5月27日，MiniMax在推特上发了条预告：
"M2系列到头了，M3要来了。"
配了三个标签：#MSA #OpenSource #M3。工程负责人补了一句："Tech blog coming soon. And M3 :)"
就这么简短的一条，37万阅读，2000多赞。
圈子里的反应是：嗅到了味道。
MiniMax流出来的基准测试显示，M3对比M2的提升幅度：
什么概念？
以前处理一篇超长文档，可能要等好几秒才能出结果。现在几乎是瞬间。
这不是调调参数能搞出来的。这是架构级的变化。
大白话解释：传统大模型处理长文本，是把所有内容一起算，越长越慢。就像读书的时候老师让你把整本书从头到尾每个字都精读。
MSA的思路是：先快速扫一遍，找出最重要的段落，然后重点读这些地方。 其他的略过。速度快了，但该抓的重点没丢。
社区技术博主eliebakouch有句话传得很广，12万阅读、696赞：
they rebuilt it from scratch."
具体来说，MSA分两步：第一步用轻量级的索引机制快速扫描全文，选出最重要的块；第二步只对选出的块做精确的注意力计算。关键区别——它在真实数据上做注意力，不是在压缩后的近似值上做，信息没有损失。
| 真实KV数据 |
社区评价说得很直接："比DeepSeek的方案更干净。" 另一条高赞评论说："真实KV注意力保留了质量——这才是正确的取舍。"
M2系列用的是全注意力——不是稀疏的，是把所有内容都算一遍。M2的229.9亿参数里每次推理只激活98亿，采用MoE架构，但注意力部分偏偏选了效率最低的全量计算。
MiniMax在M2技术论文里解释了原因：
full attention quality in production settings."
现在MSA被认为可以上线了，说明质量关过了，才放出来拼效率。这种"先质量后效率"的工程哲学，跟很多公司"先堆参数再调优"的思路完全不同。
MiniMax这次是反过来的：先告诉你能跑，再告诉你跑得快。
大模型的经济学可能要被改写了。
MiniMax今年1月在港交所上市，发行价165港元，首日涨了109%。到5月底，市值2625亿港元，超过快手。
上市才4个月，又启动了A股上市辅导，速度极快。
财务数据：
• 2025年营收7900万美元，同比+159%
• 毛利率从12%提升到25%
• 全球用户约3亿，企业客户突破100万
• ARR最近半年翻倍，最新超过3亿美元
5月28日，他出现在国新办记者见面会上。一个AI公司创始人站上那个平台，信号很清楚：MiniMax已被列入"国家队"视野。
M3不是孤立发布，MiniMax正在搭一个完整的AI平台：一个订阅解锁全部模型（文本、音乐、视频、语音），还有Agent Teams、Mavis个人AI助手。M3将随模型一起开源。
GPT-6在安全对齐、Gemini 3.5在路上、DeepSeek V4.1下月发、Kimi K3也在排队。M3有几个独特的卡位：
第一，开源。 在闭源为主的市场里，一个万亿参数级别的开源模型冲击力不小。
第二，长上下文。 百万Token处理+15.6倍加速，在长文档分析、代码库理解、多轮Agent对话等场景是实打实的优势。
第三，价格。 M2.7的API价格已经做到每百万Token 0.22美元，全球性价比最高的之一。如果M3延续这个策略，行业价格战会更激烈。
"先质量后效率"这套哲学值得认可。 M2阶段愿意慢下来守质量，再在M3阶段把效率追上，这种纪律性在行业里不多见。很多公司为了抢首发，质量没到位就上新技术，用户用起来一堆问题。
万亿参数+稀疏注意力，如果真成了，会改变大模型的成本曲线。 推理成本下降，AI能用到更多场景，对整个行业是好事。
开源是最大的变量。 如果M3真的以宽松协议开源，对开源生态的冲击巨大。对开发者也是利好——不用非得付钱才能用顶级模型。
风险也有。多模态能力是社区反复提到的痛点。 如果M3在这方面没有显著提升，在需要视觉、音频理解的应用场景里，还是会被Claude和Gemini压着打。
M3这次瞄的方向挺实在的——长上下文、高效率、开源、性价比。 这几个关键词加在一起，意思就是：让更多人用得上、用得起、用得爽。
5月底到6月初，M3就会正式发布。
值不值得认真看？