（本文作者为 AIDeepDive，钛媒体经授权发布）

今天打开手机，原本只想扫一眼股价，结果看到了 MiniMax 股价大跌 15%。

然后赶快去翻了翻新闻，原来是 M3 发布了。

我读了一下 M3 的技术报告，坦白说，真的不差，从各项 benchmark 来看，甚至是惊艳的。

SWE-Bench Pro 59%，超了 GPT-5.5，逼近 Opus 4.7，BrowseComp 83.5 直接把 Opus 4.7 踩在脚下，百万上下文，原生多模态，外加自研 MSA 稀疏注意力架构。

虽然股价一直跟业绩和实力没什么关系，但这两个信息放在一起更诡异了。

我又翻了下 X 上的评论和开发者社区，结果骂声确实比叫好声更响，特别是中文社区。

那确实要聊聊这两级分化了。

先说说指标里的 " 小心思 "

59% 的 SWE-Bench Pro，这个数字本身没什么问题。

SWE-Bench Pro 是目前公认最接近真实软件工程场景的基准，考的是用代码修真实项目里的 bug，还得跑测试验证，不能蒙，含金量是够的。59% 是个实打实的高分。

但翻到 MiniMax 技术报告里，Terminal Bench 2 和 VIBE-Pro 这两个测试有一行注释，它写着，使用了 Claude Code 作为评测脚手架进行测试。 !

这意味着 MiniMax 采用了 Claude Code 的工具链，测自己模型的 Coding 能力，然后拿这个分数去跟 Claude Opus 4.7 做比较。

这个操作我不是很能理解。

我不清楚其他的模型是否也是这样评测的？只有 MiniMax 说了 " 真话 "？又或者只有 MiniMax 是这样的？

我仔细翻了一下，其实 SWE benchmark、Terminal Bench 2 和 VIBE-Pro 都是基于 Claude Code 做的测试。

准确来说，像 Terminal Bench 2 这类需要在环境里连续执行工具调用的 Agent 评测，在当前行业里用脚手架跑是惯例，Claude Code、OpenCode 都是常见选择。

脚手架本身不是问题，问题在于，当你用 A 的框架测 B 的能力，然后对外宣传跟 A 比肩，这样就有点 " 不讲武德 " 了。

模型的原生能力，跟 " 用某个脚手架跑出来的能力 "，是两件事。

用户很难分辨 SWE-Bench Pro 59% 这个数据里有多少是模型能力，有多少是脚手架加成，这就难怪很多人已经完全不信各种评测指标了。

在 MiniMax 官号下面，这样的吐槽比比皆是。

我们来说说 " 开源 " 的诚意

与其他发布的开源模型不同，MiniMax 这次没有公布模型大小。

究竟是一个多大的模型取得了这样的成绩？这让开发者们充满困惑。

其次让很多开发者不满的，是没有公布模型 " 权重 "。官方说法是 " 发布后 10 天内开源 "，模型先 API 上线，权重后面跟上。

这又回到了上面的话题，这种做法充满 " 心机 "。面向一向追求坦诚的程序员来说，这种做法可以理解，但不那么 " 坦荡 "。

为什么这么说？这种安排，更多是商业逻辑上的考虑，我觉得我特别能理解。就是先通过 API 收回一波成本，再开源，无可厚非。

但如果你今天对社区宣传的是 " 开源 "，但又不给权重，社区没有办法在本地环境里验证任何评测数据。所有人只能通过 API 访问模型，既无法复现 benchmark，也无法独立摸清模型底细。

