MiniMax M3: открытая модель бьёт GPT-5.5 в кодинге

TL;DR: MiniMax M3 — первая открытая модель, в которой одновременно есть фронтирный кодинг, контекст до 1 миллиона токенов и нативная мультимодальность. На SWE-Bench Pro она показывает 59,0% и обходит GPT-5.5, а стоит в разы дешевле Opus и GPT. Главная оговорка: почти все цифры пока заявлены самой MiniMax, независимых замеров ещё нет.

1 июня 2026 китайская MiniMax выложила M3 и сделала заявку, от которой закрытым лабораториям должно стать неуютно. Открытая модель, которую можно скачать и крутить у себя, по их данным обходит GPT-5.5 на серьёзном кодинговом бенчмарке и приближается к Claude Opus 4.7. Если это подтвердится, экономика агентов на кодинге меняется за одну ночь. Разберёмся, что там внутри и стоит ли верить.

Что такое MiniMax M3

M3 — это языковая модель на архитектуре Sparse Mixture-of-Experts, которая принимает текст, картинки и видео, а на выходе даёт текст. Контекст до 1 млн токенов с гарантированным минимумом в 512K. MiniMax позиционирует её для трёх сценариев: длинные агентные задачи, кодинг по большим репозиториям и понимание длинного видео.

M3 заметно перестроили под капотом. Линейка M2, которая шла весь 2025-й и начало 2026-го, в своё время отказалась от sparse attention в пользу полного внимания. M3 вернула разреженное внимание, но в новой форме, и именно это решение разблокировало дешёвый миллионный контекст. Прямой предшественник, MiniMax M2.7, запомнился разговорами про рекурсивное самообучение. M3 идёт дальше и метит уже во фронтир.

Главный тезис анонса: до сих пор сочетать топовый кодинг, миллионный контекст и мультимодальность могли только закрытые модели. M3 заявляется как первая, кто принёс весь набор в открытый мир. Веса обещают выложить на HuggingFace и GitHub вскоре после запуска API.

Архитектура MSA: почему миллион токенов перестал разорять

Фишка M3 называется MiniMax Sparse Attention (MSA). Обычное внимание в трансформере квадратичное: каждый токен смотрит на каждый, поэтому удвоение контекста примерно учетверяет вычисления. Из-за этого длинные окна исторически были медленными и дорогими.

MSA заменяет полное внимание на механизм выбора блоков KV-кэша. Вместо того чтобы обрабатывать все токены, модель отбирает самые релевантные блоки под каждый запрос и срезает вычисления на токен при длинном контексте. По данным MiniMax, на 1 млн токенов это даёт примерно 9-кратное ускорение префилла и 15-кратное ускорение декодинга против прошлого поколения, а вычисления на токен падают примерно до одной десятой. Ещё в мае MiniMax тизерила этот механизм и обещала ускорение до 15,6 раза на длинных ответах.

Думаю, это и есть тихий главный пункт всего релиза. Миллионный контекст легко нарисовать в спецификации, но дорого реально заполнить: каждый токен в промпте стоит вычислений на каждом шаге агентного цикла. Если MSA правда срезает стоимость токена в разы, скормить модели большой репозиторий или длинный лог становится не так больно.

Бенчмарки: где M3 обходит фронтир, а где отстаёт

Главная заявка M3 — кодинг. Вот цифры, которые MiniMax опубликовала на запуске, рядом со сравнением с закрытыми моделями.

Таблицу стоит читать в обе стороны. На SWE-Bench Pro 59,0% — это та самая цифра, которая ставит открытую модель в один ряд с фронтиром: для сравнения, по данным из обсуждений запуска, GPT-5.5 там показывает 58,6%. На BrowseComp M3 с 83,5 обходит Claude Opus 4.7 (79,3), а на SVG-Bench и OmniDocBench MiniMax заявляет преимущество над Opus и Gemini 3.1 Pro соответственно.

