夜雨聆风
为何人人都在 token 焦虑？
千呼万唤，2026 年 6 月 1 日儿童节当天，MiniMax 第三代旗舰模型 M3 终于发布了。
光看官方解读，六个关键词就可以概括这款模型的全部亮点：Coding 能力、1M 上下文、原生多模态、Computer Use、低价 Token Plan、开源。
能力上，作为国内首个集齐了 Frontier 三件套——前沿 Coding/Agentic 能力、百万 token 级超长上下文、原生多模态的开源模型的国产模型，M3 的实力不必多提。
毕竟在此之前，能同时集齐这三项的，只有 Claude Opus 4.7、Gemini 3.1 Pro 和 GPT-5.5 这些海外头部闭源模型。
能力固然耀眼，但这次主要想聊一聊的，是它的价格。
官方信息显示，这次的 MiniMax Token Plan 设计上，个人开发者套餐分三档：Plus 49 元/月，6 亿 token；Max 119 元/月，18 亿 token；Ultra 469 元/月，55 亿 token。
换算下来，Max 档在相近价格下约等于 Claude 订阅的 15 倍用量。
过去在 Chatbot 时代，很多人可能对这种性价比没什么概念。毕竟用户问一句，模型答一句，成本还比较温和。到了 Agent 时代，模型开始学会读仓库、扫文件、跑测试、看日志、修 bug、跑测试。一次任务背后，可能是几十次、几百次模型调用。
于是，模型变聪明了，但成本也没多少人扛得住了。
而一个聪明又有足够性价比的模型，对很多个体以及企业而言，有时候往往就是 AI 真正走向落地的临门一脚。
01
从 Agent 经济学的痛点，
到 49 元的 Plus Token Plan
过去大家讨论 AI 替代人、解放人，常常默认 AI 一定更便宜。
但这句话成立，是有限制条件的。
特别是 Coding Agent 场景，前段时间，一篇关于 Agentic Coding 成本的研究，分析了 8 个前沿模型在 SWE-bench Verified 上的运行轨迹发现一个有意思的现象：
Agentic Coding 类任务，token 消耗不是线性增长，甚至可以达到普通代码问答的 1000 倍。更麻烦的是，有时候，token 烧得更多，准确率并不一定继续变高，很多任务的准确率会在中等成本区间达到峰值，然后趋于饱和。
背后逻辑在于，Coding 需要用户把完整的项目文件、代码上下文喂给 AI，才能产出真正可用的代码。是典型的输入 token 远大于输出 token 的场景。越是生产级场景，上下文成本就越是贵得离谱，有时候，甚至会超过人力成本本身。
这也就解释了为什么很多过去在 AI 使用上非常激进的企业，从今年开始，出现了态度反复横跳：
一个极端案例是 OpenClaw。其创始人 Peter Steinberger 曾晒出 30 天消耗约 130 万美元 OpenAI API token 的账单，覆盖 6030 亿 token、760 万次请求，背后是约 100 个 Codex agent 在跑自动化开发任务。
Uber 更是 CTO 与 COO 先后公开下场吐槽，公司到 2026 年 4 月已经花完了全年 Claude Code 预算。
在这一背景下，MiniMax M3 的性价比已经不是便宜一点的问题，更是 Agent 真正普及前的临门一脚：
Agent 不能试错就做不了复杂任务；但试错太贵，企业就会关止步不前，个人开发者也会变得保守。
以前模型竞争的核心的是智力上限，agent 时代，单位成本下的有效工作量才是真正的重点。
这就是为什么我认为 M3 的性价比其实也是产品能力的一部分。
但支撑这个性价比的根源在于哪里？性价比背后，产品的体验又究竟如何？
02
为什么行业发展到现在，
需要更强的 Coding 和长程自主迭代
价格解决的是敢不敢用，下一步用户关心的，是值不值得用。
M3 官方给出的 Coding benchmark 很好看：SWE-Bench Pro 59.0%、Terminal Bench 2.1 66.0%、SWE-fficiency 34.8%、KernelBench Hard 28.8%、MCP Atlas 74.2%。
这些数字当然重要，但我更建议把它们当成一个参考系，而不是结论。真正的亮点其实是官方用 M3 实现的两个实际案例：复现论文和优化 CUDA 的 Hopper FP8 GEMM kernel。
先看看 Hopper FP8 GEMM kernel 优化案例。
在这个任务里，M3 的起点只有任务描述、benchmark 脚本和一个不能直接运行的 Triton 骨架，没有 reference 高性能实现。
