實測MiniMax M3，全鏈路Agent要的三塊拼圖終于湊齊了

MiniMax M3發布了，后面還會開源，

看到技術報告后我就只想說三四五六個字，

真齊活了，啥都不缺了。

今年模型發布太多了，我對又一個更強模型其實已經有點麻了，贏的指標太多了，每個月都充Token Plan的我更關心的是，它有沒有把Agent高頻用到的幾大能力都湊齊，

從紙面能力上看，

M3在SWE-Bench Pro（軟件工程）拿到59.0，超過了GPT-5.5和Gemini 3.1 Pro，接近Opus 4.7；在GPT5.5擅長的終端編程上，跟Opus 4.7同分。在多模態測試集OmniDocBench上，得分超了Gemini 3.1 Pro；在自主Agent的端到端評測框架Claw-Eval上拿到最高分。

感覺就像是張無忌，拿著乾坤大挪移在對手最厲害的招數上打敗TA。

說實話，GPT5.5 400k的上下文我忍很久了，放到Hermes里不夠用啊，

Claude就別說了，看到我Agent里不是Claude Code的系統提示語之后第一時間就ban我了。

用的時間越久越覺得有點像個不可能三角一樣，

寫代碼強但上下文短，進到代碼庫里，改幾輪就開始忘前文了。

上下文長但代碼力不夠，結果就是讀了很久文件然后給我一個丑不垃圾的網頁

拜托，真的不要再讓我看到這種雷霆大丑網頁了好嗎。

那接下來就是傳統環節了，把MiniMax M3放哪個框架來測試呢？

我這里整合了一張表，我出于想試試看Claude Code新能力Dynamic Workflows，一口氣開幾百個subagent的壯觀之感就單方面選這個了。

額外補充一下，M3在MiniMax Code里面是可以調用Minimax全家桶API的，文字、語音、視頻分析都有。

大家如果跟我一樣經常換模型測試的話，可以用cc switch來切換模型。

直接先來復刻一把，這次MiniMax放出來的主case本來是把ICLR 2025 Outstanding Paper Award論文丟給M3，讓它獨立復現。

技術報告里面給到的數據是，M3自主運行接近12小時，產出了18次commit和23張實驗圖表，并跑通了核心實驗。

離譜的是，M3的多模態能力已經可以做到把論文里的公式，曲線圖、實驗設定放到同一個長線程里處理。

我第一時間想到的跟這個類似的就是Karpathy大神三個月前把他的nanoGPT升級成了nanochat，這是一套完整的大模型訓練實驗框架，覆蓋了所有主要階段，包括分詞，預訓練，微調，評估，推理和聊天 UI，只花48刀就把模型訓練到了GPT-2水平。

我今天就讓MiniMax m3用動態工作流在我這臺mabookpro訓練一個GPT出來，

觸發動態工作流的方式主要有兩種，

最簡單的方式就是帶上workflow這個詞，詞會變成一個彩虹的配色，系統識別到之后就會生成一個腳本，在執行之前會給我們預覽，確定后再啟動多Agent的并行。

在運行的過程中，隨時可以用/workflow指令或者直接用/config 指令關掉這個動態工作流。

如果都想要MiniMax M3的額度打滿，也可以輸入/effort 選擇ultracode，然后按shift+tab切換到auto mode自動模式，后面基本上都全自動多Agent了。

之前用Claude sonnet 4.6的時候都沒敢切換成ultracode，現在用MiniMax m3頂上之后這大紫色是真好看啊。確認之后，對話框還會短暫地變換成全彩虹色，非常有儀式感，所以這就是氪金玩家的愉悅之感嘛。

真正跑起來的時候反而是有點唏噓了，

大家都知道我是個算法程序員，幾年前運行個比GPT小40倍LSTM（循環神經網絡），從數據準備到模型訓練，然后等訓練曲線出來再到模型推理，再快也要個三五天，最崩潰的就是跑一半發現包的版本不對，模型智力倒退五十年，現在一個Agent就可以在90分鐘把所有活干完了。

接著又訓練了1000步之后，

這個模型就從一個我咋問都只會回答A的版本變成開始有邏輯的回復，還能算個乘法，簡單做問答的版本了。

大模型訓練，很神奇吧！

現在你也可以做到了。

很多模型最容易掛在前30次的嘗試里，

跑幾輪不行，就開始繞圈，擺爛，不然就是來個萬金油話術建議我手動檢查。

但真實工程里，很多進展就是出現在這種平臺期后面。你試了很多次都沒提升，然后突然某個方向打穿了。

如果一個Agent沒有足夠長的上下文，沒有穩定的工具調用，它根本走不到后期。

第二個case我來給正在開發2.0版本的Humanize PPT加加速，

Humanize PPT的出發點是給HTML PPT加一個人話大綱和演講模式，也就是在生成之前先把所有的資料整理一遍，缺失的細節會進一步補全，確定要用多少頁，每頁都是什么內容才能把我們想講的內容講明白。

至于演講模式一看就清楚了，

有下一頁的預覽，演講主題，大小進度條，口播稿，想要脫稿的也可以看關鍵點。

樣式的部分本著不重復造輪子的想法，我兼容了中文的guizang-ppt-skill和英文的frontend-slides，用它們來生成HTML PPT的頁面，Humanize PPT完成其他部分。

為了保證設計出來的中英文HTML PPT都好看，

我之前要Claude Code輔助設計，Codex來做資料整合和大綱生成的，這個對于模型的多模態能力還是要求很高的。每一頁PPT我都需要模型先用瀏覽器自動化打開HTML PPT的當前頁，然后來個截圖讓模型去判斷動態背景有沒有生效，字體有沒有大小不一致啥的，跟上一頁的視覺元素有沒有不同。

但是GPT5.5偷懶得很嚴重，

就算我給它開啟了超高的推理模式，在前幾次運行的時候，它還是只給我做了一個臨時的兼容處理，

就算我明確跟它說了，我們的定位是原生兼容這個 HTML PPT，完全可以以自然語言的方式去批量生成。

能看得出來我都有點破防了，甚至想自己上手去改代碼了。

剛好現在就把這這條做到一半鏈路全交給MiniMax M3出個計劃試試看。

又花了一小時，重新梳理了一遍解決了GPT偷懶留下來的歷史代碼，Humanize PPT現在可以在對話中調用子Agent，一次性生成guizang-ppt-skill里所有主題了。

執行的過程是有體感上的提速的，2分50s就讀完了項目的所有代碼還給出了具體到哪一行的修改方案。

看了一下，是因為M3還有一個新架構MSA，能把每個token的計算量壓到上一代的1/20，也就說一百萬 token 的上下文窗口，預填充（模型在正式回答之前，先把你發給它的內容理解一遍）快9倍，解碼（模型個字一個字把答案寫出來的過程）快15倍。

最后的最后，

到了經典價格環節，

M3上線之后，Token Plan從固定時間刷新額度變成了固定token。Plus 6 億 token 49 元/月 ，Max 18 億 token 119 元/月 ，Ultra 55 億 token 469 元/月。

不得不說，

百萬上下文+動態工作流帶來的體感太不一樣了，

富足到連開發完后做個最小測試，

M3都給我模擬了七種場景，

我打算就把M3當做動態工作流的專屬模型了，

直接先來個一個月的Ultra試試看耐不耐用。

@ 作者 / 卡爾

最后，感謝你看到這里如果喜歡這篇文章，不妨順手給我們點贊｜在看｜轉發｜評論

如果想要第一時間收到推送，不妨給我個星標

如果你有更有趣的玩法，歡迎在評論區聊聊

更多的內容正在不斷填坑中……