MiniMax-M3: лидер среди открытых моделей будущего релиза
Предварительные результаты тестов ожидаемого китайского флагмана MiniMax-M3 на длинных контекстах.
MiniMax-M3 получил 55 баллов по индексу искусственного интеллекта. Как только гири будут выпущены, это будет ведущая модель с открытыми гирями.
M3 — это первая мультимодальная модель MiniMax серии M, в которой добавлен вход изображения и видео, а также контекстное окно токена размером 1 М вместо текстового MiniMax-M2.7 (50). Имея 55-е место по индексу интеллекта, он опережает конкурентов в открытом весе Kimi K2.6 (54) и MiMo-V2.5-Pro (54). MiniMax отметила, что планирует выпустить гири примерно через 10 дней. Когда MiniMax выпустила гири для M2.7, на них действовала коммерческая ограниченная лицензия.
Ключевые выводы
- MiniMax-M3 превосходит MiniMax-M2.7 по большинству оценок. HLE +9 баллов (28–37%), GPQA Diamond +6 (87–93%), AA-LCR +5 (69–74%), IFBench +7 (76–83%) и CritPt +3 (1–4%), с небольшим регрессом по SciCode (47–45%)
- M3 набирает ~1670 баллов по GDPval-AA, отставая от Claude Opus 4,8 (макс., 1890) и GPT-5,5 (xhigh, 1769) и на уровне Claude Sonnet 4,6 (макс., 1676). GDPval-AA измеряет реальные задачи в 44 профессиях и 9 отраслях
- Нативная мультимодальность, оценка ~80% по MMMU-Pro. Уровень с GPT-5.5 (xhigh, 79,9%) и Kimi K2.6 (79,4%), позади Gemini 3.5 Flash (высокий, 84,3%). Не все модели с открытыми весами поддерживают встроенный зрительный ввод.
- В АА-Всеведение сильное воздержание приводит как к низким галлюцинациям, так и к низкой точности. M3 пытается ответить только на 30,9% вопросов, что является самым низким показателем среди нынешних аналогов, что дает низкий уровень галлюцинаций (16,1%) и низкую точность (15,0%).
- Использование токенов MiniMax-M3 близко к M2.7: для расчета индекса интеллекта используется ~91 млн токенов (~81 млн рассуждений) по сравнению с ~87 млн (~79 млн рассуждений), при этом оценка на 5 баллов выше.
Ключевые детали модели
- Контекстное окно: 1 млн токенов по сравнению с 200 тыс. в MiniMax-M2.7.
- Цена: 0,30 доллара США/1,20 доллара США за 1 миллион токенов ввода/вывода до 512 тысяч контекстов, повышение до 0,60 доллара США/2,40 доллара США за 512 тысяч до 1 миллиона контекстов.
- Вес: еще не опубликован. MiniMax заявила, что веса будут следовать
- Доступность: собственный API MiniMax, SiliconFlow, GMI и Novita.
MiniMax-M3 набирает ~1670 баллов по GDPval-AA, отставая от GPT-5,5 (xhigh, 1769) и на уровне Claude Sonnet 4,6 (Адаптивное мышление, максимальное усилие, 1676). Как только веса будут опубликованы, это будет модель открытых весов с самым высоким рейтингом на GDPval-AA. GDPval-AA измеряет производительность при решении реальных задач в 44 профессиях и 9 основных отраслях.
По шкале AA-Всезнание MiniMax-M3 пытается ответить только на 30,9% вопросов, что является самым низким показателем среди нынешних аналогов. Воздержание приводит к низкой частоте галлюцинаций (16,1%) и точности (15,0%).
Разбивка результатов индивидуальной оценки MiniMax-M3
