MiniMax-M3

MiniMax的全部模型 →国内视觉模型综合智力第 79 名

中等价位、能读长文、会看图的开源模型

查看评测视频查看评测文章

聪明世界#79

编程顶尖自报

记性1.0M

便宜$1.2

记性换算成体感：一次能读完《哈利·波特》全七部

他的房间

电脑

80.5% · SWE-bench Verified · 厂商自报，未经第三方复核

书架

5 层 · 记忆 1.0M tokens

黑板

数学与科学推理

日历

知识截止日期未公开

冰箱

支持上下文缓存，能存记忆

敞开的门

开源权重，谁都能进

身世

发布日期: 2026 年 5 月 31 日vercel-gateway
知识截止: 暂无数据
参数量: 426.99B
开放权重: 是
开源许可: 暂无数据
上下文窗口: 1.0M tokens
单次最大输出: 512K
输入价格: $0.30 / 百万 tokens
输出价格: $1.20 / 百万 tokens
模型类型: 视觉除了文字还能看图片或视频，输出文字
支持的输入: 图像、文字、视频 → 文字
工具调用: 是
深度思考: 是
提示缓存: 是

战绩

综合智力: 146.5
AIME 数学: 71.1%
GPQA Diamond 科学: 90.9%
ARC-AGI-2 抽象推理: 未参评
Fiction.liveBench 长文本: 未参评

综合智力、数学、科学、抽象推理与长文本数据来自 Epoch AI（CC-BY 4.0）。写「未参赛」的项目表示该模型没有被这项评测收录，不代表它做不到——本站不会用估算值填补空缺。

编程战绩（按赛制分列）

SWE-bench Verified（转载）80.5%
同样是 SWE-bench Verified，但分数来自厂商系统卡或其他榜单的转载，没有经过 Epoch 的统一复跑。厂商自报
https://www.minimax.io/blog/minimax-m3
SWE-Bench Pro59.0%
同一个思路但难度高得多的版本，题目更长、依赖更复杂。分数普遍比 Verified 低三十分左右，两者不可直接比较。厂商自报
https://www.minimax.io/blog/minimax-m3
Terminal-Bench66.0%
把模型丢进一个真实终端里让它自己干完一件活——装环境、跑脚本、调错。考的是当「实习生」的本事，不只是写代码。厂商自报
https://www.minimax.io/blog/minimax-m3
LiveBench 智能体编程40.7%
LiveBench 的智能体编程分项：不是写一段代码，而是像开发者那样多轮改动一个项目。第三方实测
https://livebench.ai/#/?release=2026-06-25
FrontierCode14.7%
Cognition 出的高难度代码题集，面向前沿模型。第三方实测
https://cognition.com/frontiercode
LiveBench 编程分项68.2%
LiveBench 每月换新题以避免污染，这一列是它的编程分项均分。第三方实测
https://livebench.ai/#/?release=2026-06-25
ALE-Bench640
AtCoder 启发式算法竞赛题，考的是给一个没有标准答案的优化问题找出尽量好的解。分数是 137–2177 的评分标度，不是百分比。和「修 bug」是两种能力。第三方实测
https://epoch.ai/benchmarks
WebDev Arena1488 Elo
让两个模型各写一个网页，由人来投票选哪个更好，按对战胜负算 Elo 分。考的是前端开发的实际观感，和「能不能修复一个后端 bug」不是一回事。第三方实测
https://epoch.ai/benchmarks

这些分数不可互相比较。同一个模型换一套评测脚手架就能差二三十分： SWE-bench Verified 的中位数是 75.7，而难度更高的 SWE-Bench Pro 只有 41.0。广场上的能力条因此显示的是「在同一把尺子下排第几」，而不是分数本身。

全部成绩（按榜单分列）

名次的分母是在同一个榜、由同一类测量方测过的模型数，不是全站模型数。不同榜的分数不可互相比较。

综合

综合智力146.5第 79 / 208
Epoch Capabilities Index，把十几项学术评测归并成一个总分。想知道「谁最强」，先看这一栏。第三方实测
https://epoch.ai/benchmarks
SimpleBench45.8%第 56 / 103
一套普通人能轻松答对、模型却常常答错的常识题。分数越高越少犯「一看就傻」的错。第三方实测
https://simple-bench.com/

数学

AIME 数学71.1%第 103 / 191
美国高中数学邀请赛难度的模拟题，是数学竞赛能力的通行标尺。答对比例，满分 100。第三方实测
https://epoch.ai/benchmarks
ProofBench18.0%第 43 / 79
不是算出答案，而是写出完整证明并由人评判。考的是数学推理的严谨程度。第三方实测
https://www.vals.ai/benchmarks/proof_bench

知识与推理

GPQA 科学90.9%第 30 / 197
博士级别的物理、化学、生物选择题，题目设计到「谷歌也搜不到答案」。随机乱猜是 25 分。第三方实测
https://epoch.ai/benchmarks
CritPt 物理3.7%第 55 / 163
研究级别的物理问题，由在职物理学家出题。测的是能不能做前沿科研级的推理。第三方实测

智能体

OSWorld 2.04.6%第 7 / 9
OSWorld 的第二代题库，任务更长更杂，与第一代分数不可直接比较。第三方实测
https://osworld-v2.xlang.ai/
经营售货机$2,158第 47 / 89
Vending-Bench：让模型经营一台虚拟售货机一整年——进货、定价、付租金。分数是最后账上的钱，考的是长期不犯糊涂。第三方实测
https://andonlabs.com/evals/vending-bench
Surface Evolver55.0%第 12 / 30
用一款专业的曲面数值软件完成计算任务，考的是驾驭陌生专业工具的能力。第三方实测
https://yhenon.github.io/surface-evolver-llm-eval/

多模态

GBA 游戏评测0.9%第 16 / 23
看画面操作掌机游戏，测的是视觉理解加实时决策。第三方实测
https://gbaeval.com/model/goose-minimax-m3

游戏与谜题

国际象棋残局14.0%第 83 / 156
给一个棋局找出最佳着法。分数是解对的比例，随机乱走约 5 分。第三方实测
https://epoch.ai/benchmarks/chess-puzzles
推理游戏谜题8.0%第 78 / 91
Epoch 自建的一组推理小游戏，测的是在规则未知的环境里摸索规律。第三方实测
https://epoch.ai/benchmarks

其他

Dtbench78.9%第 98 / 198
Epoch AI 收录的评测，暂无中文说明。第三方实测
https://conceptualreasoning.ai/dtbench
Lmca33.7%第 81 / 183
Epoch AI 收录的评测，暂无中文说明。第三方实测
https://conceptualreasoning.ai/lmca

B 站上的 MiniMax-M3 实测7 个视频

在 B 站搜「MiniMax-M3 测评」↗

以上为 B 站搜索结果，按播放量排（站长的视频置顶），内容由各 UP 主提供，不代表本站观点。