MiniMax M3

MiniMax M3 登场 Code Arena 前端第7，得分1531，与 GLM-5.1 并列领先，价格带 Pareto 前沿达 $0.60/ $2.40 每Mtoken。

Together AI优化了MiniMax M3模型的部署，通过架构和工程创新实现81–125%吞吐量提升。

MiniMax-M3 已上线 OpenRouter，是一款支持100万token上下文、前沿编码与代理性能、原生多模态（图像/视频）的开源模型，标志着大模型能力向长文本、多模态和自主执行方向的重要突破。

美团tabbit国际版免费接入GPT-5.5、Claude Opus 4.8等旗舰模型，用户无需订阅即可使用。

GLM 5.2 在 BrowserCode 中表现接近 Opus 级别，且是目前最便宜的模型。

GLM-5.2 是目前参数量最大的开源文本模型，拥有 753B 参数和 100 万 token 上下文窗口，性能在多个基准测试中领先。

Nvidia 提供了大量免费的模型 API，包括 Minimax M3、Step 3.7 Flash 和 NeMo TraN 3 Ultra，适用于创意编码和多模态任务。

Poe 平台上线 Kimi K2.7 Code 和 MiniMax M3 两款开源模型，分别在代码生成和多模态处理方面有显著提升。

实测显示，MiniMax M3在多模态长程任务上显著优于M2.7，推理速度提升约30%，准确率提升约15%。

开源模型MiniMax M3已达到与GPT-5.5和Opus 4.7相当的性能，尤其在编码任务上优于Gemini 3.1 Pro，且成本仅为它们的1/10，其权重将于下周在Hugging Face开放。

MiniMax M3 是首个开源权重模型，同时支持文本、视觉、文档和代码任务，在 SWE-Bench Pro 等基准测试中表现优异，上下文长度达 1M tokens。

MiniMax M3通过稀疏注意力机制提升长期运行智能体的实用性，值得关注。

MiniMax M3通过稀疏注意力机制实现长期规划代理，但文章内容不完整，缺乏具体技术细节和实验数据支撑。

MiniMax M3 在文档分析与长文本推理的 Document Arena 中排名第 14，其性价比显著提升该领域的帕累托前沿。

GLM-5.2 在前端编程领域表现优异，但文章信息密度低，缺乏深度分析。

GLM-5.2 (Max) 在 Code Arena 前端排行榜中排名第二，但文章信息密度低，缺乏深度分析。

NVIDIA AI祝贺MiniMax AI发布MiniMax M3，一个支持长上下文多模态推理的模型，可通过NVIDIA的GPU加速端点免费试用。

推文展示了一个LLM问答基准测试，但未公开具体结果与分析，信息密度不足。

hf-claude 支持在 Claude 代码中使用超过 100 个开源模型，包括 GLM 5.2、Minimax-M3 和 DeepSeek V4 Pro。

MiniMax M3在BU Bench测试中性能提升26%，达到Claude 4.6-sonnet和Gemini 3.5 Flash水平，但测试细节未公开。

OpenRouter 推出首周50%折扣促销，但文章仅为广告，未提供任何技术细节或工程指导，信息价值低。