MiniMax 的 M3 旗艦機型及其顯示器雖令人印象深刻,卻也引發了兩極化的負面輿論
大型語言模型的競爭持續白熱化,人工智慧新創公司 MiniMax 近期推出了其新款旗艦模型 M3。根據技術報告中的基準測試結果,該模型表現令人印象深刻:在模擬真實世界軟體工程任務的測試中獲得 59% 的得分,超越了 GPT-5.5,並逼近 Opus4.7 的水準。 該模型還具備百萬令牌的上下文處理能力及原生多模態功能。然而,儘管取得了這些強勁的技術成就,此次發布仍引發了開發者社群的強烈反彈,特別是在中國網路論壇上出現了尖銳的批評聲浪。
質疑聲浪的主要焦點在於評估方法論。 技術細節顯示,M3 在其編碼能力測試中,採用了競爭對手模型「Claude Code」作為評估框架。雖然使用現有工具鏈來評估代理模型是常見做法,但批評者指出,MiniMax 實質上是將自家模型與競爭對手的框架進行對比測試,並直接宣稱取得高分,同時在公開宣傳中將自身與該競爭對手相提並論。 許多開發者認為這種做法有失誠信,因為這使得人們難以區分模型本身的原生能力與框架所提供的增強效果。

另一項爭議點在於開源承諾的誠意。與其他會釋出完整權重開源模型的廠商不同,MiniMax 並未披露 M3 的模型規模,也未提供其權重。 該公司僅表示將在十天內將模型開源,發佈初期僅提供 API 存取權限。鑑於可重現性與可驗證性是開源社群的核心價值,一邊宣傳開源卻一邊隱藏權重——儘管從商業角度來看可以理解——此舉卻疏遠了期待透明度與實用性的開發者社群。

最讓重度使用者感到沮喪的,是計費規則的突然變更。此前,MiniMax 以寬鬆的使用限制著稱,僅以請求次數進行限制,並未設有每月代幣上限。隨著 M3 的發布,該公司推出了基於代幣的新方案,按總用量收費。 儘管官方聲稱 Plus 方案提供極高的令牌性價比,但重度使用者——尤其是處理百萬令牌級別上下文的使用者——發現每次呼叫都會消耗大量令牌,導致方案配額迅速耗盡。這引發了長期使用者們的廣泛抱怨。
撇開營運上的爭議不談,M3 在架構層面確實有值得矚目的創新。它引入了一種名為 MSA(MiniMax Sparse Attention)的自研稀疏注意力機制,透過對鍵值對進行高精度區塊分割與稀疏化處理,有效緩解了傳統 Transformers 模型中計算量呈二次方激增的問題。 在低階運算子層級,該模型採用了一種新型的聚合計算方法,可提升記憶體存取的連續性,其速度比開源的 Flash-Sparse-Attention 快四倍。 因此,在百萬令牌的上下文情境下,M3 將前向傳播與解碼速度分別提升了 9 倍與 15 倍,並將單一令牌的運算量降至前一代模型的一半。
相關文章
瑞典人工智慧初創公司Lovable Eyes在完成主要融資輪後估值達132億美元
隨著人工智慧驅動的編碼工具日益普及,瑞典初創公司 Lovable 已獲一輪重大融資。該公司計劃籌集 30 億美元,其估值有望升至 132 億美元——這是去年 12 月記錄的 66 億美元的兩倍。預計 Menlo Ventures 將主導此次投資。Lovable 的吸引力源於其核心的“氛圍編碼”(vibe coding)技術,該技術透過消除對複雜編碼技能的需求來簡化軟體開發。使用者只需以自然語言描述其需求,系統即可自動生成應用程式。這種直觀的方法吸引了個人開發者、設計師和小企業,並擴充套件至 Work
Google 測試 Remy AI 代理,以 Gemini 為重點轉向使用者控制
根據《商業內幕》的報道,谷歌正在測試 Remy,這是 Gemini 的一款全新 AI 個人代理工具。該工具旨在代表使用者執行任務,從而簡化專業工作流程和日常事務。目前,Remy 正在 Gemini 應用的內部員工專屬版本中進行測試。該報告引用了一份內部檔案以及對兩位熟悉該專案的個人的採訪。內部資料將 Remy 描述為“全天候個人代理”,將 Gemini 定位為能夠代表使用者行事的主動助手。接近該專案的訊息人士證實,谷歌員工正在積極測試 Remy。谷歌發言人拒絕提供進一步評論。該報告未提及公開發布
如何修復核心網頁指標以獲得更好的 SEO 排名
利用 AI 工具簡化成績單評語撰寫引言用於生成成績單評語的 AI 工具Magic SchoolAlmanac AIChat GPT使用 Magic School 生成成績單評語登入 Magic School選擇成績單評語工具為學生定製評語使用 Almanac AI 生成成績單評語設定課程與評分方案配置評語長度與學生資訊使用 Almanac AI 生成評語比較 Magic School 與 Almanac AI設定的便捷性可定製性與課程內容的整合速度與效率使用
相關專題推薦
評論 (0)
0/500
大型語言模型的競爭持續白熱化,人工智慧新創公司 MiniMax 近期推出了其新款旗艦模型 M3。根據技術報告中的基準測試結果,該模型表現令人印象深刻:在模擬真實世界軟體工程任務的測試中獲得 59% 的得分,超越了 GPT-5.5,並逼近 Opus4.7 的水準。 該模型還具備百萬令牌的上下文處理能力及原生多模態功能。然而,儘管取得了這些強勁的技術成就,此次發布仍引發了開發者社群的強烈反彈,特別是在中國網路論壇上出現了尖銳的批評聲浪。
質疑聲浪的主要焦點在於評估方法論。 技術細節顯示,M3 在其編碼能力測試中,採用了競爭對手模型「Claude Code」作為評估框架。雖然使用現有工具鏈來評估代理模型是常見做法,但批評者指出,MiniMax 實質上是將自家模型與競爭對手的框架進行對比測試,並直接宣稱取得高分,同時在公開宣傳中將自身與該競爭對手相提並論。 許多開發者認為這種做法有失誠信,因為這使得人們難以區分模型本身的原生能力與框架所提供的增強效果。

