AITOPAI热报

MiniMax

共 122 条相关 AI 资讯 · 查看话题观测
6月13日
10:58
10:55
09:47
6月12日
22:52
22:52官方账号NVIDIA AI@NVIDIAAI
MiniMax 团队发布了 MiniMax M3，这是一个支持文本、图像和视频推理的长上下文多模态模型。模型采用稀疏注意力机制，总参数量约 428B，激活参数仅约 23B，在保持高性能的同时大幅降低了计算成本。该模型已开源权重，可在 Hugging Face 获取，并可通过 NVIDIA 的 GPU 加速端点免费试用。M3 的长上下文能力使其在处理视频、长文档等场景中具有优势。
AI模型MiniMaxM3多模态模型
事件专题
推荐理由：多模态推理模型终于有了高效的开源选择——MiniMax M3 用 23B 激活参数实现长上下文多模态推理，做视频分析或长文档处理的团队可以直接在 NVIDIA 端点免费试，值得关注。
原文
15:45
13:39
13:39MiniMax_AI@MiniMax_AI
MiniMax 在 AiOS 聚会上与多位开发者及专家共同探讨了本地模型这一热门话题。活动邀请了 @rudrank、@RayFernando1337、@ronaldmannak 等嘉宾，以及 @awnihannun 和 @peterfriese 参与讨论。本地模型成为现场最受关注的议题之一。MiniMax 表示很高兴能支持 iOS 开发者社区。该活动与 WWDC26 相关，聚焦 iOS 和 AI 开发。
行业本地模型iOS开发者社区
推荐理由：本地模型是 iOS 开发者当前最关注的方向之一，MiniMax 的参与说明其正在积极布局移动端 AI。做 iOS AI 应用开发的团队可以关注其后续动作，或许会有新的工具或模型支持。
原文
09:13
09:13官方账号arXiv cs.AI@Xunhao Lai, Weiqi Xu, Yufeng Yang, Qiaorui Chen, Yang Xu, Lunbin Zeng, Xiaolong Li, Haohai Sun, Haichao Zhu, Vito Zhang, Pengyu Zhao
精选
MiniMax 提出了一种名为 MiniMax Sparse Attention (MSA) 的块级稀疏注意力机制，旨在解决大语言模型在超长上下文（百万级 token）下的计算瓶颈。MSA 基于分组查询注意力（GQA），通过轻量级索引分支对键值块进行评分，并为每个 GQA 组独立选择 Top-k 子集，实现高效的组级稀疏检索。在 109B 参数的多模态模型上，MSA 在 1M 上下文长度下将每 token 注意力计算量减少 28.4 倍，并在 H800 GPU 上实现 14.2 倍预填充和 7.6 倍解码加速。该方法的推理内核已开源，同时发布了基于 MSA 的生产级多模态模型。
论文稀疏注意力长上下文推理加速
推荐理由：做长上下文推理或 agent 工作流的开发者，终于有了一个能直接部署的稀疏注意力方案——MSA 在 109B 模型上实现 28 倍计算缩减，且内核已开源，值得立刻试跑。
原文
6月9日
14:14
6月8日
11:01
6月5日
16:20
16:20IT之家（博客/媒体）
MiniMax 因 M3 模型上线后切换 Token 计费方式未提前充分沟通而致歉，并公布了详细的订阅权益保护与档位迁移方案。M3 模型更大、更智能，需要更多算力，因此改用行业统一的 Token-Based 计量。为回馈用户，老用户无周限额权益保留，部分用户获赠额外额度，补偿积分有效期延长至一年。同时公布了 Plus、Max、Ultra 等档位的迁移细节，新增 Ultra 469 元重度档，并确保 M2.7 使用权益不缩水。
AI产品MiniMaxM3模型Token计费
推荐理由：MiniMax 这次调整解决了老用户对计费变更的担忧，如果你是 MiniMax 的订阅用户，建议仔细查看自己的档位迁移方案，确保权益不受影响。
原文
6月4日
10:53
05:42
05:42mem0@mem0ai
