MiniMax M3
9051°
<minimax-m3>
支援 ModelTrends 標籤的應用程式，讓你只要在提示詞中複製這段程式碼就能執行或安裝模型，無需設定。請在支援的應用程式中尋找我們的圖示，例如下方的 Prism。
執行此模型
優惠／廣告
Easy Creator (Prism) 網頁
無限 · 固定費用
最適合初學者。強大的工作流程，學習曲線低。
PirateDiffusion Telegram
無限 · 固定費用
創建影片、圖片、自訂聊天角色等更多內容。
Pro studio (SpyGlass) 網頁
無限 · 固定費用
從任何瀏覽器或手機瀏覽模型、渲染並精修。
Discord bot (Vector)
無限 · 固定費用
將 Vector 加入你的伺服器或加入 Vector Discord。創造任何東西！
Unified Editor 網頁
無限 · 固定費用
影像與影片編輯器：在同一頁面渲染、編輯、放大等功能。
OpenRouter 終端機 / API
每個代幣付費
在瀏覽器中與此模型聊天，或用一組 API 金鑰從你的程式碼呼叫它。
本地應用程式
需設定
如果你的電腦硬體夠強，可以安裝本地程式。
ModelDuel 網頁
按次付費
一次在最多 50 個檢查點/基礎模型上產生相同的提示。
本模型的指南
如何在2026年10月選擇AI模型：先看封閉源新聞，再看值得下載的開放權重
2026年10月最佳本地大型語言模型（LLM）按使用情境分類：每個工作都適合的開放模型
我到底需要多少 VRAM 才能在本地跑 AI？
開放權重、開源與僅API：你到底能做什麼
如何安裝 Ollama 並在本地運行 AI（Windows、Mac、Linux）
MiniMax | 1,048,576 代幣上下文 | $0.30/M 輸入，$1.20/M 輸出。MiniMax-M3 是 MiniMax 的多模態基礎模型。支持文本、圖像與視頻輸入，文本輸出，具備 1M 代幣上下文窗口，適合長期代理工作、編碼及工具使用。基於 MiniMax 稀疏注意力（MSA），以 KV 區塊選擇取代完整注意力，大幅降低長上下文每代幣計算成本，約為前代 1M 代幣成本的 1/20，且預填充與解碼速度顯著提升，同時在大多數任務中保持品質。作為原生多模態模型，於交錯數據上訓練，並通過互動用戶模擬框架調校以支持多輪、類生產協作，模型偏向持續多步任務而非單輪執行。
船長筆記
2026-10-13 的筆記
MiniMax M3 是 MiniMax 推出的 4280 億參數稀疏專家混合模型，每個標記約啟動 230 億參數，擁有 100 萬標記上下文視窗，並原生支援文字、影像與影片輸入。其 MiniMax 稀疏注意力架構將每標記計算量降至前代的約 1/20，並在最大上下文下提供 9 倍更快的預填充與 15 倍更快的解碼速度。權重開放，API 價格低廉，設計目標為持續的代理工作而非一次性查詢。
以...聞名
- 100 萬標記上下文，計算成本遠低於密集注意力模型
- 從一開始即原生多模態訓練，涵蓋文字、影像與影片
- 在最大上下文下，預填充速度提升 9 倍，解碼速度提升 15 倍，相較 M2
- 三種可切換推理模式：始終開啟、自適應或關閉
- 調校以支援多輪代理任務與工具使用，而非僅單輪提示
注意
- 總參數達 4280 億，本地部署需強大硬體；下載前請確認 VRAM 需求。
- 權重開放，但在商業產品上使用前請確認授權條款。
- 極長上下文下的影片與影像輸入品質尚無獨立基準測試。
可嘗試的提示詞
多檔案重構任務
你正在開發一個 Python 網路爬蟲，分成三個檔案：fetcher.py 負責帶重試的 HTTP 請求，parser.py 使用 BeautifulSoup 擷取結構化資料，main.py 負責管控整個流程。當頁面回傳 429 時，爬蟲會靜默丟棄項目。診斷可能原因，提出帶指數退避的修正方案，並重寫 fetcher.py 與 main.py 相關部分以實作。
長文件問答
我將貼上一份長合約。請閱讀全文，然後回答三個問題：1) 雙方的終止條件是什麼？2) 是否有自動續約條款？若有，通知期限為何？3) 哪一方負責資料外洩的責任？請引用條款編號回答。[在此貼上合約文本]
影像基礎分析
附上一張儀表板截圖。請辨識所有可見指標，指出哪些超出正常運作範圍，並提出兩個最可能的異常根因。最後撰寫三句話的摘要，讓非技術經理也能理解。
比較
