MiniMax M3自主编写CUDA内核，并开源代码

2025年4月1日，中国AI实验室MiniMax做了一件很少有模型发布愿意做的事：展示了其工作过程。M3（MiniMax Model 3的简称）的发布附带了一篇论文、一个代码仓库以及一系列自主任务演示，这些演示本身就是一种论证，说明开放权重模型不必牺牲前沿能力。五天前刚发布的论文2606.23050，告诉我们AI的未来走向

一个构建自身工具箱的模型

头版数字颇具竞争力。M3在智能体浏览基准测试BrowseComp上取得83.5分，击败了Opus 4.7的79.3分。在标准编程和软件工程评估中，它位列顶级开放权重模型之列。但M3真正有趣的地方并非分数表，而是MiniMax随发布一同公布的12小时自主运行过程。prompting-a-frontier-model-a-publishers-field-notes-from-the-first-iteration

实验室将一篇ICLR 2025优秀论文《LLM微调的学习动态》交给M3，要求其复现核心实验。M3持续运行，通过原生多模态视觉读取论文中的图表和公式，生成了18次git提交和23个实验图表。它成功了。随后，同一模型被要求优化NVIDIA Hopper架构上的FP8矩阵乘法内核，从一个无法编译的Triton骨架开始。在24小时内，M3提交了147次基准测试迭代，并执行了1959次工具调用，将GPU峰值利用率从7.6%提升至71.3%，实现了9.4倍的加速，全程无需任何人触碰键盘。

'我们编写的代码应该是可交付的，而不仅仅是可运行的。'团队在产品页面上如此声明。

架构：大规模稀疏注意力

M3基于MiniMax专有的稀疏注意力架构构建。API支持高达100万token的上下文，保证可用窗口至少为512K token。这并非易事。100万上下文模型在几十万token后往往在实际中性能下降，而MiniMax声称其稀疏注意力能在全长上下文保持连贯性，这一说法将在权重公开后接受开源社区的检验。Ai2推出EMO：模块化AI从数据中自然涌现，无需人为规则

该模型从起点就训练为原生多模态系统。文本和视觉token在训练阶段对齐，而非事后通过单独适配器拼接。这一架构决策应能减少事后视觉-语言模型中常见的幻觉和对齐错误。

开放权重与前沿之争

MiniMax承诺在Hugging Face和GitHub上开源M3，并支持私有集群部署和微调。这一时机具有战略意义。随着OpenAI、Anthropic和Google推动越来越强大但闭源的模型，开放权重生态系统一直难以跟上步伐。Meta的Llama 4尚未发布。Qwen 2.5虽然强大但较老。M3的到来直接挑战了“开放意味着落后一代”的观念。Ai2推出EMO：模块化AI从数据中自然涌现，无需人为规则 DeepSeek的DSpark修复了制约快速AI推理的两大问题

PostTrainBench的结果进一步强化了这一说法。M3得分为37.1，落后于Opus 4.7的42.4和GPT-5.5的39.3，但领先于所有其他模型。这些数字表明，M3能够自主处理完整的机器学习流水线：数据合成、训练、评估和迭代改进。IFBench：测试AI指令遵循能力的新基准

这对开发者意味着什么

M3可通过现有MiniMax API访问，默认启用自动缓存。价格较之前模型层级保持不变，使升级对现有客户成为纯粹的性能提升。此外，还提供了一个专用编码代理平台MiniMax Code。MiniMax发布M2.7模型，拥有强大的软件工程和办公生产力能力

更广泛的意义并非单一基准测试的胜利。它证明了自主、多步骤的智能体工作流, , 阅读论文、编写CUDA内核、训练模型, , 不再仅限于最昂贵的闭源API。如果M3兑现其开放权重的承诺，前沿将不仅仅是又多了一个中国模型。IBM 开源 CUGA 智能体框架：跳过基础设施搭建，直接写提示词