Heim
MiniMax veröffentlicht das große M3-Modell mit MSA-Architektur und 1 Mio. Kontextdaten als Open-Source-Version – es kann mit den Flaggschiff-Modellen aus Übersee mithalten
MiniMax Xiyu Technology stellte am 1. Juni 2026 sein Großmodell der nächsten Generation, das MiniMax M3, vor. Es ist Chinas erstes Open-Source-Modell, das Programmierung auf Elite-Niveau, ein extrem langes Kontextfenster von 1 Mio. Zeichen und native multimodale Fähigkeiten vereint und darauf ausgelegt ist, führenden Closed-Source-Modellen aus dem Ausland in allen Bereichen Konkurrenz zu machen.

Um Engpässe bei der Kontexterweiterung in komplexen Agenten-Aufgaben zu beheben, führt M3 auf der Basisebene eine Sparse-Attention-Architektur (MSA) ein. Im Vergleich zu herkömmlichen Ansätzen bietet es eine präzisere KV-Partitionierung und Optimierungen auf Operatorenebene und erreicht damit die vierfache Rechengeschwindigkeit vergleichbarer Open-Source-Lösungen. Mit einer Kontextlänge von 1 Mio. sinken die Rechenkosten pro Token auf nur ein Zehntel derjenigen der Vorgängergeneration. Es beschleunigt die Vorabfüllphase um mehr als das 9-Fache und die Dekodierungsphase um das 15-Fache.

Durch natives Training mit interleaved Daten im Billionen-Maßstab erreicht der semantische Raum von M3 eine tiefe Integration. Es übertrifft GPT-5.5 und Gemini 3.1 Pro in maßgeblichen Software-Engineering- und multimodalen Bewertungen wie SWE-Bench Pro. In extremen Aufgabentests demonstriert M3 eine robuste autonome Planung mit langen Threads: Es reproduzierte innerhalb von 12 Stunden eigenständig die Experimente einer ICLR-Top-Veröffentlichung, lief 24 Stunden lang ohne Referenzcode und rief dabei fast 2.000 Mal Tools auf, steigerte die Hardwareauslastung bei der FP8-Matrixmultiplikation auf der Hopper-Architektur von 7,6 % auf 71,3 % und koordinierte autonom die gesamte „Daten-Training-Iteration“-Pipeline auf dem offenen PostTrainBench.
Verwandter Artikel
DeepMind-CEO Hassabis: Ich schlafe sechs Stunden pro Tag und fühle mich normalerweise gegen 1 Uhr nachts energiegeladen.
Fortune hat kürzlich ein Interview mit Demis Hassabis, dem CEO von Google DeepMind, veröffentlicht, das seinen unkonventionellen Ansatz zu Erholung und Produktivität offenbart. Hassabis gab bekannt, dass er sehr wenig schläft und seine wachen Stunden
OpenAI und Anthropic kämpfen trotz Umsatzrückgängen um Marktanteile
Obwohl jüngste Berichte darauf hindeuten, dass OpenAI seine Umsatzziele verfehlt hat, was an diesem Dienstag Druck auf die Technologieaktien ausübte, zeigen sich private Investoren in KI-Labore weiter
Einhaltung der Vorschriften für autonome Fahrzeuge in Kalifornien: Eine neue Ära von Bußgeldern, Geofences und 1 Million Meilen
Guident betreibt einen AuveTech-Shuttle in Südflorida und verwaltet mithilfe seiner Fernüberwachungstechnologie eine vier Meilen lange Strecke in West Palm Beach sowie eine eine Meile lange Strecke in
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)

Um Engpässe bei der Kontexterweiterung in komplexen Agenten-Aufgaben zu beheben, führt M3 auf der Basisebene eine Sparse-Attention-Architektur (MSA) ein. Im Vergleich zu herkömmlichen Ansätzen bietet es eine präzisere KV-Partitionierung und Optimierungen auf Operatorenebene und erreicht damit die vierfache Rechengeschwindigkeit vergleichbarer Open-Source-Lösungen. Mit einer Kontextlänge von 1 Mio. sinken die Rechenkosten pro Token auf nur ein Zehntel derjenigen der Vorgängergeneration. Es beschleunigt die Vorabfüllphase um mehr als das 9-Fache und die Dekodierungsphase um das 15-Fache.

Durch natives Training mit interleaved Daten im Billionen-Maßstab erreicht der semantische Raum von M3 eine tiefe Integration. Es übertrifft GPT-5.5 und Gemini 3.1 Pro in maßgeblichen Software-Engineering- und multimodalen Bewertungen wie SWE-Bench Pro. In extremen Aufgabentests demonstriert M3 eine robuste autonome Planung mit langen Threads: Es reproduzierte innerhalb von 12 Stunden eigenständig die Experimente einer ICLR-Top-Veröffentlichung, lief 24 Stunden lang ohne Referenzcode und rief dabei fast 2.000 Mal Tools auf, steigerte die Hardwareauslastung bei der FP8-Matrixmultiplikation auf der Hopper-Architektur von 7,6 % auf 71,3 % und koordinierte autonom die gesamte „Daten-Training-Iteration“-Pipeline auf dem offenen PostTrainBench.
DeepMind-CEO Hassabis: Ich schlafe sechs Stunden pro Tag und fühle mich normalerweise gegen 1 Uhr nachts energiegeladen.
Fortune hat kürzlich ein Interview mit Demis Hassabis, dem CEO von Google DeepMind, veröffentlicht, das seinen unkonventionellen Ansatz zu Erholung und Produktivität offenbart. Hassabis gab bekannt, dass er sehr wenig schläft und seine wachen Stunden
OpenAI und Anthropic kämpfen trotz Umsatzrückgängen um Marktanteile
Obwohl jüngste Berichte darauf hindeuten, dass OpenAI seine Umsatzziele verfehlt hat, was an diesem Dienstag Druck auf die Technologieaktien ausübte, zeigen sich private Investoren in KI-Labore weiter











