6月12日，上海稀宇科技将旗舰模型MiniMax M3的权重放上Hugging Face与GitHub，MIT协议允许商用，并同步公开MSA稀疏注意力技术论文。两周后，Artificial Analysis综合智能指数榜单给出答案：M3位居全球开源模型第一，综合排名全球第四，这是国产开源模型首次站上该榜单头名。
MSA稀疏注意力：100万上下文从参数表走进生产环境
大模型处理长上下文的瓶颈在注意力机制——传统全注意力的计算量随上下文长度呈二次方增长，百万token级别基本不可用。MiniMax这次没有沿用现有方案，而是自研了MSA（MiniMax Sparse Attention）：先将KV缓存分块初筛，再对命中块做精确计算，配合”KV outer gather Q”算子优化，每块只读一次、访存连续。官方论文给出的数据是：比开源的Flash-Sparse-Attention和flash-moba快4倍以上；在100万上下文下，每token计算量仅为上一代模型的1/20，prefilling阶段加速超9倍、decoding阶段超15倍。
为什么重要？M3总参数428B、每次推理仅激活23B的MoE设计，叠加MSA后，长上下文第一次在开源模型里真正做到”可用且用得起”。同样是1M上下文，智谱GLM-5.2走MIT开源协议路线，Kimi主打推理速度，而M3选择把长上下文的底层算力账彻底算清——MSA论文已完整公开在arXiv，任何团队都可以照着复现这套架构。对需要整库代码分析、长文档理解的Agent应用来说，这是从”演示功能”到”生产基建”的差别。
基准与实测：SWE-Bench Pro 59%，Agent能连续干12小时
在真实软件工程评测SWE-Bench Pro上，M3拿到59.0%，超过GPT-5.5与Gemini 3.1 Pro；Terminal-Bench 2.1得分66.0%；BrowseComp自主浏览评测83.5分，高于Claude Opus 4.7的79.3；GPQA Diamond研究生级科学推理达到93%。两个官方实测案例更直观：
- 让M3自主复现一篇ICLR 2025杰出论文，它连续运行约12小时无人干预，产出18次commit和23张实验图表，跑通核心实验；
- 在CUDA算子优化任务中，M3完成147次benchmark提交、1959次工具调用，把硬件利用率从7.6%推到71.3%，实现9.4倍加速。
生态反馈同样快：开源两周内，M3拿下Artificial Analysis、GDPval-AA、Vals.AI三个榜单的开源第一，跻身Code Arena WebDev帕累托最优序列，API输出速度从约30 TPS优化到约80 TPS。继智谱GLM-5.2开源、美团LongCat-2.0国产算力训练之后，国产开源模型在综合智能指数上首次站到最前排。
开发者社区的实测结论很一致：M3写出的代码目标是”直接可交付”，而不是”能跑但需要人改”；多模态能力则让它能直接看懂截图、表格和视频帧，省掉OCR预处理。
国产算力Day-0适配，开源权重撑起技术主权
M3开源当天，摩尔线程旗舰智算卡MTT S5000即完成Day-0适配，沐曦曦云C系列、昆仑芯、海光DCU随后在一周内全部跟进，其中海光DCU的适配公告称可”零成本满血运行M3″，直接覆盖信创场景的部署需求。新华社7月1日特稿将MiniMax M3列为6月中国AI企业发布的代表模型，点名其”前沿编程能力、百万词元上下文、原生多模态”三项核心能力；经济日报报道称，稀宇科技已覆盖200多个国家和地区的超2.12亿用户、13万企业客户，七成以上收入来自海外。
为什么重要？同期Anthropic因美国政府指令，将”神话””寓言”两款新模型对海外用户下线，加拿大总理公开表示过度依赖美国AI模型存在风险。MIT协议的开源权重加国产芯片适配，意味着企业和开发者可以完成从模型到算力的全栈私有化部署，这是任何闭源API都给不了的确定性。
从GLM-5.2到MiniMax M3，国产开源模型正在从追分转向定规则：注意力架构、多模态训练范式、开源协议，每一层都有中国团队自己的方案。M3之后，比拼的将不再是谁的榜单分数高，而是谁的架构能被整个开源社区复用。