- MiniMax M1僅限 API 模型1,000,000 代幣上下文 · $0.55/M 輸入，$2.20/M 輸出
- MiniMax M2.5開放權重模型204,800 代幣上下文 · $0.27/M 輸入，$0.95/M 輸出
- MiniMax-01開放權重模型1,000,192 代幣上下文 · $0.20/M 輸入，$1.10/M 輸出
- MiniMax M2.1開放權重模型204,800 代幣上下文 · $0.30/M 輸入，$1.20/M 輸出
更多來自 minimax 的文字模型
常見問題
- MiniMax M3 可以本地運行嗎？
- 可以，權重開放並托管於 Hugging Face 的 MiniMaxAI/MiniMax-M3。MiniMax 支援 SGLang、vLLM、Transformers、KTransformers、unsloth 和 ATOM 推理框架，但 4280 億參數需要相當硬體。
- MiniMax M3 API 價格是多少？
- API 價格為每百萬輸入標記 0.30 美元，輸出標記 1.20 美元，上下文視窗為 1,048,576 標記。
- M3 與 M2 有何不同？
- M3 以 MiniMax 稀疏注意力取代全注意力，在 100 萬上下文下提供 9 倍預填充與 15 倍解碼速度，且每標記計算量約為 M2 的 1/20；同時新增原生影片輸入與可配置推理模式，M2 則未提供。
船長評語罕見的開放權重模型，對百萬標記上下文視窗的重視足以重構注意力機制。
Hugging Face 上的模型卡
船長根據模型自身描述與模型卡撰寫這些筆記。價格與上下文大小為撰寫時提供者資料，可能會變動。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #19 Hottest Text / LLM model · #19 Hottest Text / LLM text model
Not this creator?
Get your own badge
MiniMax M3 熱度趨勢
熱度分數，自 31 May 2026 起
熱度分數
9,051°
本週
▲
29.0%
9,017° 當時，9,051° 現在
本月
▲
231%
8,892° 當時，9,051° 現在
過去一年
n/a
尚未發布/追蹤
7,000°
基準值
分數範圍是從 0° 到 9,999°。低於 7,000° 的部分是留給還沒被任何來源報告的模型，它們會有一個替代數字，讓列表保持完整。7,000° 是有測量數據開始的地方：有真實數據但幾乎沒下載的模型會在基準值，之後的度數才是測量結果。基準值本身不代表模型好壞，只有基準值以上的度數才會區分模型。
+1,727°
OpenRouter 代幣
此模型在過去30天內透過 OpenRouter 處理了 5,730,756,128,120 代幣，包含提示和回答。每 10,000,000 代幣算作一次下載，共 573,075 次；最後一天的代幣會加入採用率。來源：OpenRouter (openrouter.ai/rankings)。
+324°
採用率
大約每天 20,825 次下載，根據兩次來源讀取間的變化計算，不是用整個生命週期平均。速度佔下載項目的四分之一，能反映新熱潮，但不會讓一天的爆量超過多年累積。
顯示詳細分析
這個網站上的每個數字都可以查證。這個模型的熱度分數是 9,051°，這裡會一步步拆解它的組成，每加一項就會顯示目前的總分：基準值、每個來源增加的度數、模型類型的加分，以及權重年齡帶來的扣分。顏色對應上方圖表的區間。最後的詞彙表會解釋每個術語。
- 1從基準值開始。為什麼是 7,000° 而不是零：分數範圍是 0° 到 9,999°，低於 7,000° 的部分是留給還沒被任何來源報告的模型，它們有替代數字，讓列表完整且不會超過有數據的模型。7,000° 是有測量數據開始的地方。有真實數據但幾乎沒下載的模型會在這裡；之後的度數是測量結果，基準值以上有十個十倍下載的階段，每階段增加 300°。基準值對所有模型都一樣，不會決定排名；真正區分模型的是基準值以上的度數。7,000°累計總和
- 2加入下載量。總共 573,075 個下載等值，來自 OpenRouter 代幣。下載量增加十倍會增加相同的 300°，所以大小很重要，但不會主導分數。+1,727°8,727°累計總和
