这就是它认为我们人类的样子。“嘿，伙计，你好吗？”“嗨！”[音乐]
也许这就是我们的未来：当我们不再需要眼睛、耳朵和嘴巴，而是直接接入大脑中的AI芯片时。大家好，欢迎收看本期节目。今天我们要测试的是MiniMax M3版本。这个M3版体量巨大，他们将其做得更大了，速度稍慢了一些，但规模确实扩大了。而且这个版本真正配得上“MiniMax”这个名字，因为在机器学习中，“minimax”策略完美适用于图像推断而非零值归一化。
虽然它没有图像生成功能，但它具备图像理解能力。模型内部包含了视觉数据，因此你可以玩一些有趣的技巧，这正是我们接下来要做的。我们可以给它图片，它会将其转化为代码并处理相关逻辑。根据基准测试来看，它确实是顶级选手。你可以看到它的表现优于Kimi K2.6。
要知道，Kimi K2.6是一个拥有1万亿参数的模型，而MiniMax M3声称自己更胜一筹。虽然它实际上可能并不完全如此，但它确实宣称了这一点。SMW Bench Pro再次显示它在摧毁Kimi K2.6，甚至击败了GLM 5.1。GLM 5.1是个漂亮的模型，虽然现在有更新的5.2版了，但5.1依然很棒。Terminal Bench得分66分，仍然高于那些老前辈们，比如Kimi K2.6和GLM 5.1。
如果这些数据属实——虽然我不确定是否完全真实——但这将是一个惊人的模型。让我们再看看他们还改变了什么。他们有一个许可证，你需要对此保持警惕。当初进行这项转变时曾引发争议。条款规定是非商业性质的：如果软件或衍生作品用于任何商业产品，你必须显著标明这一点。我不太清楚“衍生品”具体指什么，所以在这个领域你要小心。据我理解，你可以将输出结果用于自己的项目，甚至是商业用途。
但你不能将这些输出打包成产品进行销售——我不知道那具体是什么形式，但请务必留意这一点。尽管如此，他们确实将这个模型做得非常庞大。之前我们提到过M2.7版本，我们将对M2.7和M3进行比较，看看它是否真的有所提升。但这个新版本现在确实巨大无比。如果你查看它的内存需求，需要854吉字节。我依然喜欢它，因为即使在8.5比特量化下，它也能在我的Mac Studio 512上完整运行。
这款机器已经停产了，而且内存价格疯涨，这意味着当他们发布更新时，我将无力负担。Mini for the P（迷你版P系列）。你想看更多这类对比视频吗？Mini for the P。不知道在YouTube上怎么打赏，也许订阅一下或者给这个视频点个赞吧。[笑声]
让我们直接进入测试环节，看看它的表现如何。我给它发了这个请求：“买MiniMax M2.7。为我生成这张图片的3D体素版本。”显然，MiniMax M2.7不支持图像理解。所以它只会凭空捏造一些东西。我想看看它会幻觉出什么结果。
这生成了一个动画3D体素角色，一只可爱的熊。这就是AI的问题所在。实际上，我收到了一些邮件，有人以为我是AI，并试图推断一切。他们只说一个词，就期望我像AI幻觉出理解那样明白他们脑子里的所有想法。这个世界变得真疯狂。但正如你所见，我写了一些内容，它却直接推断那是一只熊，而不是一张图片。
不过它确实做出了不错的生成效果。MiniMax M2.7干得不错。现在看看令牌数：4500个令牌，每秒34个令牌。这是个快速的模型。MiniMax以速度快而闻名，非常适合代理任务等场景。在内存方面，9比特量化下需要241吉字节内存。如果你使用4.5比特量化，减半的话就会进入128GB RAM的范畴。