Mem0 宣布与 MiniMax 合作，为开发者提供记忆 API 文档。该合作允许开发者通过 Mem0 平台注册，并使用 MiniMax 的文档指南来集成记忆功能。这有助于 AI 应用实现长期记忆，提升用户体验。目前已有 96 次查看，但互动较少。
AI产品记忆 APIMiniMaxMem0
推荐理由：做 AI 应用开发的团队可以关注这个记忆 API 集成方案，能直接解决对话记忆持久化问题，建议点开文档看看怎么用。
原文
01:28
01:28官方账号SiliconFlowAI@siliconflowai
83°
MiniMax 最新开源模型 M3 已在 SiliconFlow 平台上线，首周提供 50% 折扣。M3 是首个同时具备编码与智能体能力、1M 上下文窗口和原生多模态的开源模型。在 SWE-Bench Pro 基准测试中，M3 的编码能力超越了 GPT-5.5 和 Gemini 3.1 Pro。其 1M 上下文窗口通过 MiniMax 稀疏注意力技术实现，原生多模态支持图像、视频和计算机使用。定价方面，缓存/输入/输出分别为每百万 token 0.06/0.30/1.20 美元，折扣后性价比突出。
AI模型MiniMaxM3开源模型
推荐理由：M3 把编码、长上下文和多模态三合一开源了，做 AI 应用开发的团队可以直接在 SiliconFlow 上低成本试用，编码能力还超过了 GPT-5.5，值得上手体验。
原文
01:21
6月2日
14:09
14:09官方一手歸藏(guizang.ai)@op7418
Anthropic 已向 SEC 秘密提交 S-1 注册声明，启动 IPO 流程。与此同时，国内 AI 公司 MiniMax 和智谱也分别提交了 A 股和科创板上市申请，进入上市辅导阶段。这标志着全球 AI 行业进入资本化加速期，多家头部公司同时推进上市。OpenAI 的上市时间表仍不明朗。
行业AnthropicIPOMiniMax
事件专题
推荐理由：AI 公司集体冲刺 IPO 意味着行业进入资本化新阶段，关注 AI 投资和行业格局的读者值得了解各家进展。
原文
10:35
10:35Harrison Chase@hwchase17
精选76°
MiniMax 正式发布 M3 模型，这是首个同时具备编码、智能体能力和原生多模态的开放权重模型。在 SWE-Bench Pro 上达到 59.0%，Terminal Bench 2.1 为 66.0%，并支持 1M 上下文窗口。模型权重和技术报告将在约 10 天后公开。开发者可通过 API 和专属代码平台 code.minimax.io 使用。
AI模型MiniMaxM3开源模型
推荐理由：MiniMax M3 把编码、智能体和多模态三合一开源，做 AI 应用和 Agent 开发的团队可以直接拿来用，尤其适合需要长上下文和复杂任务自动化的场景。
原文
04:47
04:47官方一手marktechpost@Asif Razzaq
78°
MiniMax 正式发布新一代大模型 MiniMax M3，采用自研的 MiniMax Sparse Attention（MSA）架构，支持高达 100 万 token 的超长上下文窗口。该模型原生支持图像、视频理解以及计算机使用（computer use）能力，并具备智能体编程（agentic coding）功能。MSA 架构通过稀疏注意力机制显著降低长序列计算成本，使得处理百万级 token 成为可能。这标志着国产大模型在长上下文和多模态融合方面迈出了重要一步，为复杂文档分析、视频理解和自动化编程等场景提供了新的基础设施。
AI模型MiniMaxM3MSA架构
推荐理由：MiniMax M3 的 1M 上下文和原生多模态能力直接解决了长文档分析和视频理解的痛点，做 RAG 应用或自动化编程的团队值得关注其 agentic coding 特性。
原文
00:17
6月1日
21:50
15:16
15:16官方一手pandaily@contact@pandaily.com (Pandaily)
精选83°
MiniMax 发布了其旗舰模型 M3，声称这是国内首个将前沿编码、智能体能力、100 万 token 上下文窗口和原生多模态处理整合在单一架构中的 AI 模型。M3 模型在多项基准测试中表现出色，尤其在长文本理解和复杂任务执行方面。该模型支持同时处理文本、图像、音频等多种输入，并具备强大的代码生成和工具调用能力。MiniMax 表示 M3 旨在为开发者和企业提供更高效、更全面的 AI 解决方案。
