣布现已支持 MiniMax M3，并称其具备 1M 上下文、出色的编码能力和原生多模态。作者表示可以在 flowith 中并排运行并对比不同模型。其引用的 MiniMax 发布信息称，M3 是首个同时结合三项前沿能力的开放权重模型，代码与智能体评测包括 SWE-Bench Pro 59.0%、Terminal Bench 2.1 66.0%、MCP Atlas 74.2%，权重与技术报告约 10 天后发布。
引用MiniMax (official) (@MiniMax_AI)@MiniMax_AI
Introducing MiniMax M3: The First Open-Weights Model to Combine Three Frontier Capabilities - Coding & Agentic Frontier: 59.0% SWE-Bench Pro, 66.0% Terminal Bench 2.1, 34.8% SWE-fficiency, 28.8% KernelBench Hard, 74.2% MCP Atlas - MiniMax Sparse Attention scales context to 1M - Natively Multimodal from Step Zero API: platform.minimax.io Token Plan: platform.minimax.io/subscrib… 🚀New! MiniMax Code: code.minimax.io Weights & Tech Report in ~10 Days
模型 #产品更新 #编码 #多模态
推荐理由：flowith 上线 MiniMax M3 支持，读者可了解该模型在 1M 上下文与原生多模态上的接入进展。
18:44
@MiniMax_AI@minimax_ai精选AI 评分6666
MiniMax M3 已在 Novita AI 上线，作为 Day-0 API 合作方开放，首周享 50% 折扣。Novita 称 M3 是首个同时具备前沿编码与智能体能力、最高 1M tokens 上下文和原生多模态的开源权重模型，其中上下文由 MiniMax Sparse Attention 实现，基准成绩为 59.0% SWE-Bench Pro、66.0% Terminal Bench 2.1、74.2% MCP Atlas。
引用Novita AI (@novita_labs)@novita_labs
🚀 We’re launching MiniMax M3 from @MiniMax_AI on Novita AI as a Day-0 API launch partner. The first open-weights model to combine: • Frontier coding and agent capabilities 59.0% SWE-Bench Pro, 66.0% Terminal Bench 2.1, 74.2% MCP Atlas • Up to 1M tokens of context Enabled by MiniMax Sparse Attention • Native multimodality from day one Built for both text and visual understanding Excited to make MiniMax M3 available to developers on Day 0. Video
模型 #模型发布 #Agent #编码
推荐理由：M3 在 Novita 上线并附上 SWE-Bench Pro 等基准，可据此了解其编码与智能体能力定位。
14:09
@MiniMax_AI@minimax_ai精选AI 评分7676
MiniMax 宣布 M3 在 OrcaRouter 首日上线，首周使用可享 50% 折扣。引用信息显示，M3 支持最高 1M token 上下文（最低保证 512K），具备新一代稀疏注意力、更快推理和更强的智能体工作流，并称其为最受期待的开源模型发布之一。
引用OrcaRouter 🐳 (@OrcaRouter)@OrcaRouter
🚀 @MiniMax_AI M3 is now available on OrcaRouter. One of the most anticipated open model releases, bringing next-gen sparse attention, ultra-long context handling (up to 1M tokens of context with a guaranteed minimum of 512K), faster inference, and stronger agentic workflows. Try it out here: orcarouter.ai/models/minimax…
模型 #模型发布 #Agent #推理
推荐理由：MiniMax M3 首日上线 OrcaRouter，读者可据此了解其长上下文与智能体工作流的能力定位。
14:01
@op7418@op7418精选AI 评分7070
MiniMax 发布大版本模型升级 MiniMax M3，标配 1M 超长上下文，采用新的 MSA（MoE with Segment-wise Attention）稀疏注意力架构，并从训练起融合文本、图片、视频和桌面操作的原生多模态能力。
引用MiniMax (official) (@MiniMax_AI)@MiniMax_AI
Introducing MiniMax M3: The First Open-Weights Model to Combine Three Frontier Capabilities - Coding & Agentic Frontier: 59.0% SWE-Bench Pro, 66.0% Terminal Bench 2.1, 34.8% SWE-fficiency, 28.8% KernelBench Hard, 74.2% MCP Atlas - MiniMax Sparse Attention scales context to 1M - Natively Multimodal from Step Zero API: platform.minimax.io Token Plan: platform.minimax.io/subscrib… 🚀New! MiniMax Code: code.minimax.io Weights & Tech Report in ~10 Days
模型 #模型发布 #Agent #多模态
推荐理由：MiniMax M3 标配 1M 上下文并采用新的稀疏注意力架构，读者可据此了解长上下文模型的算力成本变化。
11:40
@MiniMax_AI@minimax_ai精选AI 评分6969
MiniMax 发布 M3，引用内容描述其为开放权重的前沿级模型，具备 1M 上下文窗口和图像、视频原生多模态能力。MiniMax 官方账号表示 M3 可与 visionagents_ai 结合用于实时语音与视频。
引用Vision Agents (@visionagents_ai)@visionagents_ai
Congrats to the @MiniMax_AI team on the release of M3! 👉 A frontier-class open-weight model 👉 1M context window 👉 Native multimodality (image & video)
