MiniMax-M3 是 MiniMax 推出的多模态基础模型。它支持文本、图像和视频输入，并输出文本，拥有 1M 的上下文窗口，适用于长时间的智能体工作、编码和工具使用。该模型基于 MiniMax 稀疏注意力机制 (MSA) 构建，MSA 用键值块选择取代了完整的注意力机制，从而在长时间上下文中大幅降低每个词元的计算量——在 1M 个token的情况下，其计算成本约为上一代模型的 1/20，同时显著加快了预填充和解码速度，并在大多数任务中保持了质量。 该模型在交错数据上作为原生多模态模型进行训练，并通过交互式用户模拟器框架针对多轮次、类似生产环境的协作进行了调优，因此更适合持续的多步骤任务，而非单轮执行。
Agentic指令遵循：在包含 50+ skills、60–150 个 feature list 的复杂环境中，M2.7 仍能保持稳定的技能调用与指令遵循能力，有效缓解大规模 skill library 场景下常见的遵从能力下降问题；针对需要 几十个技能协同的复杂任务进行优化，能够在长流程、多步骤的 Agent 场景中稳定完成复杂任务拆解与执行。 领先的 Agent Harness 能力，支持 Agent Teams、多工具检索（Tool Search）、多种 Agent 脚手架功能，便于构建复杂的多 Agent 系统。 强工程与 Coding 能力：在真实工程场景中具备优秀表现，包括 日志分析与 Bug 定位、代码重构、代码安全（生成无漏洞代码）、机器学习、Android 开发 等能力。 复杂 Office 自动化能力：支持复杂 Excel / Word / PPT 办公任务及多轮编辑。
Agentic指令遵循：在包含 50+ skills、60–150 个 feature list 的复杂环境中，M2.7 仍能保持稳定的技能调用与指令遵循能力，有效缓解大规模 skill library 场景下常见的遵从能力下降问题；针对需要 几十个技能协同的复杂任务进行优化，能够在长流程、多步骤的 Agent 场景中稳定完成复杂任务拆解与执行。 领先的 Agent Harness 能力，支持 Agent Teams、多工具检索（Tool Search）、多种 Agent 脚手架功能，便于构建复杂的多 Agent 系统。 强工程与 Coding 能力：在真实工程场景中具备优秀表现，包括 日志分析与 Bug 定位、代码重构、代码安全（生成无漏洞代码）、机器学习、Android 开发 等能力。 复杂 Office 自动化能力：支持复杂 Excel / Word / PPT 办公任务及多轮编辑。
供应商
MiniMax M2.5 的更高吞吐版本，适合对延迟更敏感的生产场景。
供应商
