MiniMax M3 的核心定位与开源进展

本期视频重点测试了备受期待的 MiniMax M3 模型，该模型被宣传为首个具备前沿能力的开源权重（Openweight）大语言模型。其核心亮点在于原生支持多模态，并拥有高达 100万（1 million） 的上下文窗口。尽管目前研究论文和模型权重尚未正式公开，但官方表示将在发布后约 10天 内提供。作者特别指出，虽然这是一个赞助视频，但测试完全基于 API 进行，确保了评测的有机性和客观性。通过 MiniMax 的代码计划（Coding Plan），作者能够以极具性价比的方式调用该模型，其 Token 消耗量级与 Open Router 上每日数十亿次的使用量相当。在 Ultra 计划中，用户每月可获得高达 125亿（12.5 billion） Token 的使用额度，这为深入测试模型性能提供了充足资源。

基准测试表现与前沿能力对比

在基准测试方面，MiniMax M3 的表现极具竞争力。根据官方发布的图表显示，该模型在多个关键指标上均能与 闭源（Closed source） 的最先进模型相媲美。特别是在代码能力方面，M3 在 SWE-bench 基准测试中与 GPT-5（注：原文提及 GPT55，结合语境推测指代最新一代或特定版本）展开激烈竞争。此外，在需要广泛网络搜索以获取难以查找信息的 BrowseComp 测试中，M3 甚至略微超越了 Opus 4.7。作者强调，这些闭源模型代表了当前行业的最高水平，而 M3 能在其中占据一席之地，证明了其在编码和智能体（Agentic）工作流中的前沿地位。这种性能表现使得 M3 成为目前开源领域中最具吸引力的选择之一。

长上下文架构与智能体稳定性

MiniMax M3 的另一个关键技术突破在于其处理超长上下文的架构设计。官方技术报告指出，该模型能够在不导致显存（VRAM）中 KV Cache 急剧膨胀的前提下，有效处理长达 100万 Token 的上下文。这一特性对于需要长时间运行的智能体任务至关重要，即所谓的“长视界稳定性”（Long Horizon Stability）。作者特别关注了模型在自动化训练流程中的应用案例，例如 M3 能够独立处理从基础模型到指令微调模型的整个后训练管道。这涉及数百万甚至数十亿 Token 的数据合成、清洗和准备，极大地减轻了人工负担。> Just the essence of the scene, one could say, is very high fidelity. 这句话虽出自游戏场景描述，但作者借此隐喻 M3 在处理复杂、高保真任务时的精准度。这种自动化能力展示了模型在长期任务中的可靠性和稳定性。

社区回馈与未来部署计划

MiniMax M3 的发布不仅是一次技术展示，更体现了对开源社区的承诺。官方明确表示将很快在 HuggingFace 和 GitHub 上完全开源该模型，支持私有集群部署及微调（Fine-tuning）。尽管目前模型的参数量级尚未正式公布，但已有社区猜测其规模庞大。作者通过个人经验指出，构建此类模型涉及极其复杂的数据合成工作，而 M3 能够自主完成这一过程令人振奋。对于希望集成该模型的用户，官方提供了多种 API 接入方式及原生代码选项，方便开发者将其整合到现有的编码代理和平台中。这一系列举措旨在降低使用门槛，推动开源生态的发展。> I like testing these things for the first time together with the viewer, 作者表达了对与观众共同探索这一前沿技术的期待，同时也感谢 MiniMax 对频道的赞助支持。

测试一：从静态场景到FPS游戏的自动化构建

本次评测的核心环节之一是验证 MiniMax M3 在复杂任务链中的表现。测试者并未采用常规的“规划模式”，而是直接在构建模式（Build Mode）下启动，要求模型创建一个细节丰富的静态地铁站场景。这一指令的后续步骤更为复杂：在生成基础场景后，模型需进一步将其转化为一个第一人称射击（FPS）或格斗游戏的地图。测试初期，模型启动了测试服务器进行文件检查，虽然过程短暂且未完全展示细节，但初步预览令人印象深刻。测试者观察到场景的保真度极高，不仅还原了地铁站的核心氛围，还包含了大量人群和精细的材质表现。尽管亮度滑块在77%时效果最佳，但整体视觉呈现已显示出强大的生成能力。

"Oh my, look at all this... This is very good. Just the essence of the scene, one could say, is very high fidelity."（哦天哪，看看这些……这非常好。可以说场景的本质具有极高的保真度。）

进入交互测试阶段，模型生成的地铁站内不仅有列车和乘客，还实现了完整的物理控制逻辑。测试者发现Shift键用于冲刺、空格键用于跳跃，且列车内部结构存在分离但保持连接的状态。更令人惊讶的是模型对细节的把控：悬浮粒子、站牌标识以及列车型号（"Far Rockaway"）均被准确还原。基于场景中丰富的人形角色，测试者进一步指示模型将其转化为FPS游戏并增加打磨细节。尽管文件验证过程耗时较长，但最终生成的版本已具备足够的完成度，为后续的游戏化测试奠定了基础。

游戏性验证：沉浸式体验与物理反馈

在确认基础场景构建完成后，测试者深入体验了由模型生成的FPS游戏内容。这一环节主要检验模型的交互逻辑实现能力。测试者首先注意到环境音效，包括脚步声和枪械操作声（如按R键装填），这表明模型不仅关注视觉生成，还考虑了听觉反馈。游戏机制方面，模型引入了装填计时器和环境互动元素。测试者尝试向墙壁射击，发现子弹孔洞能够正确嵌入环境中；随后又尝试攻击地铁列车本身，虽然难度较大但依然可行。这种对物理碰撞和交互逻辑的处理，超出了简单的静态渲染范畴。