M3 在约 24 小时内完成 147 次 benchmark 提交和 1959 次工具调用，把 Hopper FP8 GEMM 的硬件峰值利用率从 7.6% 推到 71.3%，实现 9.4 倍加速。
这里最重要的细节其实不是最后的 71.3%，而是最优解出现在第 145 次提交。作为对比，除 Opus 4.7 和 M3 外，其余模型大多在前 30 次提交内不再取得新进展并主动退出。
也就是说，模型并不是前几轮灵光一闪就完成任务，而是在多个平台期里继续诊断、尝试、验证、推翻，再尝试。
这个过程里，模型需要需要维持目标、记住历史、理解 benchmark 反馈，还要避免在多轮改动中把系统搞乱。
这也是 Coding Agent 和代码补全工具的分界线。一个普通 vibe coding 群体可能没意识到的现实在于，真实的生产级环境中，无论 AI 还是人类，产出代码第一次跑不起来很正常；跑起来之后性能差也很正常；优化完引入新 bug 也很正常。而工程任务的大部分时间，都花在诊断、验证、回滚、再尝试。
这个能力的背后，不能只靠模型参数更大，还需要训练数据更接近真实用户逻辑。为此，MiniMax 构建了交互式用户模拟器，模拟真实开发者在同一个 session 中不断补充需求、调整方案、派发任务、反馈修正。
这也是为什么我在前面说，benchmark 结果漂亮固然很重要，但不能直接将其平移到生产环境。今天很多 coding benchmark 仍然是 single-turn task，但真实协作一定是 multi-turn、multi-file、multi-tool、multi-objective。谁能把训练和评测从一次性解题推进到持续协作，谁才更接近下一代 Coding Agent。
另外再看一下复现论文案例，这个也同样很有意思。M3 被要求复现 ICLR 2025 Outstanding Paper Award 论文 Learning Dynamics of LLM Finetuning。它自主运行了接近 12 小时，产出 18 次 commit 和 23 张实验图表，跑通核心实验，并观测到 SFT 阶段预测概率变化、DPO 的 squeezing 效应，以及 Extend 缓解方法。
这个任务的特点在于任务本身够复杂，需要的能力也够多。模型要读论文正文，理解公式和图表，写实验代码，跑训练脚本，检查结果是否对齐论文结论，再根据偏差调整实验设置。这就需要，模型的智能上限、长上下文、编程、多模态、工具调用、事实纠偏各种能力必须同时成立。
而 M3 的一大特点，正在于它是从 Step 0 开始做多模态混合训练，而且使用的是文本、图像和其他模态自然交错的数据。
放到 Agent 语境里，它意味着模型更容易进入真实工作现场，帮开发者看架构图、错误截图、性能曲线、PR 页面和终端输出，帮研究员读论文正文，以及表格、图像、曲线和公式。还能帮企业员工在 ERP、Excel、网页后台、本地客户端、聊天工具之间来回切换，让多模态与智能本身，成为牢不可分的一体两面。
我在测试里直接让 AI 根据《西游记》小说，制定一个交互地图。
完成这个任务的难点在于，首先模型要自己找到《西游记》原文共 100 回，60 余万字并通读理解。
在此基础上，做西游交互地图最难的是原著地名散乱、虚实空间混杂：行程描述只写里程但没有坐标，所有的动线、事件跨百回分布，必须全本上下文统筹梳理空间关联；而仙界洞府等多层平行空间中的各种虚构场景没有现实 GIS 参照，同时一些凡间位置，虽然有现实世界原型，但又并未在书中明说。
要把这些文字描述转成地图画面、自动生成开发代码，对模型的上下文能力、工具调用能力、多模态能力、agent 协作能力，甚至审美都是不小的考验。
向上滑动查看
这是最终的生成 HTML 页面的截图（部分展示），可以看到，不仅路线图与剧情完全吻合，甚至不同地点可能对应的现实世界方位，也基本一致。
比如五行山对应现实世界河北五指山，法门寺在陕西西安，通天河在青海玉树附近，而流沙河对应现实世界新疆塔里木的开都河，与现实世界原型的参考方位几乎一一对应。
03
稀疏注意力搞定 1M 上下文已经不新鲜，
但如何保证命中率？
讲完价格和 Coding，到这里，很多人应该也就能理解 M3 设计的稀疏注意力机制支撑起的 1M 上下文背后的逻辑了。
长上下文现在已经不稀奇。很多模型都在宣传 200K、1M，甚至更长。问题在于，窗口长不代表模型会用。
Agent 不可能每一步都从零开始思考，它必须把过去的失败、用户偏好、项目结构、工具反馈沉淀进上下文。相应的，模型的上下文中会堆满了超长的代码文件、终端日志、失败记录、benchmark 输出、用户反馈、历史工具调用和中间推理痕迹。
