日均 5200 万，最高一天 2.46 亿。报告把我归到"用量前 4.6%"——也不知道该骄傲还是该心疼钱包。
但比起这个数字，更让我有感触的是另一件事：我用着 M2.7 的时候，模型本身还在以肉眼可见的速度进化。从 M2.5 到 M2.7，只用了一个多月。我隐隐感觉，M3 可能要比我想象中来得更快。
我的 MiniMax Token Plan 40天用量报告，连续全勤，日均 5200万 Token
先说说 M2.7 这 40 天带给我的真实感受
它真的在"自己训练自己"了
M2.7 最大的新闻不是跑分，是 MiniMax 第一次把"自我进化"做进了模型里。
具体说，M2.7 内置了一套 Agent Harness，模型能参与自己训练流程中的数据分析、实验设计、代码调试、效果评估环节。官方数据是：在部分强化学习工作流里，M2.7 能承担 30% 到 50% 的人工工作量，内部评测集上靠自我优化跑出了 30% 的效果提升。
我第一次用的时候没觉得有什么特别，但用久了发现——它处理多步骤、长链路任务的能力确实比前代稳很多。不会动不动就"迷失"或者输出到一半开始重复自己。
编程这件事，基本可以当工程师用了
SWE-bench Pro 得分 56.22%，接近国际一线。
Terminal Bench 2.0 的实测里，它能做到端到端项目交付——从理解需求、写代码、调试 Bug 到部署脚本，全流程跑通。这已经不是"帮我写几行代码"的工具了，而是真正的初级工程师工作模式。
速度也快，上下文 100K，推理跑到 100 tokens/s。一个完整的 Coding Plan 跑下来，一小时成本大概 1 美金。
多 Agent 场景，不再动不动"断片"
我同时让它处理三件不同的事：金融数据整理、代码 Debug、一篇 3000 字长文。
M2.7 能在三个角色之间来回切换，上下文边界保持清晰，没出现角色混淆。这点对我这种搞自动化工作流的人来说太重要了——之前用很多模型，多任务一跑就"断片"，M2.7 基本解决了这个问题。
关于 M3，我知道些什么？
M3 还没发布，但最近几份研报把能挖的信息基本都挖出来了。
时间线：可能就在这个月
高盛最新的报告里明确预测，M3 可能在 5 月发布，而且会出两个版本——万亿参数和数千亿参数。和大摩的预测方向一致。
5-6 月这个窗口期，也是业内公认的下一个密集发布节点，和 GPT-6、谷歌 Veo4、Kimi K3 同档期。
内部消息：团队正在冲刺
5 月 6 日，MiniMax 官方客服在用户群中透露：
"还在冲刺中，五一算法一直在加班。"
从五一假期算法团队仍在加班来看，MiniMax 内部正在全力推进 M3，发布时间可能比预期更近。
大摩说：M3 之后可能要涨价
不是乱猜，年初 KV cache 价格已经翻过一次。MiniMax 2 月份 ARR 做到 1.5 亿美元，毛利率从负转正到 25.4%，商业化闭环跑通了，定价权就握在自己手里。大摩的判断是：M3 性能预期大幅提升，涨价有理。
对于重度用户来说，这反而是现在上车的理由——M3 出来之前，是最后一个价格相对低的窗口期。
高盛：M3 会是中国模型的另一个转折点
高盛最新把 MiniMax 评级从中性上调至买入，目标价 HK$1000，核心逻辑是：中国基础模型和美国 SOTA 的差距正在快速缩小，而 M3 会是下一个验证点。
"编码、多模态和任务完成率将是定价能力的驱动因素……MiniMax 即将推出的万亿参数 M3 模型将是关键观察点。"
M3 的编程能力和多模态能力，会直接决定它能不能在国际市场上站稳脚跟。
M3 可能强在哪？我的几个猜测
基于现有信息，我试着拼凑了一下 M3 可能的方向：
激活参数预计会大幅增加
M2.5/M2.7 激活参数只有 10B，这是刻意为之的效率权衡——省显存、省成本，但牺牲了知识容量。M3 要冲击"全球顶级性能"，激活参数估计会到 30B-50B 这个量级，高盛报告里也暗示了万亿参数版本的存在。 多模态会是核心升级方向
从财报电话会透露的信息看，M3 会大幅强化多模态理解能力，不只是文本，而是图片、视频、语音的统一理解。这和 MiniMax"全模态"的技术路线一脉相承——他们本来就是全球少数几个文本/视频/语音/音乐/图像五个模态全部自研的厂商之一。 Hailuo 3 可能同步发
视频模型 Hailuo 目前是 V2.3 版本，在多个国际评测榜单里稳居第一梯队。和 M3 一起，MiniMax 可能推出 Hailuo 3，形成"文本+视频"的双线出击。高盛报告里也点名了这一点。 Agent 能力会更进一步
M2.7 已经实现了"模型自我参与训练"，M3 预计在这个方向上走得更远——不只是辅助训练，而是更深度的自我优化。闫俊杰说过，下一步是"AI 从工具走向同事级协作"，M3 应该会朝 L4 甚至 L5 的方向靠近。
为什么我现在更期待 M3 了
说实话，用 M2.7 的这 40 天，我最大的感受不是"这模型真牛"，而是——
迭代速度本身，才是最大的变量。
M2 到 M2.5，用了大概一个月。M2.5 到 M2.7，又是一个多月。M3 预计上半年发。这个节奏意味着：等 M3 出来，今天 M2.7 的很多能力可能只是"及格线"。
更关键的是，M2.7 已经让我"回不去"以前的模型了。速度快、成本低、Agent 能力强——这三个条件同时满足的模型，MiniMax 是目前性价比最接近最优解的那个。
所以当我知道 M3 在架构、参数、多模态上还有大幅提升空间的时候，期待值是实打实往上走的。
20.8 亿 Token 砸进去，我最大的收获不是某一次具体的输出结果，而是真正体会到了这代模型的迭代速度。
基本上日常工作、开发任务大部分的活，我都交给了它。真希望在多模态上做得更好，推理再进一步加深。这一方面，和 GLM、DeepSeek、Qwen 3.6 以及 Kimi K2.6 相比还有差距。
M3.0 要能在这些方面赶上来，会直接对标 Claude 4.6 Opus 吧！
M3 还没来，但我已经在等它了。最后希望国产模型越来越好，突破桎梏，稳扎稳打！
与天斗，其乐无穷 与地斗，其乐无穷 与人斗，其乐无穷
—— 毛泽东