北京
MiniMax
先看一段視頻
點擊播放：14 秒，建議看完再往下翻
這段視頻沒有聲音，來猜猜這是啥曲子？
揭曉答案
這是《小星星》，你猜對了嗎？
我把這段無聲視頻丟給了 MiniMax M3，它給出了正確的判定：《小星星》
M3 的分析結果
然后，我追加了一個要求：
把這段的視頻，做成一個有聲的、能跟著彈的網頁游戲
幾分鐘后，出來了這個東西：
跟彈《小星星》
視頻嵌在上面當教學畫面，鍵盤 A 到 H 對應 do re mi fa sol la，按對了電腦發出鋼琴聲，視頻自動跳到下一個音的位置，等你按下一個鍵，錯了則會提醒
在電腦上實際跟彈
整個過程就是：它拿到了一段的手指視頻，給到了一個能發聲、能互動、能教我彈琴的游戲
背后發生了什么
MiniMax M3 主打三大能力：原生多模態、百萬級長上下文、前沿 Coding，而剛才的這個小星星任務，其實也正把這三個展示了出來
多模態。模型會逐幀分析手指和琴鍵的相對位置，標注每一幀按下的是哪個白鍵，然后翻譯成位置信號，通過這種方法，在沒有音頻信號的前提下，推斷出旋律
M3 思考過程
用 videos_understand 工具逐幀分析視頻
音序列：C C G G A A G | F F E E D D C
判定：《小星星》前兩句
長上下文。任務過程中，模型需要記錄和分析每次手指移動的情況，并且不斷推斷音符的時間戳，然后對視頻進行切片處理和打標，并在最后進行完整的交付
Coding。這個任務雖然看上去很小，但實際有著多種 tool call，還要通過如 Web Audio API 對工具進行實時音色合成、視頻播放控制，按鍵判定，UI 動效。這里的所有聲音，是 AI 控制震動頻率合成的
M3 思考過程
用 Web Audio API 生成正弦波 + 三角波合成音色
A=C(do) S=D(re) D=E(mi) F=F(fa) G=G(sol) H=A(la)
按對推進，按錯提示，做完打包
M3 在 MiniMax Code 里的工作過程，右邊是產出的文件
講道理，M3 能處理完這些，是超過我的預期的
MiniMax M3
昨天，6月1日，我在給酒吧開業的時候，看到了 MiniMax 發布了 M3，是國內第一個同時做到百萬級上下文、前沿 Coding 和原生多模態開源模型，詳細的信息如下：
官方 benchmark 對比
上下文
新架構MSA，把每個 token 的計算量壓到上代模型的1/20。一百萬 token 的上下文窗口，預填充快 9 倍，解碼快 15 倍
直觀理解：能一次讀完一本 300 頁的書，或者像小星星這樣，把整段視頻的逐幀分析 + 完整代碼 + 調試日志全部放在一個對話里
Coding
SWE-Bench Pro59.0%，超 GPT-5.5 和 Gemini 3.1 Pro，接近 Opus 4.7
評測之外，M3 獨立復現一篇 ICLR 2025 最佳論文，12 小時，18 次提交，23 張圖表。另一個是優化 CUDA kernel，連續 24 小時，147次提交，性能提升 9.4 倍。中間卡殼了還知道換條路試
多模態
從訓練第一步就混合了文字、圖片、視頻。能看圖、看視頻、操作電腦桌面。小星星那個「看無聲視頻識別旋律」就是這個能力的直接體現
MiniMax Code
桌面 Agent 產品，類似 Claude Code。支持多階段并發執行，帶 Computer Use。M3 在里面可以調用 MiniMax 全家的 API：文字、語音、視頻分析，一個工具箱全裝下
定價
Token Plan 三檔：Plus49元/月 6 億 token，Max119元/月 18 億 token，Ultra469元/月 55 億 token
M3 發布后，Token Plan 從時長制切換到了 token 計量制，部分老用戶覺得權益縮水，反饋集中。MiniMax 當天發了補償方案：3.22 前的老用戶繼續無周限額，其他老用戶周限額加贈 50%，前 7 天額度翻倍，退款通道搭建中
官方權益調整說明
M3 API 上線 5 折，限時 7 天。技術報告和開源權重 10 天內發布
以及：這個模型還是不錯的，可以試試
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