开源社区的核心价值就是 " 可复现、可验证 "。

所以当先宣传开源，再说权重 " 过几天给 "，这两件事放在一起，社区的质疑声也就很自然了。

最渣心的，还是 Coding Plan 的调整

前两个都还是技术范畴的讨论，Coding Plan 的调整才是骂声最集中的地方。

以前 MiniMax 的 Coding Plan 一直以 " 量大管饱 " 著称。

它是按照请求次数来做模型，限制的是速率，每 5 小时滚动窗口内的请求次数，但没有月度 Token 总量的上限。一个重度开发者，只要不超速，可以持续低速地跑。

有老用户算过，他一个月实际跑下来消耗了三十亿 token，有的甚至五十亿 +，而月费就是那几十块钱。

这是之前的 " 黄金时代 "，每个月无上限地跑，自己控制节奏。

但是，在没有预告的情况下，M3 发布同步推了 Token Plan，把这套规则改了。

改成了什么？按总量来看。Plus 套餐 49 块 6 亿 token，官方说相当于 Claude Pro 5 倍用量，听起来很划算。

但官方细则深究一下，这个 6 亿 token 是按单次调用 50K token 来估算的，折算出来大约是 12000 次调用。

你想想看，M3 支持百万上下文，真正的重度使用场景，单次调用几十万 token 是常态，6 亿 token 一下子就见底了。

更不接受的是原来承诺老用户不受周限额限制，现在却出尔反尔。这怎么可能不炸呢？

官方很快出来回应：

V2EX 上有用户直接把这次和之前的 " 代金券事件 " 并列，说 MiniMax 这是又背刺了一次老用户。

能让用户翻出来历史账单一起算，说明积累的信任是真的在消耗。

说回技术本身，MSA 这个创新有点意思

其实，MiniMax 的这个发布是有点意思的，但都被一系列 " 骚操作 " 盖住了。

特别是 M3 的底层架构创新，我个人觉得还是有一些新东西令人兴奋的。

MiniMax 自研了一个叫 MSA（MiniMax Sparse Attention）的稀疏注意力机制。

传统 Transformer 的注意力计算是 O ( n ² ) 的，上下文长度翻 10 倍，计算量暴涨 100 倍，这是做长上下文一直绕不开的魔咒。

MSA 的思路是对 KV（Key-Value）做高精度的分块，然后做稀疏化，相比之前 DSA、MoBA 这些方案，它能更精准地覆盖到有用的上下文，而不是随机裁掉一些。

与此相关的是底层算子层面，首创了「以 KV 为外循环去聚合 Q」的计算方式，每个 KV 块只被读一次，内存访问是连续的，速度比开源的 Flash-Sparse-Attention 快 4 倍以上。

实际效果，跟上一代 M2 相比，在百万上下文下，prefilling 阶段加速超过 9 倍，decoding 加速超过 15 倍，单 token 计算量只有上一代的 1/20。

这个方案与之前 DeepSeek 的路径也有所不同。DeepSeek V4 主攻的是 " 混合压缩架构 " 与 " 极低精度计算 " ( CSA + HCA 机制）。

这意味着什么，以前跑百万上下文是奢侈品，现在是真的能用的基础设施了。

从技术路线来看，MiniMax 在长上下文、多模态和 Agent 能力这三块的均衡程度，在国内厂商里确实算突出的。

其他家可能某一块打得很猛，但三个同时达到前沿水位的，M3 是第一个对外宣称的。这个宣称对不对，等独立评测结果出来再看，但方向本身是很清晰的。

最后说几句

真不知道应该怎么理解这次 M3 的发布，是因为沉寂太久，所以太着急？太焦虑了？

模型本身是在进步的，MSA 架构是真创新，长上下文推理效率是实打实提升了，三模态均衡（而且是原生多模态）这件事也确实是难的。

但发布的方式确实是在消耗用户信任，这在争抢开发者的市场里，这番操作让人看不明白。

开源社区的理解很朴素，你说开源就得给权重，你说诚意就别搞文字游戏，你要改价格就得提前说清楚。

现在的局面，骂声和期待同时存在，这本身是个好信号，说明大家还在关注，还有情绪，还没有走人。

就看 MiniMax 接下来这 10 天，权重放出来之后，独立评测会不会把那些指标打回原形了。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体 App