# MiniMax 开源 M3 模型，把写代码、读长文和看图听声塞进一个系统，跑分压过 GPT-5.5 但成本只要十二分之一

> 原标题：MiniMax发布开源模型M3，集成编码、长上下文与多模态三大能力

- 来源：AI HOT 精选
- 发布时间：2026-06-01T15:42:01.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/31630
- 原文：https://x.com/kimmonismus/status/2061473350766170420

## 摘要

MiniMax 放出了一个叫 M3 的开源模型，把代码能力、一次能读 100 万 token 的长上下文和原生多模态（能直接处理图像、音频）做在了一起。在 SWE-Bench Pro 这个代码基准上拿了 59.0%，比 GPT-5.5 的 58.6% 和 Gemini 3.1 Pro 的 54.2% 都高一点；在 BrowseComp 自主浏览任务上 ...

## 推荐理由

我会先打个折：目前只有一条 X 帖子，没看到官方技术报告或第三方独立评测，所以分数压在 78–84 区间。但 M3 确实把编码、超长上下文和多模态打包开源，SWE-Bench Pro 59.0% 不算顶尖但够用，成本只有 GPT-5.5 的约 1/12，对想省钱又有长上下文需求的团队是个实在选项。这点先别太激动，等正式文档和更多实测出来再调判断。

## 锐评

MiniMax 放出的 M3 是个开源模型，把写代码、一次读 100 万 token 的长上下文和直接处理图像音频的多模态能力打包在一起。在 SWE-Bench Pro 这个代码基准上拿了 59.0%，比 GPT-5.5 的 58.6% 和 Gemini 3.1 Pro 的 54.2% 都高一点；在 BrowseComp 自主浏览任务上 83.5% 的成绩也压过了 Opus 4.7。每 token 成本大概是 GPT-5.5 的十二分之一，如果这个数字能兑现，对高频调用场景确实挺省钱。

不过现在能看到的只有跑分和成本数字，模型权重和技术报告要等 10 天后才发布。正文没披露这些基准测试的具体条件、有没有针对性地调参，也没说多模态能力在实际场景里的表现怎么样。跑分高不代表落地稳，这点先别太激动。

还缺的是：模型参数量多大、推理延迟多少、对硬件要求高不高，以及开源协议是什么。这些信息直接决定它能不能真的塞进业务流水线里用，而不是只在论文里好看。