现在来看MiniMax M3，这里有只猫。它具备视觉理解能力，并且有三种思考级别。我们已经测试了所有级别的思考模式。我花了大概几天时间制作这些生成内容，这也是为什么这个视频发布得比较晚的原因，因为我还有其他事情要做。
指令是：“为我创建这张图片的3D体素动画，关闭思考模式。”它制作了一只漂亮的小猫。显然这里有一些Z轴冲突的情况（图形渲染中的深度排序问题）。动画只是对整个体素进行全局缩放，而不是像头部那样独立地上下晃动。速度是每秒14个令牌，共3500个令牌，占用内存424吉字节。
这几个月内你的花费可能会增加一些。过去我认为他们开始在澳大利亚建造数据中心，所以所有的硬盘都被这些数据中心买光了。谢谢你们，政府。真的非常感谢我现在连块硬盘都买不起了。
接下来我们试试自适应思考模式。所谓的“自适应思考”，在聊天模板中只是说：“如果你想，你可以进行思考。”仅此而已。它把这个添加到提示词中，这就是它的运作方式。因此，它生成了3000个令牌，比关闭思考模式时的令牌数还要少。
我们点击播放，确实有一个非常漂亮的生成结果。它没有像之前说的那样进行独立的动画处理，但依然是一个美丽的作品。甚至比自适应模式使用的令牌更少，这表明该模式具有潜力。
现在开启思考模式后，使用了6700个令牌，而且我实际上不得不运行了好几次。它在这里生成了结果，只是在进行上下晃动和左右摇摆的动作。看起来仍然像只猫，效果还不错。但我想看看它是否真的能做得更好，并能在其生成的基础上进行构建。
于是我说：“太方块了，你能把它做成高分辨率的吗？”它生成了这个结果，这是一个不错的生成。你可以看到没有Z轴冲突，没有任何错误。动画只是在上下晃动和左右摇摆，并不是独立的动作之类的东西。
接着我说：“你能让尾巴摆动吗？我还想让猫舔嘴唇。”它确实做到了，但头部开始在空中乱飞，而尾巴实际上是在独立移动。所以我给了它最后一次机会。我说：“头部和尾部不再连接，身体……”就像炸弹爆炸一样混乱。
我知道到底发生了什么情况。6700个令牌之后，速度降到了每秒12个令牌。我们从之前的34个/秒降到了12个/秒，但你知道的，它搞定了。尾巴在摆动，虽然穿过了身体，但谁在乎呢？这仍然是一个不错的生成结果。虽然没有舔嘴唇的动作，所以它并没有精确遵循我给出的提示词，但看起来还不错。
让我们看看它在“小星星”钢琴测试中的表现如何。MiniMax M2.7生成的基础钢琴甚至没有黑键，这在当今时代有点不幸。你知道人们怎么说吗？我们在这里用MiniMax M3播放一下，看起来非常破碎不堪。
首先测试钢琴生成，基础模式效果一般。开启自适应思考后表现提升，能正确呈现音符；而启用完整思考功能消耗四千五百个令牌后，生成效果极佳。虽然歌词未与钢琴同步移动，但整体观感良好，明显优于M2.7版本。尽管速度从每秒32令牌降至9令牌，但质量进步显著，未来可通过推测解码等技术加速。
接下来测试《Flappy Bird》游戏生成。基础模式表现糟糕，管道逻辑混乱；M2.7开启思考后代码损坏，浪费四千令牌。M3在自适应模式下速度尚可，但游戏仍显破碎；启用完整思考后同样因难度过高而失败。看来这款游戏对模型而言挑战过大，不适合用于此类测试对比。
随后进行写实人脸生成测试。M2.7生成的面部特征模糊，像是戴了鼻环或只是只旅鼠；开启思考后陷入重复循环。M3在自适应模式下生成类似GLM 5.2的“土豆头”，带有诡异茎部结构；启用思考后耗时八千七百令牌，最终呈现旋转头部动画。尽管过程出现运行时错误并消耗大量资源，但结果颇具创意，展现了模型对人类形象的独特理解。