模型 #模型发布 #多模态 #开源生态
推荐理由：MiniMax M3 以开放权重、1M 上下文和原生多模态发布，读者可据此了解实时语音与视频的集成方向。
11:08
@MiniMax_AI@minimax_ai精选AI 评分7575
MiniMax-M3 已在 Venice（@AskVenice）上线，作者称其开放权重，具备前沿编码与智能体能力，支持 1M 上下文和原生多模态，首日即可用并支持匿名访问。引用文案称其为首个兼具前沿编码与智能体性能并原生支持多模态的开放权重模型，面向长周期复杂工作流。
引用Venice (@AskVenice)@AskVenice
MiniMax-M3 by @MiniMax_AI is now live on Venice. The first open-weight model to deliver frontier coding and agentic performance with native multimodality. Built for long-horizon, complex workflows. Available anonymously.
模型 #模型发布 #编码 #Agent
推荐理由：MiniMax-M3 以开放权重同时具备前沿编码与智能体能力，支持 1M 上下文和原生多模态，面向长周期复杂工作流。
10:55
@MiniMax_AI@minimax_ai精选AI 评分7171
MiniMax 发布 M3 模型，并在发布当天同步上线 OpenRouter。该模型具备 1M token 上下文窗口、前沿编码与智能体能力，以及原生多模态，首周提供 50% 折扣。OpenRouter 称其为前沿级开源权重模型，原生多模态覆盖图像与视频。
引用OpenRouter (@OpenRouter)@OpenRouter
MiniMax-M3 is live on OpenRouter! A frontier-class open-weight model that combines a 1M-token context window, frontier coding and agentic performance, and native multimodality (image & video) in one model.
模型 #模型发布 #Agent #多模态
推荐理由：MiniMax-M3 上线 OpenRouter 并给出首周折扣，可了解其 1M 上下文与多模态能力的组合方式。
10:42
@OpenRouter@openrouter精选AI 评分6868
OpenRouter 上线 MiniMax M3，首周提供 50% 折扣，用户可通过 openrouter.ai/minimax/minimax-m3 直接试用。
产品 #模型发布
推荐理由：原文给出 MiniMax M3 在 OpenRouter 的上线入口与首周五折，读者可据此判断接入成本与试用时机。
10:42
@OpenRouter@openrouter精选AI 评分7575
MiniMax-M3 已在 OpenRouter 上线。据 OpenRouter 介绍，这是一个前沿级开放权重模型，在同一个模型中结合了 1M token 上下文窗口、前沿编码与智能体能力，以及图像和视频原生多模态。
模型 #模型发布 #多模态 #Agent
推荐理由：原文列出上下文窗口、编码、智能体和多模态四个方面，读者可据此了解这个开放权重模型的配置取向。
10:07
@ollama@ollama精选AI 评分6767
MiniMax M3 上线 Ollama Cloud，双方合作下该模型部署在美国并采用零数据保留。用户可通过 Claude Code 与 Codex 调用，命令如 ollama launch claude --model minimax-m3:cloud 和 ollama launch codex --model minimax-m3:cloud。据转发的 MiniMax 介绍，M3 是首个融合三项前沿能力的开放权重模型，MiniMax Sparse Attention 将上下文扩展至 1M，权重与技术报告约 10 天后发布。
引用MiniMax (official) (@MiniMax_AI)@MiniMax_AI
Introducing MiniMax M3: The First Open-Weights Model to Combine Three Frontier Capabilities - Coding & Agentic Frontier: 59.0% SWE-Bench Pro, 66.0% Terminal Bench 2.1, 34.8% SWE-fficiency, 28.8% KernelBench Hard, 74.2% MCP Atlas - MiniMax Sparse Attention scales context to 1M - Natively Multimodal from Step Zero API: platform.minimax.io Token Plan: platform.minimax.io/subscrib… 🚀New! MiniMax Code: code.minimax.io Weights & Tech Report in ~10 Days
模型 #产品更新 #Agent #编码
推荐理由：材料给出 M3 在 Ollama Cloud 的调用命令与零数据保留说明，可据此直接上手编码与智能体任务。
09:59
@MiniMax_AI@minimax_ai精选AI 评分6666
MiniMax 发布 MiniMax M3，称其为首个同时结合编码与 Agent、长上下文、原生多模态三项前沿能力的开源权重模型。编码与 Agentic 基准成绩为 SWE-Bench Pro 59.0%、Terminal Bench 2.1 66.0%、SWE-fficiency 34.8%、KernelBench Hard 28.8%、MCP Atlas 74.2%；MiniMax Sparse Attention 将上下文扩展至 1M，模型从 Step Zero 起原生多模态。API 已在 platform.minimax.io 上线，同时推出 MiniMax Code，权重与技术报告约 10 天后发布。
模型 #模型发布 #Agent #多模态
推荐理由：MiniMax M3 放出编码、1M 上下文与多模态的基准成绩，可供开源权重模型选型时对照参考。
09:41
@OpenRouter@openrouter精选AI 评分6767
MiniMax-M3 已在 OpenRouter 上线，支持 100 万上下文和多模态，定价为每百万 token 输入 0.6 美元、输出 2.4 美元。该消息由 @scaling01 发布，OpenRouter 转发。
模型 #模型发布 #多模态
推荐理由：MiniMax-M3 以 100 万上下文和多模态能力接入 OpenRouter，并给出每百万 token 输入输出定价，便于开发者比较接入成本。
08:00
MiniMax Blog精选AI 评分8181
MiniMax 发布 M3：1M 上下文、原生多模态与前沿编码能力
MiniMax 发布 M3 模型，采用自研稀疏注意力架构 MSA，支持最高 1M token 上下文，SWE-Bench Pro 得分 59.0%、Terminal-Bench 2.1 得分 66.0%，并原生支持图像与视频输入及桌面操作。
模型 #模型发布 #编码 #推理
推荐理由：官方详解了 MSA 架构与 1M 上下文的具体实现，并给出多项基准成绩和真实任务案例，可据此评估其编码与长程智能体能力。

