MiniMax M3：支持视觉与代码的100万token模型
MiniMax M3官方路由，面向编码智能体，100万上下文，原生多模态理解。
1M tokens · Text / Vision / Code · Prompt cache
Okou已不再运行MiniMax M3。本页作为它的规格、价格和基准测试参考保留。要做同类工作，请用GPT 5.6 Luna。
查看GPT 5.6 LunaMiniMax M3是什么？
2026年6月1日 · MiniMax官方的M3文本模型，与继续保留的M2系列并行。
MiniMax M3是MiniMax面向编码和智能体场景的新一代官方文本模型。MiniMax称它把前沿编码能力、100万token上下文窗口和原生多模态理解结合在一起。
已有的M2条目继续可用，而新选择的MiniMax默认模型是M3。
MiniMax M3有什么特别之处
架构与能力上的主要亮点。
M3用MiniMax Sparse Attention支撑超长上下文。官方API最高支持100万token，保证下限51.2万token，自动支持提示缓存，并具备原生多模态理解。
规格速览
MiniMax M3基准测试
MiniMax M3价格
服务商标价，按每100万token计。
MiniMax M3实际用起来怎么样
来自生产环境智能体运行的实际观察。
编码智能体
编码助手、长工具链、多步代码库改动，它是MiniMax系列里最合适的选择。
长上下文
100万的上下文窗口让智能体把大文档、代码、日志和此前的工作一起放在视野里，不必换到别的模型系列。
多模态
原生视觉理解让M3比M2更适合那些要处理截图、图表或视觉成果的工作流。
MiniMax M3最适合的智能体任务
必须留在MiniMax上的编码智能体
代码库改动、调试和智能体编码流程：部署里已经在用MiniMax密钥，但需要比M2.1更强的编码模型。
长上下文的评审运行
大型PR、日志、notebook或设计文档，可以留在同一个模型上下文里，让智能体一边推理一边修改。
MiniMax M3与其他模型对比
MiniMax M3对比Claude Sonnet 4.6
在复杂英文场景的工具调用上，Sonnet 4.6仍是可靠性的基准线。M3便宜得多，对原生跑在MiniMax上的编码智能体很有吸引力，但关键工作流要先验证再用。
结论：你该用MiniMax M3吗？
想要官方的MiniMax编码模型，又需要长上下文和视觉支持，就用MiniMax M3。更在意成本和兼容性，就继续用M2.1。
MiniMax M3在Okou上的可用情况
MiniMax M3已从Okou阵容中移除，因此在聊天和工作流里都无法再选用，也不能用你自己的API密钥接入。GPT 5.6 Luna覆盖同一个省钱档位。
