Открытая модель MiniMax M3: контекст 1M токенов, нативное зрение и автономные агентные навыки

Наконец-то кто-то выпустил открытую модель, которая на равных тягается с закрытыми флагманами в задачах автономного программирования. MiniMax M3 объединила сразу три критически важных компонента: нативную мультимодальность, продвинутые агентные навыки и окно контекста на миллион токенов. За обработку такого объема данных отвечает архитектура MiniMax Sparse Attention (MSA), гарантирующая стабильную работу на длинных дистанциях. Визуальное понимание закладывалось в пайплайн с нулевого шага обучения, поэтому модель отлично считывает графики и формулы напрямую из исходных документов.

Возможности M3 как агента впечатляют конкретными кейсами. Разработчики поручили алгоритму самостоятельно воспроизвести сложную статью с конференции ICLR. За 12 часов непрерывной работы ИИ выдал 18 коммитов, сгенерировал 23 графика и успешно повторил ключевые эксперименты, уместив в одном окне контекста саму статью, весь код и логи. В другом тесте M3 заставили оптимизировать вычисления FP8 GEMM на GPU NVIDIA Hopper. Сделав 147 итераций и почти две тысячи вызовов инструментов за сутки, модель ускорила работу ядра в 9,4 раза без единой подсказки человека!

Конкуренция на рынке ИИ-разработчиков становится предельно жесткой. Недавно представленная Kimi K2.7 Code уже показала блестящую работу с инструментами через протокол MCP, а GLM 5.2 с аналогичным миллионным контекстом демонстрирует превосходство над GPT-5.5 в поиске багов. MiniMax M3 на их фоне выделяется скорым выходом в открытый доступ на HuggingFace и GitHub, что позволит разворачивать агентов на частных кластерах. Пока веса готовятся к релизу, API модели уже работает в продакшене с полной автоматической поддержкой кэширования.