5月27日周三

星期三

08:00
MiniMax Blog精选AI 评分6262
MiniMax Agent 升级为 Mavis 并推出 Agent Team 多智能体协作
MiniMax 发布 Agent 整体升级并更名 Mavis，推出 Agent Teams，支持桌面端并行运行多角色 Agent 协作完成长任务，并将 TokenPlan 与 Agent Plan 合并为统一订阅，Agent 与 API 共享 Credits。
产品 #产品更新 #Agent #部署/工程
推荐理由：官方详解 Agent Team 的角色分工、状态机设计和上下文成本等工程取舍，读者可以据此理解多智能体产品化的关键问题。

5月26日周二

星期二

08:00
MiniMax Blog精选AI 评分6363
MiniMax 拆解 M2 无法说出“马嘉祺”的原因：SFT 导致稀疏 token 的 lm_head 漂移
MiniMax 内部调查确认，MiniMax M2 无法生成“嘉祺”等低频 token 的根因是 SFT 数据覆盖不均导致 lm_head 表示漂移，输入侧 embedding 几乎不变故理解能力保留。调查还发现日语 token 严重退化与小语种混杂同源，加入全词表覆盖合成数据后，日俄混杂率从 47% 降至 1%，定向测试通过率从 4/16 升至 13/16。
教程 #教程/实践 #数据/训练
推荐理由：原文以模型方一手实验定位稀疏 token 遗忘的 lm_head 漂移机制，并给出可复用的全词表覆盖修复数据方案。

5月14日周四

星期四

01:36
@MiniMax_AI@minimax_ai精选AI 评分6666
MiniMax 发文祝贺 Cline 发布并开源 Cline SDK，同时建议开发者在 Cline 上用 MiniMax M2.7 进行构建。Cline 表示该 SDK 沿用其 2024 年以来构建编码智能体的经验，从头重建了扩展与 CLI 的 harness，可通过 npm i @cline/sdk 安装。
引用Cline (@cline)@cline
Introducing the Cline SDK. We rebuilt the Cline harness for our extension and CLI from scratch using all the lessons learned since creating one of the world's first coding agents in 2024, and are open sourcing it for others to build with today. npm i @cline/sdk 🧵 Video
产品 #产品更新 #开源/仓库 #编码
推荐理由：Cline 把重建的编码智能体框架开源为 SDK，MiniMax 同步建议在其上试跑 M2.7，可观察当前工具链的搭配方式。

最新精选

MiniMax 发布 M3：1M 上下文、原生多模态与前沿编码能力

MiniMax Agent 升级为 Mavis 并推出 Agent Team 多智能体协作

MiniMax 拆解 M2 无法说出“马嘉祺”的原因：SFT 导致稀疏 token 的 lm_head 漂移