昨天，MiniMax M3发布了，支持原生多模态、1M上下文，而且Agent能力很强。
说实话我已经等它好几天了，之前MiniMax 的工程负责人 Skyler Miao 在 X 上放了一张预告图，非常技术内核，提前预告了一种新的注意力机制——MiniMax Sparse Attention，很明显就是M3的预告。
技术是模型的底子，但是体感不够直接。
直到昨天模型上线，我们上手实测了一轮，我才对这次M3的升级有了真实体感。
这次升级，最直接的就两点：原生多模态，和扛长程任务的能力。
正好，我手头压着几件一直没空干的活，都卡在这个点上。由简到难，我们一起看下M3的完成度。
◈一句话需求，从视频素材直接出一个官网
第一个活儿，是个朋友想给业务做个门户网站。
听起来不复杂，但麻烦就在于素材有多种格式，视频、图片、文档、代码等等。
我把几乎原样的需求发给接了 M3 的 Claude Code，就一句话：
请参考这些素材，做一个企业官网的展示页。素材包里的文字、图片、视频都要放在合适的位置，不要遗漏，整体风格一致可用，好看点。你可以在服务器上找个合适的位置部署展示。
它自己读素材包，图片、视频、文案都过了一遍，然后写代码、本地测试、部署。中间服务器环境脏，部署完一直404，它也自己查到是路径错了，改完重新传上去，没用我插手。
发完需求 16 分钟，它丢给我一个网址：做好了，你看看。
把素材准备好，需求讲清楚，M3接的就是一条交付链。中间不用反复掰扯了。
◈Agent的视频理解也有救了，到PPT生成一气呵成
之前收藏过一个 PPT 教程——做成和电影开场一样的文字遮罩效果。
视频就一分钟，节奏挺快。如果照着做的话，得反复观看，一步步照着操作步骤走，才能学会。
（视频源：抖音：阿欣说个P（PPT定制）2022年10月视频）
这次我把视频直接发给 MiniMax Code（M3 的专属 Agent），只说了一句：看下这个视频，教我。
M3直接把视频里的动作扒成了文字版SOP，细节它也抠出来了，比如合并形状，得先选矩形、再按住 Shift选文字，顺序反了效果就不对。
我基本都在用Claude Code，能做，但是细节不如这个。
更进一步，既然教程都能直接看懂了。我心想，如果继续让它往下做呢？M3自己有写代码、调工具、操作文件的能力诶！
于是，我接着下达指令：用这个素材包直接帮我做好ppt。
接着就是一连串猛虎操作——安装依赖、寻找素材、按照视频教程一步步点击....
半小时后，M3交付了——
看得出来，对最初的动效复刻得非常完美，只是我的素材耽误了孩子。。
为了积累这种做优质PPT的能力，我索性就让M3把它做成skill，下次接着用。
我想，这也是它原生多模态比较自然的落点，快速把一个没有文档、节奏又快的视频，变成可以继续执行的生产资料。
到这一步，我基本有了实感，M3可以直接理解图片、视频，吃下很长的资料和代码去跑任务。
◈连轴 12 小时复现一篇 ICLR 获奖论文
前面两件事其实都是小活儿，真正的厉害的是连轴干十几个小时、中途没人接手的长活。
这事最近国产模型其实都在拼。通义的 Qwen3.7-Max 、智谱 GLM、Kimi，动辄一口气调两三百次工具不用人管。
但是这些长活几乎大同小异，就是死磕代码+工具，是文本的处理。
M3这次让我出乎意料的是，多模态+长程，也就是带着眼睛跑长任务。
官方自己做了个更狠的测试：把一篇ICLR 2025 Outstanding Paper Award 论文 _Learning Dynamics of LLM Finetuning_丢给M3，让它从零复现。
M3 自己跑了接近 12 小时，中途产出 18 次提交、23 张实验图，把核心实验跑通了。它对上了 SFT阶段的概率变化趋势，观测到了 DPO 里的挤压效应（squeezing），还验证了原论文给的缓解办法。
这活儿光会写代码不够。论文里的曲线、公式得看懂，十几个小时的论文、代码、日志得一直装在上下文记忆里。
这恰好就是M3的多模态、长上下文、coding能力叠起来的地方。
多模态负责看懂图表、公式和视频；百万上下文负责把论文、代码、日志和中间判断一起装进脑子；Coding/Agentic 负责持续推进任务，不断修错、提交、验证。
◈M3背后是一种新的注意力机制
M3能做到1M的上下文，开头那张预告图，就是核心。
一种新的注意力机制——MiniMax Sparse Attention。
先说清楚，长为什么贵？
传统注意力里，模型每读一个字，都要回头跟前面所有字挨个比一遍。读到第 100万个字，就要比 100 万次。字数翻倍，计算量翻四倍。
如果能处理地起超长上下文，业界其实就两条路：少看，或者压缩。
少看：不跟所有字硬比，先筛一遍，只挑相关的算。怎么看怎么挑，各家不同。比如
Kimi 的 MoBA：把上下文切成一块块，每读一句先判断该翻哪几块，只翻那几块，按块挑。 DeepSeek 的 DSA：更细，不按块。用一个轻量索引器在全文里直接挑相关的 token，按token挑，但是索引器估的不一定准。
压缩是另一条：不挑，先把内容压成摘要再读。DeepSeek 的 MLA 走这条路。
M3 的 MSA也是走少看这个路径。但官方说它的块分得更精准，对真正相关的内容覆盖得更全。
落到实际差别上，100万字的上下文里，M3每个字的计算量只有上一代的 1/20，prefilling（预填充）阶段加速超过9倍，decoding（解码）阶段超过15倍。
只有把“长”的成本压下来，才敢拿100万上下文当默认能力用。
另一半是原生多模态，关键在原生。
M3不是先训好一个文字模型再外挂看图模块，而是从训练第一步起，文字、图文、视频就混在一起喂。
它的预训练规模做到了100T量级。
当然，但原生多模态是有代价的。从头就拿图文、视频一起训，成本必然比只喂文字的纯文本模型高一截，跑起来吃的内存和算力也更多。
用上能直接看图看视频，1M上下文的模型，按道理推理成本是要翻好几倍。但是这次一同更新的还有Token Plan——MiniMax直接卖给个人用户的套餐。
官方给出了三档套餐，我大概算了算，里面第二档MAX套餐竞争力非常强，不到120元的价格，用量大致相当于Claude MAX 100刀套餐的两倍。和GLM Coding Plan这类国产订阅相比，虽然计费口径不同，M3给出的中档价格依旧是最划算的。
和GLM Coding Plan这类国产订阅相比，虽然计费口径不同，但社区反馈在中高强度 Agent 使用场景里，M3给出的中档价格更低、额度更宽。
综合算下来，最推荐的就是中档套餐，非常划算。
当然，说到底便宜只是前提，M3这次真正让我意外的地方，是多模态长程任务的完成度。
Agent赛道卷长程卷了大半年，一直以来的指标是看谁不间断干的久。
M3反倒开启了另一个方向，不只是干得久，是能边看边干。