最后测试Minecraft风格游戏生成。关闭思考时，M2.7表现优于M3，速度更快且内存占用更低；但开启思考后情况逆转。M2.7代码崩溃，而M3自适应模式生成纹理稳定的优质版本；完整思考模式下消耗四万七千令牌，代码占比仅15%，其余为验证逻辑。最终生成的游戏功能完整，支持方块破坏与添加，虽UI纹理稍显简陋，但整体质量令人满意。
看着它随着移动而变形，感觉就像是在经历一场蜕变。想象一下如果我们的世界也能这样流动变化该多好。让我们启动那颗小行星吧，毕竟这颗星球毫无价值，再见了。不幸的是程序出现了运行时错误。不过我们可以开启自适应思考模式来试试运气。
在 M2.7 模型上启用思考功能后，它生成了五万个令牌来描述它的行动计划。它声称要在月球上制造一个光环，还要创造花朵，结果却失控了。它并没有进入循环状态，只是用文字描述着打算做什么。兄弟，这可不是我们写代码的方式啊！现在人类的做法是告诉 AI 去执行任务。但编程终究需要语法，至少启用思考模式时是这样。
我查看了上下文窗口，因为之前只看到两千个令牌让我难以置信。实际上上下文窗口达到了三万四千个令牌，这意味着必须经过多次生成过程，大部分内容都是推理逻辑。最终结果是一个蓝色的地球，但这并不是地球真实的样子。它的层级结构很奇怪，也许是因为水位过高了？不过看起来还不错，我们现在正在制作一个美丽漂亮的地球。
让我们触发一颗小行星看看会发生什么。确实有一颗过来了，而且我们看到了一个漂亮的爆炸效果。尽管之前的描述非常冗长，但这看起来确实像一颗美丽的星球。也许默认的滑块设置不够好，但整体生成效果还是很棒的。这比 MiniMax M2.7 的失控循环要好得多。接下来我们要尝试制作一个 Canvas 动画，MiniMax M2.7 在禁用思考模式下生成了四千个令牌。
树木的状态很模糊，就像薛定谔的猫一样，不知道是圆圈还是圣诞树。但除此之外，这确实是一个漂亮美丽的 Canvas 动画。干得不错 MiniMax M3（禁用思考模式）。哦，那里看起来有点损坏了，可能 M2.7 的效果稍微好一些。现在我们要制作一个三维城市可视化效果，M2.7 在禁用思考模式下生成了一个不错的版本。
我们得到了一个时间滑块，这绝对是一座美丽的城市。你可以在此基础上构建内容，甚至制作出你的《侠盗猎车手》游戏。另一方面是 MiniMax M3，让我们先关闭这个窗口吧，它运行得很慢。似乎没有进行任何优化，比如实例化或合并网格绘制，可能是在逐个处理对象。虽然有时间滑块，但我更想看看开启思考模式后的表现。
M2.7 启用思考后生成了三千个令牌，而 M3 的自适应思考模式则用了六千个令牌。看起来不错！但一旦开始移动，画面就进入了 NaN 的世界，说明移动功能坏了。不过时间滑块看起来正常，夜景有点奇怪，可以环顾四周但非常基础。启用思考模式后生成了三万一千个令牌的上下文窗口，耗时很长，每秒仅九个令牌。
虽然生成效果比较基础，但如果让我给汽车添加动画会很酷。那里有一些 Z 轴冲突问题，但这个版本很有潜力，尤其是在调整时间时……哦那太糟糕了。也许最好的生成效果还是最初的 MiniMax M2.7 版本。无论如何，让我们进入测试的决赛环节吧，我最喜欢的挑战即将开始：制作经典 80 年代赛车游戏《Outrun》。