Но есть и обратная сторона. На PostTrainBench M3 берёт 37,1 и занимает третье место, отставая от Opus 4.7 (42,4) и GPT-5.5 (39,3). То есть подчистую кодинг M3 не выигрывает. Она дотянулась до фронтирного диапазона на флагманском бенчмарке, но на части других пока отстаёт. Для открытой модели это всё равно большой шаг.

И тут самое важное, о чём честно пишут даже дружелюбные к релизу разборы: почти все эти числа — собственные прогоны MiniMax. Независимые лидерборды свои замеры ещё не дали. Харнессы, обвязка и промпты у разных вендоров отличаются, и пара процентов легко набегает на методологии. Так что пока я бы относился к сравнению как к ориентиру, а не как к приговору. Похожую историю мы видели с GLM-5.1 и Qwen 3.6-Plus: открытые модели закрывают разрыв на отдельных задачах быстрее, чем везде сразу.

Три автономных кейса: 12 часов, 9,4× и обучение моделей

Бенчмарки бенчмарками, а самое любопытное MiniMax показала на длинных автономных прогонах. Вот где архитектура с дешёвым контекстом должна отрабатывать.

Первый кейс: модели дали статью ICLR 2025 («Learning Dynamics of LLM Finetuning») и попросили воспроизвести её эксперименты. M3 проработала почти 12 часов, сделала 18 коммитов и 23 экспериментальных графика и воспроизвела ключевые результаты. Мультимодальность разобрала графики и формулы прямо из PDF, длинный контекст уместил статью, код и логи в одно окно.

Второй кейс жёстче. M3 попросили оптимизировать FP8 GEMM-ядро на GPU NVIDIA Hopper, дав на старте только описание задачи и нерабочий скелет на Triton. За сутки модель сделала 147 прогонов бенчмарка и почти 2000 вызовов инструментов, подняв утилизацию железа с 7,6% до 71,3%. В итоге ускорение в 9,4 раза без единого вмешательства человека.

Третий кейс, PostTrainBench: четыре базовые модели, и M3 сама прошла весь пайплайн от синтеза данных до обучения и оценки за 12 часов, научив их математике, генерации кода и ответам на вопросы. Это, конечно, не строгие бенчмарки, а демки от вендора. Но они показывают, куда целятся: агенты, которые работают часами, а не отвечают одним сообщением в чате.

Сколько стоит MiniMax M3

Здесь открытая модель и закрытый фронтир расходятся сильнее всего. На OpenRouter M3 стартовала по базовой ставке 0,60 доллара за миллион входных токенов и 2,40 доллара за миллион выходных, с временной промо-скидкой 50%, которая опускает цену примерно до 0,30 и 1,20 доллара.

Чтобы стало нагляднее, посчитаем одну агентную задачу на 500K входных и 100K выходных токенов — реалистичная цифра, когда контекст забит файлами репозитория и выводом инструментов. По промо-цене это около 0,27 доллара за задачу, по базовой — 0,54. У Opus та же задача обойдётся примерно в 5 долларов. То есть на промо-тарифе M3 делает ту же работу примерно за 5% стоимости Opus, и даже по базовой выходит раз в десять дешевле.

Помимо API есть планы с фиксированной платой: Plus за 20 долларов, Max за 50 и Ultra за 120 в месяц. Подписчиков прошлых планов автоматически перевели на M3 без изменения цены. Одно но: промо-тариф временный, и считать юнит-экономику стоит от базовой ставки 0,60 / 2,40, чтобы не попасть, когда скидка закончится.

Как попробовать MiniMax M3

Способов три, в зависимости от того, нужна вам управляемость или полный контроль.