另一項爭議點在於開源承諾的誠意。與其他會釋出完整權重開源模型的廠商不同,MiniMax 並未披露 M3 的模型規模,也未提供其權重。 該公司僅表示將在十天內將模型開源,發佈初期僅提供 API 存取權限。鑑於可重現性與可驗證性是開源社群的核心價值,一邊宣傳開源卻一邊隱藏權重——儘管從商業角度來看可以理解——此舉卻疏遠了期待透明度與實用性的開發者社群。

最讓重度使用者感到沮喪的,是計費規則的突然變更。此前,MiniMax 以寬鬆的使用限制著稱,僅以請求次數進行限制,並未設有每月代幣上限。隨著 M3 的發布,該公司推出了基於代幣的新方案,按總用量收費。 儘管官方聲稱 Plus 方案提供極高的令牌性價比,但重度使用者——尤其是處理百萬令牌級別上下文的使用者——發現每次呼叫都會消耗大量令牌,導致方案配額迅速耗盡。這引發了長期使用者們的廣泛抱怨。
撇開營運上的爭議不談,M3 在架構層面確實有值得矚目的創新。它引入了一種名為 MSA(MiniMax Sparse Attention)的自研稀疏注意力機制,透過對鍵值對進行高精度區塊分割與稀疏化處理,有效緩解了傳統 Transformers 模型中計算量呈二次方激增的問題。 在低階運算子層級,該模型採用了一種新型的聚合計算方法,可提升記憶體存取的連續性,其速度比開源的 Flash-Sparse-Attention 快四倍。 因此,在百萬令牌的上下文情境下,M3 將前向傳播與解碼速度分別提升了 9 倍與 15 倍,並將單一令牌的運算量降至前一代模型的一半。
瑞典人工智慧初創公司Lovable Eyes在完成主要融資輪後估值達132億美元
隨著人工智慧驅動的編碼工具日益普及,瑞典初創公司 Lovable 已獲一輪重大融資。該公司計劃籌集 30 億美元,其估值有望升至 132 億美元——這是去年 12 月記錄的 66 億美元的兩倍。預計 Menlo Ventures 將主導此次投資。Lovable 的吸引力源於其核心的“氛圍編碼”(vibe coding)技術,該技術透過消除對複雜編碼技能的需求來簡化軟體開發。使用者只需以自然語言描述其需求,系統即可自動生成應用程式。這種直觀的方法吸引了個人開發者、設計師和小企業,並擴充套件至 Work
如何修復核心網頁指標以獲得更好的 SEO 排名
利用 AI 工具簡化成績單評語撰寫引言用於生成成績單評語的 AI 工具Magic SchoolAlmanac AIChat GPT使用 Magic School 生成成績單評語登入 Magic School選擇成績單評語工具為學生定製評語使用 Almanac AI 生成成績單評語設定課程與評分方案配置評語長度與學生資訊使用 Almanac AI 生成評語比較 Magic School 與 Almanac AI設定的便捷性可定製性與課程內容的整合速度與效率使用





首頁