M2.7 生成了五千个令牌，按空格键开始游戏，但它是坏的，完全无法运行。启用思考模式后显示“加载资产、启动引擎”，结果还是坏了。显然 M2.7 无法处理《Outrun》，制作复古游戏对它来说跨度太大了。所以我们转向 M3，禁用思考模式。我看到它用了四万六千个令牌来制作《Outrun》，这将是一个很好的版本，我很期待。
3、2、1 开始！哦这实际上很不错，虽然菜单没给我留下深刻印象。等等，按左键车往右走，按右键车往左走，这有点坏。我们要穿过天空盒了，因为天空盒没有跟着汽车移动。虽然见过一些模型做出这种生成效果，但这个版本通常很有潜力。这相当不错，这是禁用思考模式的结果。
现在切换到自适应思考模式。我希望能有所有思考模式的选项，这样只需按一次就能生成不同变体供选择并在后台运行。不过无论如何让我们播放看看，这个版本看起来也很漂亮美丽。左键还是往右走，右键往左走，这是自适应思考模式的结果。但这条路看起来非常华丽！虽然缺少一些元素，但道路效果真的很好。
我们要撞向一座金字塔了，埃及人可能会不高兴，我们可能会被那里的当局逮捕。但无论如何这是一个很好的基础生成效果。制作《Outrun》对这些模型来说是非常困难的挑战。启用思考模式后，你会看到一个弹跳的小菜单，道路看起来非常破碎，文本也坏了。
另一条路上有一些其他汽车，我们从地下开始出发。按左键车往左转，但旋转方向错了。有声音效果，但那是一种非常烦人的噪音，那辆车肯定需要维修了。那里有山脉，很有潜力。但没有道路，可能是代码表示方式存在分层问题。这就是目前的技术现状，也许 M4 版本会看起来很美。
看到你能做到什么程度是很好的体验。接下来是超级马里奥，MiniMax M2.7 禁用思考模式生成了六千个令牌。这是一个非常基础的三维平台游戏，但即便如此，Gemini 启用思考模式后的版本比这更差。超级马里奥世界用了五千个令牌，每秒三十三令牌的速度生成，结果完全是坏的垃圾。
所以我们转向 M3 制作超级马里奥，禁用思考模式用了五千个令牌。看起来非常漂亮！我喜欢他能跳跃，虽然不能左右移动但可以跳起来。这很有潜力哦，我突破出来了！这个版本如果多次提示或接管代码库就能做出好东西。自适应思考模式用了两万四千个令牌，每秒十一点七令牌的速度生成超级马里奥。
哦这很好！这是一个不错的版本。看那个动作，这就是我要说的全部了，以防我因为版权问题被删除视频。
世界，让我们看看会发生什么？有没有一面旗帜可以获取？哦，爆炸了。天哪，发生了什么？上帝啊，那里有一个我穿不过去的隐形障碍物。我们拿到了一面旗帜并获胜了！是的，伙计们，我们赢了《超级马里奥3D》。现在启用了思考模式，它生成了16,000个令牌，稍微少了一些。这里有一个非常相似的生成结果：那些盒子。哦，我输了。虽然生成过程极其相似，但这确实是一个相当不错的超级马里奥游戏版本。干得好！这是地图的情况，那个看起来像“亚裔老爸能量”的家伙就是它生成的等时线地图。你可以看到气泡，黄色的代表8小时，红色的代表4小时，以此类推。它并没有真正显示你实际使用的交通方式。让我们看看你能否更改城市？福沃斯，你在更换城市时出现了一些故障。
启用思考模式后，它陷入了失控循环，开始不断打印不同的城市名称。我将测试限制为仅生成30个城市，否则制作美国地图路径需要花费一生时间，而且它只是生成了大量单一元素。MiniMax M3首先禁用思考模式测试，产生了30,000个令牌。我们在这里点击播放。这是一种未来主义风格的东西，如果你玩过《Syndicate》游戏，它会让你想起那款作品。我不知道发生了什么，你可以放大和缩小视图，但无法缩得足够远。它非常、非常慢。点击其他城市也没反应。这种视觉风格非常有未来感，就像10到15年前电影里喜欢描绘的那种样子。
