6 月 1 日，MiniMax 发布新一代通用模型 M3，具备前沿编程、超长上下文、原生多模态能力，并推出订阅方案。前一日，MiniMax 宣布就科创板上市聘请顾问。当前，Coding 能力成 AI 竞争焦点，M3 虽在多项评测中领先，但面临激烈竞争。业内认为，M3 有竞争力但在 Coding 领域仍是追赶者，其商业化战略意图清晰，后续用户对新价格体系的接受度是关键。

每经记者｜陈婷      每经编辑｜毕陆名     

回归 A 股箭在弦上，MiniMax（HK00100）攻势不减。

6 月 1 日，MiniMax 正式发布新一代通用模型 MiniMax M3。M3 采用全新的自研稀疏注意力架构 MiniMax Sparse Attention（MSA），同时具备 " 前沿 Coding（编程）能力、1M（一百万）超长上下文、原生多模态 " 三项核心能力，是具备完整能力组合的开源选项。

当前阶段，Coding&Agentic（编程 + 智能体）能力正逐步成为全球头部模型的新竞争焦点，自美国企业 Anthropic 率先强化智能体与工程编码能力、拉开新一轮竞赛序幕后，各大 AI（人工智能）厂商纷纷调转研发重心，不再单纯追逐对话体验与参数规模。

值得一提的是，MiniMax 当日同步推出了 TokenPlan 订阅方案，根据官方介绍，其定价为 49 元每月的 Plus 方案可提供 6 亿 Token（词元），约等于 Claude Pro（20 美元）月度容量的 5 倍。

在此大背景下，MiniMax 加码模型 Coding 能力显然也是为了打响新一轮商业化战役。

就在 M3 正式问世的前一天（5 月 31 日），MiniMax 发布公告称公司已聘请专业顾问就符合在科创板上市条件提供咨询，并签订辅导协议。紧随其后，6 月 1 日，智谱同样在港交所公告，拟发行 A 股并在科创板上市。

当商业化成为 AI 公司当下不可回避的核心课题，MiniMax 能否依托资本市场加持与技术壁垒，跑出一条可持续的增长路径？

M3 对标 GPT、Opus 实现跑分反超，但智谱、Kimi 已抢占开发者心智

记者了解到，支撑 M3 三大能力合一的，是其自研的稀疏注意力架构 MSA（MiniMax Sparse Attention）。

相较传统全注意力机制，MSA 能够显著降低长上下文下的计算成本，并将上下文窗口提升至 100 万 Token。这意味着模型在处理长文档、复杂代码仓库、多轮任务协作等场景时，能够在一次推理中保留更完整的信息链路。

据 MiniMax 披露，在 100 万上下文规模下，M3 单 Token 计算量仅为上一代模型的约 1/20，推理效率显著提升。

此外，记者从 MiniMax 方面了解到，M3 在 Coding&Agentic 能力明显提升，在涵盖软件工程、终端执行、效率与协议理解等多个维度的国际权威评测中，均达到领先水平：在衡量 Coding 能力的 SWE-Bench Pro（新一代 " 真实企业级 AI 编程能力测评集 "）上，MiniMax M3 超过 GPT-5.5 和 Gemini 3.1 Pro，接近 Opus 4.7。在综合评估 SVG 生成性能的基准 SVG-Bench 上，MiniMax M3 超过 Opus 4.7。

另据 MiniMax 方面表示，M3 从训练起点便采用文本、图片、视频等多模态混合训练，并在数据规模和训练管线上进一步扩展。模型不仅支持图像与视频理解，也具备桌面操作能力，可在复杂跨应用环境中执行 Computer Use（AI 像人一样 " 用电脑 "）任务。

即便如此，Coding 领域齐聚全世界最顶尖的技术团队与资本力量，竞争已进入白热化阶段。

微软（GitHub Copilot）、Anthropic（Claude Code）、OpenAI（Codex）等玩家各有所长，模型能力、上下文窗口、推理速度与生态落地的比拼日趋激烈。

国内各大玩家也纷纷押注这一市场。今年 4 月，智谱宣布正式发布新一代开源模型 GLM-5.1，可达到 8 小时级持续工作。同月，月之暗面发布并开源 Kimi K2.6 模型，据称该模型是其迄今最强的代码模型，长程编码能力得到显著提升，同时大幅增强了 Agent（智能体）自主化执行能力。

与国内外的竞争对手相比，M3 的硬实力究竟如何？

快思慢想研究院院长、特邀评论员田丰对《每日经济新闻》记者表示，OpenAI 联合创始人 Andrej Karpathy 长期强调推理效率（tokens per dollar）是模型实用化的核心指标—— M3 在长上下文下的计算效率突破直接决定了其在大型代码仓库场景（>50 万 token 代码库）的可用性边界，这是竞争对手难以快速复制的工程护城河。