Самый быстрый — через OpenRouter: указываете в своём OpenAI-совместимом клиенте модель minimax/minimax-m3 и работаете, аккаунт MiniMax не нужен. Второй вариант — напрямую через платформу MiniMax: ключ на platform.minimax.io и OpenAI-совместимый эндпоинт с именем модели MiniMax-M3.

curl https://api.minimax.io/v1/chat/completions \
  -H "Authorization: Bearer $MINIMAX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MiniMax-M3",
    "messages": [
      {"role": "user", "content": "Разбери этот репозиторий и предложи план рефакторинга."}
    ]
  }'

Третий путь — поднять открытые веса у себя через vLLM или SGLang, как только они добавят поддержку MSA. Самохостинг окупается только при стабильно большом потоке запросов: на малых объёмах API всё равно дешевле простаивающих GPU. И обязательно прочитайте лицензию: на запуске она вышла с условиями на коммерческое использование, и это уже вызвало вопросы у сообщества.

Вердикт: кому стоит брать M3

Если коротко, M3 — это самый серьёзный вызов фронтиру со стороны открытых моделей, который я видел. Заявка на SWE-Bench Pro переписала бы ожидания от open-weights, если её подтвердят независимо. Но осторожность здесь оправдана: цифры пока от самой MiniMax, а на PostTrainBench Opus 4.7 и GPT-5.5 всё ещё впереди. Брать M3 на веру и тащить в прод сегодня я бы не стал, прогнать на своих задачах — однозначно да.

Кому точно стоит присмотреться: командам, у которых стоимость упирается в потолок, кто строит агентов на длинных прогонах и большом контексте, и тем, кому нужен самохостинг ради приватности или данных, которые нельзя отдавать наружу. Тут открытые веса и цена в разы ниже фронтира решают. А вот если у вас самые тяжёлые многофайловые рефакторинги, где Opus пока выигрывает на последних процентах качества, или нужна чистая коммерческая лицензия без условий — посмотрите на альтернативы или оставьте фронтирную модель на тонкий слой самых сложных задач.

Прагматичный паттерн, к которому приходит большинство: основной поток агентной и длинноконтекстной работы гнать на M3 ради цены, а закрытую модель держать на тот узкий процент задач, где важны последние пункты качества. На фоне свежего Claude Opus 4.8 граница между открытыми и закрытыми моделями всё больше сводится к одному вопросу: что лучше подходит под конкретную задачу.

FAQ

M3 уже полностью открытая? M3 — open-weights: веса и технический отчёт MiniMax обещала выложить вскоре после запуска API. Скачать и запустить модель можно будет, но количество параметров не раскрыто, а лицензия содержит условия на коммерческое использование. Перед продакшеном читайте её внимательно.

M3 реально лучше GPT-5.5? Зависит от задачи. На SWE-Bench Pro MiniMax заявляет 59,0% против 58,6% у GPT-5.5, но на PostTrainBench GPT-5.5 впереди (39,3 против 37,1). И всё это пока цифры самой MiniMax, без независимого подтверждения.

Чем M3 отличается от M2.7? M3 — смена поколения, а не точечный апдейт. Главное отличие в архитектуре: серия M2 работала на полном внимании, а M3 вернула разреженное в форме MSA, что и дало миллионный контекст по приемлемой цене. Подробнее про предшественника — в обзоре MiniMax M2.7.

Что за подвох с контекстом в 1 млн токенов? Окно настоящее, и MSA делает его заполнение дешевле (ускорение префилла и декодинга на длинном контексте). Но длинный контекст всё равно стоит вычислений на каждом шаге агента в любой модели, так что дисциплина с промптами никуда не девается.

Что ещё почитать

• MiniMax M2.7: модель, которая сама себя обучала — прямой предшественник M3 и история серии
• Claude Opus 4.7: обзор новой модели Anthropic — фронтир, с которым M3 сравнивают на бенчмарках
• Claude Opus 4.8: что нового против Opus 4.7 — свежий флагман Anthropic для контекста гонки
• GPT-5.5 и GPT-5.5 Pro: обзор новых моделей OpenAI — модель, которую M3 обходит на SWE-Bench Pro
• GLM-5.1: китайская модель на 94.6% от Claude Opus и Qwen 3.6-Plus — другие открытые модели в той же гонке