它在这里做得不错，但在自适应思考模式下非常缓慢。这是一个大文件，加载花费了一段时间，共81,000个令牌。其中大部分都在试图确定要做什么。好在推理时它喜欢使用表情符号，比如打勾标记。我们还有30秒时间，我已经完成了任务并快速搞定。让我们看看它看起来像什么？这是什么？这是我们在MiniMax中生成的某种外星文明世界吗？你做了什么鬼东西？这很糟糕。启用思考模式后，我们产生了113,000个令牌。我运行了几次以查看耗时情况，这次启用思考模式后它甚至没有开始写代码。
它说“让我写一些JavaScript应用核心”，而不是先规划要写什么，而是直接开始编写细节。于是我们得到了美国每一个机场、每一个火车站的信息。天哪，10万多个令牌全是火车站数据！然后我将响应限制在超过10万个令牌时停止，速度为每秒6个令牌。好了，这部分就到这里。让我们看看M2.7版本的单词游戏是什么样的？同样是一个基础版本。而M3的单词游戏确实有所改进。你能改变字体吗？有些版本的单词功能在这方面总是挣扎，但这次成功了。
再次强调，它仍然非常基础，点击实际菜单系统没有任何反应。至少旧版本在启用思考模式时会有所动作，因为我们想给它最大努力空间。这次产生了3,900个令牌，结果更加基础。所以如果M2.7的思考模式在你那边不工作……启用自适应思考模式的单词游戏产生了11,000多个令牌的生成内容。我们甚至有一个漂亮的小表格来演示正在发生的事情。启用思考模式后，我们将点击播放。那个版本产生了27,000个令牌。
我们再次点击播放，那是一个完整的界面，也许是过度设计的UI。用户界面看起来不太好，但切换布局和菜单系统都能正常工作。所以这是27,000个令牌换来的不错成果，确实启用思考模式更好一些。最后，让我们结束这期节目，因为我为这一代模型做了太多测试了。我们来看看它在数学方面的表现如何？这是一道基础奥林匹克数学题，要求确定所有实数。答案应该是偶数。
M2.7答错了。启用思考模式后，问是否所有正整数？两者都答错了答案。M3禁用思考模式下数学表现也不太好，它答错了；但在自适应模式启用思考时，它得到了正确答案。这消耗了44,000个令牌！是的，那是一段很长的时间。也许它推理到了无限和超越之处才找到正确答案。那么你们认为这个模型怎么样？它在进步吗？你喜欢它的发展方向吗？可能吧，也许这很好，因为DeepSeek V4也来了。
那个模型同样快如M2.7，非常聪明且使用的内存可能比M2.7少，因为它是预量化的。所以双倍投入进入400GB内存空间有点像是Qwen 3.5适合的空间，而阿里巴巴已经五分钟没发布新模型了。所以如果阿里不更新Qwen的话，这是一个很好的占据空间。其他大型模型如GLM有700亿参数，未量化时达1.5TB；Kimi K2.7更是万亿级参数。所以它们占据了一个不错的生态位，而且具备视觉能力，这点很好。
我有点难过，因为我爱M2.7的速度，喜欢它有多快。但一切都关乎智能的提升。如果他们需要额外参数达到最先进水平，那对他们来说是好事。请告诉我你们对MiniMax M2.7的看法。如果你有关于许可证如何运作的细节，比如是否可以在商业上使用输出结果？或者不能将模型嵌入商业用途中？我不太清楚具体情况，但至少你可以玩玩看并享受乐趣。希望这期视频对你们有用且愉快。嘿，伙计们好！也许这就是我们的未来：当我们不再需要眼睛、耳朵和嘴巴时，只是直接连接到大脑中的AI芯片里。