刚刚M3发布了，一早上的体验，聊聊。

---

今天早上起来，我照例打开了 CC Switch。

这个动作我这几天大概做了二十次了。打开，点获取模型列表，看看minimax有没有更新，然后咔咔开始干活。

今天点完之后，列表里突然多了一行：

minimax-m3。

我盯着这行字看了几秒钟，好好好，终于发布了。

不是激动，不是兴奋，是一种很轻很安静的好奇。像是你住的小区楼下开了半年的围挡，今天早上你下楼买咖啡，发现围挡拆了，里面亮着灯，门口摆着一棵还没长开的圣诞树。

你知道它会开，但不知道它是什么。

M3 这个名字，得先解释一下。MiniMax 这家公司，过去几个月我一直在用它的 M2系列 写代码、改文档、做翻译。

M2 系列谈不上惊艳，但也算是个能用的老朋友。跑分不算顶尖，性能不算好，比起目前国产其他家的模型来说，甚至称得上拉完了，但是好歹速度快，便宜，支持一些简单的任务没问题。

而M3 的官方口径是「质变」。

arXiv 上的论文，X 上，VentureBeat 的报道，给了一堆数字，9.7 倍 prefill 加速，15.6 倍 decode 加速。我先记着这些数字，不急着信。

是骡子是马，我先遛一遛，等后面有空了分享一下深度体验结果。

本文没有收到广告费，放心食用，minimax团队要是看到，愿意给我投广就好了

---

思考的好像更深一点了

M3 给我最大的体感冲击，不是速度，是思考的深度。

M2.7 给我答案的时候，更像是「想到哪说到哪」，直接甩结果。M3 不一样，它思考的更久一点，更深一点，出错的概率要小很多

还有一点我得说。M3 思考的时候，会主动考虑「如果不是这个原因呢？」。它会列出 2 到 3 个可能的备选假设，再说明为什么排除某个、留下哪个。

这种「主动考虑反例」的习惯，在 benchmark 上看不出来，但在工程场景里救命。

M3 给我的体感是「它没在装，它真的在想」。

Agent 任务执行好像更好一点了

再讲深一档，M3 的 agent 任务执行，是真的不一样。

我让 M3 写这篇稿子的时候，给它的不是一段写好的素材，而是一句很糙的 prompt，「主题是 M3 上线了，聊聊我的第一体验，特别是比较DeepSeek V4来说」。

它接收到这个 prompt 之后，没有急着动笔。它自己识别出这个任务需要「先调研、再写」，于是先调起搜索类的 skills 去查 M3 的相关报道和 DeepSeek V4 的对比，再调起写作类的 skills 按特定风格成稿。

这种「主动拆解任务 + 积极调用工具」的能力，是 M3 真正让我觉得「升级」的地方。

M2.7 在这个场景下会怎么做呢？它会自己列一堆要写的点，然后直接开写。中间很少调工具，写出来的东西 80% 是基于它自己「以为」的，不是基于真实信息。

M3 的调用是「更主动的」。它会判断这个任务需要哪些能力，自己去调用对应的 skills。

比如我让它研究 M3 的技术细节，它会自己调起搜索技能、文档分析技能、对比分析技能，还主动创建了团队Agent，最后再决定怎么组织语言。

M3 给我的感觉，是它修好了 M2.7 的鬼打墙。

---

价格战还没开打，但已经闻到了火药味

把价格摆出来比一比。

V4 Flash，输入 0.14 美元每百万 token，输出 0.28。这个价格已经维持快一个月了，相当于「这是 DeepSeek 的地板价」。

V4 Pro，输入 0.435 美元每百万 token，输出 0.87。这是 5 月 22 日从限时促销转的永久价。

M3 的价格还没公布。但根据财讯通的判断，M3 会比 V4 更便宜。

也就是说，最有可能出现的情况是，M3 拿着 0.10 美元每百万 token 以下的输入价，去跟 V4 Flash 抢市场。

DeepSeek 这次 V4 发布的定价策略，明显是冲着 Anthropic 和 OpenAI 去的。一个 49B 激活的 MoE 模型，输出 0.87 美元每百万 token，是要把 Sonnet 4.5 的 15 美元和 Opus 4.7 的 25 美元按在地上摩擦。

但 V4 Flash 的 0.14/0.28 是冲着「自家人」来的。Flash 走量，Pro 走质。

M3 进来之后，定位就尴尬了。如果 M3 比 V4 Flash 便宜，那 V4 Flash 的市场就要被吃掉一部分。如果 M3 比 V4 Pro 便宜，那 V4 Pro 的「性价比之王」地位也要动摇。

不管哪种，国产模型这个赛道，2026 年下半年会非常好看。

---

算法驱动 vs 工程驱动，我选后者

讲到这，要说回到架构选择上。

V4 的 CSA+HCA 路线，说到底就是「算法驱动」。它赌的是通过极致的架构创新，让推理成本在长上下文场景下指数级下降。

M3 的 MSA 路线，说到底就是「工程驱动」。它赌的是通过小幅度的架构修改，在现有推理框架上拿到大幅度的速度提升。

两种路线，都不是错的。

但我个人更看好 M3。

原因是，CSA+HCA 这种「先压缩再选」的方案有一个隐性的代价。压缩本身会损失信息。在某些关键场景下，比如代码 review、法律合同审查，压缩掉的 KV 可能恰好是用户最关心的那部分。

M3 的「不压缩直接选」，信息损失为零。代价是它的内存占用比 V4 大，但这个差距在硬件不断降价的趋势下，会越来越不重要。

还有一个更现实的考虑。CSA+HCA 需要专门的推理框架，V4 现在在 vLLM 和 SGLang 上的支持是有的，但属于「刚上线，还在调优」的状态。M3 的 MSA 几乎不需要改 vLLM 和 SGLang，官方说「无改动即可复用」。

在开源生态里，工程友好性比算法先进性更重要。

---

国产模型除了拼跑分、拼价格、拼上下文长度之外，还可以拼别的东西。

比如，像不像一个活人、对工程友不友好、指令遵循能力如何、技能调用是否积极。

这种东西，很难量化。

但很难量化的事情，往往是最重要的。

---

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～

谢谢你看我的文章，我们，下次再见。