官方预告MiniMax M3系列AI模型即将登场
MiniMax预告将推出M3系列AI模型。其前代M2系列采用解码器式Transformer架构与专家混合策略,以低激活参数实现高效能,并配备超长上下文窗口。论文重点介绍了“Forge”强化学习训练系统,能有效降低长轨迹训练成本。M2.7版本展现了“自我进化”雏形,模型可自主排查问题并修改代码,已能分担部分研发迭代工作。
上海稀宇科技有限公司(MiniMax)今天在X平台发布推文,预告了即将推出的MiniMax M3系列模型。这则消息迅速引起了业界的关注。
推文同时转发了一篇于5月26日发表在arxiv上的论文,题为《The MiniMax-M2 Series: Mini Activations Unleashing Max Real-World Intelligence》。这篇论文系统性地回顾了其前代M2.x系列模型背后的核心技术工作。

论文的核心亮点之一,是揭示了M2.x系列模型“低激活、高智能”的设计哲学。具体来看,模型总参数高达229.9B,但每个词元(token)仅激活9.8B参数,在保证强大能力的同时,显著提升了推理效率。模型配备了192K的超长上下文窗口,其预训练数据规模更是达到了惊人的29.2T词元。
模型架构与训练系统
在模型设计上,M2系列采用了62层的解码器式Transformer架构。一个关键创新在于其专家混合(MoE)策略:模型集成了256个细粒度专家,而为每个词元仅激活其中的8个。这种设计在模型容量和计算成本之间取得了精妙的平衡。
更值得深入探讨的是其训练系统层面的突破。MiniMax提出了名为“Forge”的强化学习系统,这是一个面向智能体训练的统一平台。它的独特之处在于支持白盒与黑盒智能体的统一接入,极大地增强了系统的灵活性和通用性。
Forge系统通过将训练、推理与智能体本身进行解耦,配合窗口化FIFO调度、前缀树合并以及专门的推理加速技术,有效降低了长轨迹训练的成本。这套系统化解决方案,为复杂智能体的高效训练铺平了道路。
“自我进化”的雏形
在M2.7版本中,最引人瞩目的升级莫过于论文中提出的“自我进化”雏形。这标志着模型开始具备参与自身开发流程的初步能力。
根据论文描述,模型已经能够自主排查训练失败的原因、阅读系统日志、并修改相关的脚手架代码。在内部任务测试中,它成功完成了超过100轮的自主迭代优化。
实际效果如何?数据显示,这套“自我进化”系统已经能够分担研发团队30%到50%的日常迭代工作量。更具体的是,在内部编程脚手架的优化任务中,它带来了约30%的性能提升。这意味着,模型不再仅仅是被开发的对象,而是开始成为开发闭环中的一个积极参与者。这种“AI辅助开发AI”的模式,或许代表了下一代模型研发的重要方向。
Postman是一套面向API全生命周期的开发与测试平台,可在Mac上发送和调试多种协议请求,管理集合、环境及认证信息,并完成脚本测试、模拟服务、监控、文档发布和团队协作。它适合开发、测试及运维人员使用,提供个人免费方案。
Docker Desktop 是 Docker 官方为 Mac 提供的容器开发环境,集成 Docker Engine、命令行工具、Compose、Build、Kubernetes 与图形化管理界面。
Android Studio 是 Google 面向安卓应用开发提供的官方集成开发环境,基于 IntelliJ IDEA 构建。它整合智能代码编辑、Gradle 构建、界面预览、设备模拟、性能分析、调试测试及 APK 分析等工具。
PixPix 是面向品牌、卖家和内容团队的在线 AI 图片视频创作平台,提供图视频 Agent、无限画布、图片生成、视频生成、自然语言编辑及商品套图、产品精修和带货视频等电商工具。
Postman 是面向 API 全生命周期的开发与协作平台。Windows 桌面版可用于构建和发送 HTTP、GraphQL、gRPC、WebSocket、MQTT 等请求,并提供环境变量、集合、脚本测试、模拟服务、监控、文档及团队工作区等
Docker Desktop 为 Windows 开发者提供集成式容器环境,内置 Docker Engine、命令行工具、Compose、Build 与 Kubernetes 等组件,可在本机完成镜像构建、容器运行、日志查看和资源管理。