长上下文是实现这一切的基础。但有时候，窗口越长，也就意味着各种中间状态、无关内容构成的噪音越多，输出质量越差，成本也越容易爆炸。
在这一背景下，使用稠密注意力，上下文长度的扩张以及输出效率会受到限制，成本也会随之失控。
使用普通稀疏注意力，能省成本，但容易牺牲细粒度信息定位能力。
但偏偏，Agent 执行过程中，最怕漏细节。一次工具调用里的关键报错、某个代码文件里的边界条件、某张图里的曲线异常，都可能决定任务能不能继续。
因此，实现长上下文本身不难，真正难的是如何实现成本、效率、命中率的三者得兼。
了解行业背景的都知道，MiniMax 不是今天才开始做长上下文和稀疏注意力。
2025 年年初的 MiniMax-01 就用了 Lightning Attention，并且把模型训练上下文做到 1M，推理上还尝试外推到 4M 的更长上下文；
后来去年同一时期的 MiniMax-M1 继续使用 hybrid attention，加上 MoE 和强化学习，主打长上下文、长推理和复杂软件工程任务。
到了后来的 M2，MiniMax 还一度短暂回退到稠密注意力路线，直至此次 M3，MiniMax 借助 MSA 再次回归稀疏注意力。
相比业内的其他稀疏注意力方案 DSA、MoBA 等，MSA 通过 scalable sparse attention、document-wise RoPE、KV cache compression 和 Memory Parallel 等设计，可以把训练和推理复杂度做成线性，并在从 16K 扩展到 100M tokens 时保持低于 9% 的性能退化。并通过精准 KV 分块升级，在算子层通过 KV outer gather Q 减少重复读取，整体的计算访存比是开源的 Flash-Sparse-Attention 和 FlashMoBA 的 4 倍以上。
而借助MSA，M3 能做到 1M 上下文下每 token 计算量只有上代模型 1/20、prefill 超过 9 倍加速、decoding 超过 15 倍加速。多数场景下，能力直接追平全注意力模式。
这类优化听起来很底层，但用户端会感受到两件事：长任务跑得便宜，并且信息的把握非常精准。比如这里，我
把一整本《国富论》喂给 M3，做了一个亚当斯密逻辑下的模拟世界游戏。
这其中的难点在于，《国富论》通篇都是定性社科论述，分工、财税、外贸、资本、薪资的经济传导逻辑零散分布全卷，只有百万级上下文才能完整通读全书，提炼环环相扣的量化演算规则，把斯密的文字理论转化成税率、生产率、财富联动的数值公式。
在此基础上，要完成模拟世界游戏的构建，还需要靠 Agent 不断完成长时序推演，理解玩家减税、修路等政令可能导致的结果，最后还能分短中长期按古典经济学逻辑迭代面板数据，全程不能违背原著底层经济规律。
最后结果上，可以看到 M3 精准还原了斯密理论在实际生活中环环相扣，税制、关税会直接左右生产率与财富增减，办学政策会在中期、长期对税务、对劳动生产率、对国家财富积累以及人口产生不同的影响。用户自定义政策后，系统会自动逐年演算经济变迁，完整还原国富论里政策随时间释放经济红利的设计。
而长上下文也只有做到这一步，才有意义。
04
Agent 时代，最稀缺的不是智能，
而是可负担的智能
M3 的发布背后，各种单点优化固然重要，但它同时也是国产模型开始从追 benchmark 转向做系统、让 agent 真正能落到所有企业与个人日常所需中的一个重要尝试。
复杂任务需要长上下文。长上下文会带来成本、速度和信息命中率问题，所以需要 MSA 这种更高效的注意力机制。
Coding Agent 需要持续迭代。持续迭代会消耗大量 token，所以模型既要会写代码，也要能在多轮失败里维持目标、读懂反馈、继续推进。
真实工作环境是多模态的。只会处理文本，Agent 就很难处理截图、图表、后台、Excel、PR 页面和终端输出混在一起的任务。
高频使用还要足够便宜。否则用户不会让 Agent 充分试错，企业也不敢把它接入真实流程。
每个点单独看都不是第一次出现，但组合起来构成的，是 Agent 能力进入开发者和企业日常工作流的敲门砖。
2026.4.23-4.24日举办的GTC2026 Shenzhen—AI技术发展论坛已圆满结束。演讲嘉宾们的分享PPT，可在公众号聊天栏回复关键词【演讲资料】获取。
商务合作Cassie | 微信：18506490569Ares | 微信：18606066421Lina | 微信：13381020131
客服服务Baijingjsz | 微信：baijingJSZ066
与负责人聊合作白鲸出海 黄剑新 | 微信：kc20200
（添加请备注姓名、公司及职位）
