MiniMax 旗下的最新大模型 M3 本周正式登陆其开放平台 API。这款模型最大的卖点在于”一次写完一个完整游戏”——从游戏逻辑、界面渲染到配置文件，全部由模型一次性生成，无需人工分段提示。更值得关注的是，其定价远低于同级别的海外模型。
- M3 上下文窗口支持 256K tokens，可一次性处理完整项目级代码
- 在 HumanEval 和 SWE-bench 代码评测中分别达到 90.2% 和 48.5% 的准确率
- API 定价约为 GPT-4o 的 1/3，继续延续 MiniMax 高性价比路线
- 支持多模态输入（文本+图像），输出为纯文本
真正的影响
MiniMax M3 在技术上并没有做出颠覆性的架构创新，但其产品策略显示了明确的差异化方向：不做全能型模型，而是做”最懂代码开发的性价比模型”。能够在单轮对话中生成完整游戏，说明 M3 在长依赖关系和跨文件代码组织上做了针对性的优化。
MiniMax CEO 闫俊杰此前在采访中指出：”大模型的竞争不会停留在跑分上，最终拼的是单位成本产出的实际价值。”清华大学计算机系副教授刘知远在评测后表示，M3 在代码生成上的连贯性令人印象深刻，”特别是跨文件依赖的处理，已经接近闭源顶级模型的表现。”从价格来看，M3 的输入价格是每百万 token 0.6 美元，输出价格为 2.0 美元，相较 GPT-4o 的 2.5 美元和 10 美元确实便宜了 60% 以上。
需要观察的点
“一次写完一个完整游戏”的演示虽然惊艳，但生成的代码在复杂度和可维护性上究竟如何，还需要更长时间的实际项目验证。Demo 级别的游戏和可交付的产品之间还存在不小的差距。
另一个隐忧是 MiniMax 的模型迭代节奏。M3 距离上一代 M2 的发布间隔不到 5 个月，高频更新虽然体现了研发效率，但也让 API 用户在稳定性和迁移成本上感到不安。如果 API 接口频繁变动，企业级采用会受到很大制约。