不过，田丰强调，但需注意：SWE-Bench Pro 是 2026 年新引入的更难评测集，各家数据口径不完全一致，投资决策层面需等待第三方独立复测。

业内有观点认为，随着 M3 发布，MiniMax 以 " 开源 + 多能力合一 " 的前沿模型为差异化定位，在全球 AI 竞赛中的定位进一步清晰。

在田丰看来，国内 AI 企业中，智谱最快响应开发者需求、工具链最完整（20+ 款 MCP 工具）；MiniMax 则通过开源（MIT License）和低价吸引 " 被套壳 " 的开发者生态。与 Kimi 相比，M3 的长上下文（1M token）在处理超大代码仓库时有工程实用优势；与智谱相比，M3 的开源策略更有利于国际开发者生态渗透。

"M3 有真实竞争力，但在 Coding 领域是追赶者，智谱 GLM-5 和 Kimi K2.6 均已先行建立了开发者心智。" 田丰说。

Coding，AI 商业化的必争之地

当前阶段，Anthropic 无疑是全球市场企业级 AI 与 Coding 赛道的领跑者，这一成绩使得全球 AI 竞争格局、商业化路径与技术路线正发生深刻重构。

东方证券的研报提及，根据 Menlo Ventures 数据，Anthropic 在 LLM（大语言模型）企业 API（应用程序编程接口）市场份额逐年攀升，2025 年达到 40%，Coding 市场份额则达到 54%。而随着模型智能体能力在 2025 年末有显著突破，harness 层同步迭代，帮助模型更好地在实际生产力侧可靠、可控完成交付，Anthropic 在 4 月 ARR（年度经常性收入）环比增长 110 亿美元达 300 亿美元的基础上，5 月环比增长 140 亿美元达 440 亿美元。

今年 5 月，阿里发布最新财报后的电话会议上，首席执行官吴泳铭表示，从去年 11、12 月份开始，到今年的 5 月份，这一段时间大量公司的 API 需求的增长，几乎大部分都是由 AI Coding 能力的提升带来的。

吴泳铭提及，无论是美国还是中国，这一波 AI 需求带来的增速，主要是靠 AI Coding 能力的提升。" 因为 AI Coding 能力的提升，结合电脑或者数字化的这些工具场景，理论上可以解决几乎所有数字化工作中的复杂任务。所以，这是未来两到三年非常重要的一个增长趋势。" 吴泳铭说。

正是因此，Coding 市场已经成为 AI 企业商业化的必争之地。

田丰认为，Coding 已成为大模型商业化的核心战场，因为它是目前唯一能被工程师群体精确量化 ROI 并规模化付费的 AI 能力。

"Coding 战场的本质是 AI 首次可以用‘可审计的工程产出’向 B 端（企业端）客户收费，这改变了大模型商业化的底层逻辑，从‘订阅体验’变为‘采购生产力’，这也是为何所有头部玩家都在此集中。" 田丰说。

东方证券的研报认为，从替代程序员和产品开发工程师人力成本的角度，远期 AI coding 市场 TAM（总潜在市场）达 4000 亿美元的空间。

该研报还提及，整体而言，传统互联网大厂和独立 AI 模型厂商更偏差异化竞争的状态。因传统互联网大厂更聚焦在 C 端（消费者端）大流量市场，提供的模型和服务场景需要有更强的普适性，独立 AI 模型厂商侧重于卖特定场景下 Token 的有效率，从而形成 AI 新场景的用户生态。

也就是说，独立 AI 模型厂商更需要抢占 Coding 市场，以此打造差异化优势，构筑自身商业壁垒。

值得一提的是，就 API 价格而言，MiniMax M3 百万 Tokens 的输入价格的定价为 4.2 元，相较于 M2.7 价格翻倍，虽上线 7 天限时五折，折后与 M2.7 价格持平，但折扣结束后价格将显著上行。记者对比发现，智谱 GLM-5.1 百万 Tokens 的收入单价为 6 元，价格高于 MiniMax M3 的 API 价格。

如果将新模型视作 MiniMax 在商业化上的一次进攻，其以技术升级换取定价提升、锚定开发者与企业级市场的战略意图清晰，后续用户对新价格体系的接受度，或将成为本轮商业化攻坚的核心变量。

与此同时，作为一家上市公司，MiniMax 能否在新一轮市场竞逐中占据优势或深刻影响其在资本市场的估值逻辑、定价中枢与长期成长预期。

对此，田丰认为，MiniMax 此时启动 A 股辅导，是在政策窗口与资本市场情绪双高点主动出击，建立 "A+H" 双平台资本格局的长期战略布局，本质是在锁定国内人民币定价权。短期港股回调是必要的市场出清，对 MiniMax 中长期资本结构是净正效应。

封面图片来源：每经媒资库