大模型赛道再掀波澜。AI初创公司MiniMax日前正式发布了全新旗舰大模型M3。从技术报告披露的各项基准测试（Benchmark）来看，该模型的性能表现堪称惊艳:在公认接近真实软件工程场景的测试中，M3取得了59%的优异成绩，不仅超越了GPT-5.5，更是直逼Opus4.7。它还具备百万级上下文处理能力和原生多模态特性。然而，与强劲技术指标形成鲜明对比的是，该模型发布后引发了开发者社区的剧烈反弹，中文社区更是骂声一片。
引发业内质疑的第一个核心焦点在于评测数据背后的“心机”。技术细则显示，M3在 Coding（代码）能力的相关测试中，使用了竞争对手的Claude Code作为评测脚手架。尽管在当前行业中，利用现成工具链跑智能体(Agent)评测属于常见操作，但MiniMax用他人的框架测自己的能力，并直接拿高分与对方比肩进行对外宣传，这种做法被不少程序员吐槽“不够坦荡”。用户难以分辨最终的亮眼成绩中，究竟有多少成分是模型的原生能力，有多少是脚手架的加成。
其次，关于“开源”的诚意问题也让开源社区充满困惑。与其他厂商发布开源模型不同，MiniMax此次不仅没有公开M3的模型大小，更没有同步释出模型“权重”，仅表示将在发布后10天内开源，目前用户只能通过API进行访问。由于开源社区的核心价值在于“可复现与可验证”，这种先宣传开源却不给权重、让所有人无法在本地环境独立摸清模型底细的做法，在商业逻辑上虽可理解，却严重伤害了追求务实与坦诚的开发者群体。
最让重度老用户感到“背刺”的，则是计费规则（Coding Plan）的无预告调整。此前，MiniMax因按请求次数限制速率、不设月度Token总量上限而被称为“量大管饱”。但随着M3的发布，官方同步推出了全新的Token Plan，将规则改为了总量计费。尽管官方宣称Plus套餐的Token用量极具性价比，但在百万上下文的重度使用场景下，单次调用往往消耗巨大，新规则会导致套餐额度迅速见底，从而引发了老用户的集体声讨。
抛开这些运营上的争议，M3在底层架构上的创新依然不乏亮点。它自研了名为MSA（MiniMax Sparse Attention）的稀疏注意力机制，通过对KV(Key-Value)进行高精度分块和稀疏化处理，突破了传统Transformer在长上下文计算中计算量暴涨的魔咒。在底层算子层面，该模型首创了全新的计算聚合方式，内存访问更加连续，速度比开源的Flash-Sparse-Attention快4倍以上。这使得M3在百万上下文下的前向传播和解码速度分别提升了9倍和15倍，单Token计算量骤降至上一代的二分之一。
从纯技术路线来看，M3在长上下文、多模态和智能体能力上的均衡度在国内厂商中较为突出。然而，本次由于发布和运营方式上的一系列“骚操作”，让技术本身的闪光点被社区的争议声所掩盖。市场对M3的密切关注与情绪反弹，表明开发者对该产品仍抱有期待，而MiniMax能否重新赢回社区的信任，答案或许要在10天后模型权重正式放出来、接受独立评测后才能揭晓。