AI模型MiniMaxM3多模态
推荐理由：MiniMax M3 将 1M 上下文、多模态和智能体能力打包进一个模型，做长文本处理或多模态应用的开发者可以直接用它替代多个模型组合，省心又高效。
原文
11:44
11:25
11:16
11:16官方账号Together AI@togethercompute
精选
MiniMax 的最新模型 M3 已正式上线，并由 Together AI 提供推理基础设施支持。双方将于明天太平洋时间下午6点在 X Spaces 进行深度对话，分享模型和基础设施的细节。这一合作意味着 M3 模型将获得高性能的推理服务，对开发者来说是一个值得关注的进展。
AI模型MiniMaxM3Together AI
推荐理由：MiniMax M3 上线并由 Together AI 支持推理，意味着模型推理性能有保障，做 AI 应用开发的团队可以直接试用，值得关注。
原文
11:12
11:12OpenRouter@OpenRouterAI
精选76°
MiniMax 发布了 M3 模型，这是首个同时具备编码、智能体与多模态能力的开源权重模型。在 SWE-Bench Pro 上达到 59.0%，Terminal Bench 2.1 上 66.0%，并支持 1M 上下文窗口。模型原生多模态，从零开始训练，权重和技术报告将在约 10 天后公开。API 已上线 platform.minimax.io，并提供 MiniMax Code 工具。
AI模型MiniMaxM3开源模型
推荐理由：MiniMax M3 把编码、智能体和多模态三个前沿能力打包进一个开源模型，做 AI 应用开发或智能体研究的团队可以直接用 API 体验，值得关注即将开源的权重。
原文
11:07
11:07lmarena.ai@lmarena_ai
精选76°
MiniMax 发布开源权重模型 M3，首次在单一模型中融合编码、智能体与多模态三大前沿能力。在 SWE-Bench Pro 上达到 59.0%，Terminal Bench 2.1 为 66.0%，并支持 1M 上下文长度。模型已上线 Arena 的文本、视觉、文档和代码竞技场，用户可投票评测。权重和技术报告将在约 10 天后公开。
AI模型MiniMaxM3开源模型
推荐理由：MiniMax M3 把编码、智能体和多模态塞进一个开源模型，做 AI 应用和 Agent 开发的团队可以直接在 Arena 上测效果，省去自己搭环境的时间。
原文
5月28日
15:39
15:39官方一手pandaily@contact@pandaily.com (Pandaily)
精选
中国 AI 独角兽 MiniMax 正在准备推出其下一代 M3 大语言模型，该模型采用自研稀疏注意力机制，声称预填充速度提升 9.7 倍。M3 模型旨在解决长上下文场景下的计算效率瓶颈，通过稀疏化注意力计算减少冗余，从而加速推理并降低资源消耗。这一进展对需要处理超长文本的 AI 应用（如文档分析、对话系统）具有重要意义。MiniMax 预计在 2026 年 5 月正式发布 M3 模型。
AI模型MiniMaxM3稀疏注意力
推荐理由：稀疏注意力是当前大模型效率优化的关键方向，MiniMax 的 9.7 倍提速对做长文本推理的开发者是直接利好，值得关注其技术细节和开源计划。
原文
5月27日
20:19
20:19berryxia@berryxia
MiniMax 在沉寂半年后，将去年 12 月开源的 M2 模型背后的设计思路、训练细节和系统架构整理成论文发布到 arXiv。社区已广泛采用其核心系统如 CISPO、Forge RL System 和 Self-Evolution。MiniMax 表示 M3 模型和 MSA 论文即将发布，此举旨在推动开源生态从单纯卷参数转向公开方法论。
AI模型开源/仓库强化学习MiniMax
推荐理由：MiniMax 把 M2 的完整训练路径摊开，做开源模型训练或强化学习的团队可以直接参考，少走半年弯路。M3 即将到来，值得关注其系统级突破。