- 3加入採用率。目前大約每天 20,825 次下載，根據兩次讀取間的差異計算，權重是下載量的四分之一。+324°9,051°累計總和
- =熱度分數。這個模型在本網站所有排行榜上的位置。沒有其他因素會調整它。9,051°
詞彙表：這裡使用的術語
- 熱度分數
- 一個數字，表示模型目前的使用和需求程度，範圍從 0° 到 9,999°。本網站所有標示「最熱門」的排行榜都是依此排序，沒有其他排序依據。
- 底線
- 每個有實際數據的模型起始於 7,000°。分數範圍是 0° 到 9,999°；底線以下保留給沒有數據的模型，確保有數據的模型總是排名較前。底線對所有人相同，不影響排名；超過底線的度數才是評分依據。
- 下載等值
- 分數中視為下載的所有項目加總：下載本身、每個種子節點算 1,000、每張 AI Horde 圖像和每次生成網站的執行算一。
- 對數刻度
- 以十為單位計數，不是以一為單位：從 1,000 到 10,000 下載增加的度數，和從 10,000 到 100,000 增加的度數相同。這樣能防止巨頭壓過其他模型。
- 喜歡數
- 來自各來源的讚和喜歡，每個在對數刻度上算半個下載量。
- 採用率
- 模型目前每天的下載次數，根據兩次來源讀取的差異計算。權重是下載量的四分之一。
- 實測與估算
- 實測表示有兩個來源的讀數，且差異是真實的。估算表示只知道今天的總數，過去的數據則分散在模型的整個生命週期；網站會說明顯示的是哪一種。
- 種子節點
- 指在線上保留權重檔案供他人透過種子下載的人，或是提供相同服務的鏡像站。每一個種子節點算作1,000次下載。
- AI Horde
- 一個志願者網絡，利用捐贈的電腦免費生成圖片。它用某模型生成的圖片數量是公開的，每張圖片算作一次下載。
- 生成網站
- 自己托管模型並讓人使用它生成圖片的網站，例如PixAI、SeaArt和Yodayo。它們的下載量和Civitai一樣，每次生成算一次下載。
- OpenRouter 代幣
- 透過 API 提供的文字模型，如 Claude 或 GPT，沒有權重可下載，因此使用量以代幣計算：過去30天內透過 OpenRouter（許多應用使用的閘道）讀取和生成的文字片段。每 10,000,000 代幣算作一次下載。來源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（檢查點）
- 權重本身，是能獨立生成的檔案。它會有額外加分，因為其他附加檔案都依賴它。
- LoRA和嵌入
- 小型附加檔案，用來引導別人的權重走向某種風格、角色或概念。它們無法獨立運行。
- 家族與權重
- 模型所建立的基礎，例如SD 1.5、SDXL、Flux或Wan。每個模型都繼承其家族權重的發布日期。
- 年齡
- 根據家族權重發布時間距今多久，扣除的度數：每年150°，最多750°。它會保留那些有多年累積下載的舊模型，防止它們從排行榜頂端消失。
- 家族加成
- 針對本站目前推廣的某個家族的LoRA給予的小幅度限制加成，會在分解中顯示。
- 替代分數
- 給尚無來源報告的模型一個穩定的最低分，讓列表保持完整。它永遠不會高於有數據的模型。
- 全新！(寬限期)
- 不到 7 天的新模型會顯示「全新！」而非分數，且不列入排名。分數從第一天開始計算，但一天大的模型成長最快，若不等待，週榜首將永遠是昨天剛出的模型，而非持續一週的。
- 趨勢
- 模型在某段時間內的成長與典型模型同期成長的比較。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目錄中的中間值：一半模型在該期間成長較快，一半較慢。
這個模型的受歡迎程度跟整個目錄相比的變化：它在每個時期的下載量、喜歡數和使用量的成長，跟同一時期一般模型的成長相比，還有當時的熱度分數。高於一般成長代表上升，低於則是下降。過去的數據是從今天的總數、模型的第一天和有兩次讀數時的下載速度推算出來的；如果模型在某時期開始時不存在，會顯示 n/a。
MiniMax M3 是 Text / LLM 系列的文字模型,收錄於 ModelTrends.ai——一個唯讀的開源 AI 圖片、影片與文字模型目錄。將它與其他 Text / LLM 模型比較、查看熱度分數了解趨勢,並在 PirateDiffusion 或 BitVector 上試用。
依模型系列瀏覽
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153