原文
15:23
15:23IT之家（博客/媒体）
72°
MiniMax 在 X 平台预告即将推出 M3 系列 AI 模型，并转发了一篇关于 M2 系列的 arxiv 论文。M2 系列总参数 229.9B，但每个词元仅激活 9.8B 参数，主打低激活高智能，配备 192K 上下文窗口。论文重点介绍了 M2.7 的自我进化雏形：模型能自主排查训练失败、阅读日志、修改代码，并在内部任务上完成 100 轮自主迭代，吸收团队 30%-50% 的日常迭代工作量。此外，MiniMax 还提出了面向智能体的强化学习系统 Forge，支持白盒与黑盒智能体统一接入，降低长轨迹训练成本。这些进展表明 MiniMax 在高效模型架构和模型自主迭代方面取得重要突破。
AI模型MiniMaxM3系列M2系列
推荐理由：MiniMax 的 M2 论文展示了模型开始参与自身开发闭环，做 AI 训练和模型优化的团队值得关注——自我进化能力可能改变模型迭代方式。
原文
11:12
11:12官方一手歸藏(guizang.ai)@op7418
MiniMax 宣布即将发布新一代 M3 模型，并开源其 MSA 架构。这是 MiniMax 沉寂一段时间后的重要更新，M3 模型预计在性能上有显著提升。开源 MSA 架构将推动社区研究和应用发展。该消息在推特上引发关注，但具体细节尚未公布。
AI模型MiniMaxM3模型MSA架构
推荐理由：MiniMax 的 M3 模型和开源 MSA 架构值得关注，尤其是对开源大模型和架构研究感兴趣的开发者，可以提前了解并准备试用。
原文
08:36
08:36berryxia@berryxia
83°
MiniMax AI工程负责人Skyler Miao预告了下一代模型M3的发布，并透露其核心架构：基于GQA的动态块稀疏注意力。该技术通过轻量索引分支快速筛选相关token块，仅对关键块执行稀疏注意力计算，大幅降低算力需求。在1M token上下文下，M3的预填充速度比M2快9.7倍，解码速度快15.6倍。这使得百万token级别的Agent任务从理论走向实用，长上下文处理变得又快又省。M3的发布将为长上下文模型赛道增添有力竞争者。
AI模型MiniMaxM3长上下文
推荐理由：MiniMax M3用动态稀疏注意力把1M上下文的算力成本打下来了，做长上下文Agent的开发者可以直接关注，这可能是让百万token任务真正落地的关键突破。
原文
5月23日
01:39
01:39Aravind Srinivas@AravSrinivas
开源模型和智能体平台 MiniMax 宣布其 Agent 产品现已接入 Perplexity 的搜索基础设施。在超过 700 个智能体任务的基准测试中，Perplexity 在答案质量和片段密度上表现最佳，相比之前的默认搜索服务 Serper，每次任务工具调用次数从 32.6 次降至 17.8 次（减少 45%），Token 用量从 162.3M 降至 94.6M（减少 42%），通过率提升 2%，总成本降低 27%。这一改进对于依赖搜索循环的智能体工作流意义重大，更好的搜索片段意味着更少的搜索次数和更低的上下文开销。
AI产品智能体搜索增强MiniMax
推荐理由：做智能体开发的团队终于有了更高效的搜索方案——Perplexity 的搜索集成让 MiniMax Agent 成本直降 27%，同时保持答案质量，做 RAG 或搜索增强型 Agent 的建议直接试试。
原文
5月21日
12:33
5月16日
19:40
5月13日
21:35
21:35
21:35官方一手MiniMax: News（资讯）
MiniMax 发布了其最新语音模型 Speech 2.8，在语音合成质量、自然度和实时性上均有显著提升。该模型支持多语言、多情感和多种说话风格，能够生成高度逼真的语音。Speech 2.8 在多个基准测试中表现优异，为语音交互、内容创作等场景提供了更强大的工具。
AI模型语音合成MiniMaxSpeech 2.8
推荐理由：语音合成质量再上台阶，做语音助手、有声内容或虚拟主播的团队可以直接用上更自然的声音，建议体验一下效果。
原文
12:33
12:33
12:33
12:33
12:33