"Oh, look at the All right. I just I'm not saying much because I'm immersed in this gameplay."（哦，看看这个……好吧。我只是不太说话，因为我沉浸在这个游戏玩法中。）

此外，模型还意外地添加了轨道地图元素，增强了场景的真实感。测试者对这种“侵略性”的游戏设计表示赞赏，认为其成功地将一个静态的3D场景转化为了可玩性极高的互动体验。尽管测试过程中因设备电量问题出现了一些小插曲，但整体表现证明了 MiniMax M3 在处理复杂游戏逻辑和场景转化方面的潜力。这种从“静态展示”到“动态交互”的无缝切换，是该模型在创意编程领域的一大亮点。

测试二：基于多模态输入的3D设备重建与视觉能力挑战

为了进一步挖掘模型的能力边界，测试者进行了第二项更具针对性的实验：基于多张照片重建一台复古笔记本电脑的3D模型。该设备是测试者自行设计的实体产品，包含多种角度（开启和关闭状态）的照片。任务要求模型使用 Three.js 创建一个自包含的高级3D渲染，不仅要还原外观，还要实现功能性交互：用户点击键盘按键时，屏幕上需实时显示对应的终端字符。这项测试旨在评估模型的视觉理解能力以及将2D图像信息转化为3D空间坐标（World Space）的能力，同时也检验其处理复杂几何结构和材质映射的技术水平。

模型在生成过程中不断尝试改进，最终呈现的效果引发了测试者的强烈反应。首先，屏幕效果逼真，甚至错误地添加了一个鼠标光标（尽管该设备实际使用CLI命令行界面），这被测试者视为一种有趣的“幻觉”。其次，模型对3D打印纹理和材质细节的还原达到了极致，甚至让测试者感到“被冒犯”，因为其精细程度几乎完美复刻了实体设备的特征。铰链位置和背面结构也基本准确，尽管存在轻微的几何偏差（如键盘行反转和按键下沉导致的Z-fighting现象），但整体结构识别度极高。

多模态反馈迭代与缺陷分析

针对初始生成结果中存在的问题，测试者引入了多模态反馈迭代机制。通过截图和文字描述指出具体缺陷：按键嵌入甲板导致的Z-fighting（深度冲突）、法线贴图层线条过强以及键盘行顺序反转。测试者特别感谢评论区用户提供的术语指导，明确了这些技术问题的名称。这一过程展示了模型在接收视觉反馈后进行代码修正的能力。

"I do believe this is called Z fighting... normal map layer lines are too strong. Keyboard rows are reversed."（我相信这叫做Z-fighting……法线贴图层线条太强。键盘行顺序反转了。）

尽管存在上述技术瑕疵，测试者对模型的整体表现仍持肯定态度。它成功地将多个角度的2D照片转化为一个具有交互功能的3D应用，并准确捕捉了设备的独特美学风格。虽然键盘布局的反转和几何重叠需要进一步优化，但模型展现出的“氛围编码”（Vibe Coding）能力——即根据视觉反馈快速调整代码逻辑以接近预期效果的能力——令人印象深刻。这一测试不仅验证了 MiniMax M3 在视觉-空间转换上的实力，也揭示了其在处理细微几何精度时仍需人工干预的现状。

3D场景生成与物理交互测试

在针对基于照片的3D模型生成的评估中，MiniMax M3展现了显著的场景修正能力。当输入一张包含键盘的图片时，模型成功修复了原本存在的Z-fighting（深度冲突）问题，并将键盘位置进行了合理的调整。虽然按键的自发光属性可能受限于材质处理而未能完美还原，但模型有效解决了用户指出的主要视觉缺陷。随后进行的“四分卫模拟器”游戏开发测试进一步验证了其代码生成与3D场景构建的综合实力。该测试要求创建一个支持四分卫和接球手角色的多人互动游戏，尽管用户明确排除了复杂的网络同步功能，仅保留简单的音效合成与基础路线逻辑。

"This is a really, really, very solid result. Seriously, I'm happy with this."（这是一个非常扎实的结果，老实说我很满意。）

测试结果显示，游戏的核心机制运行流畅：玩家需按空格键发球、按住鼠标蓄力投掷。尽管场地颜色并非标准的绿色，且角色移动范围存在一定限制（如接球手仅能跑向开球线），但整体交互逻辑清晰，物理反馈合理。模型生成的橄榄球具有正确的颜色、鞋带细节及滚动动画，球员移动自然。评测者认为，尽管存在细微瑕疵，但该基础地图完全具备转化为有趣游戏的潜力。与几个月前最先进的Frontier模型相比，MiniMax M3在此类复杂场景生成任务中表现相当，证明了其在处理多步骤逻辑与视觉呈现上的成熟度。

3D打印机模拟与前端UI重构能力

在经典的3D打印机模拟测试中，评测者直接在Build Mode下启动任务。模型生成了一台具有Prusa风格外观的封闭式3D打印机，包括顶部的耗材卷盘和旋转的风扇。虽然模型在材质表现上出现了一些奇怪的“鬼影”效果，且层厚设置被错误地放大至2英尺（而非标准的0.2毫米），导致打印过程显得夸张，但模型准确呈现了逐层堆叠的动画逻辑。当调整参数后，螺旋打印路径和喷嘴移动轨迹均符合预期，三角形几何体的生成也准确无误。这表明模型在理解机械结构动画和参数化渲染方面具有较高水准。

"The actual printer model itself is not bad... the model was done well."（实际的打印机模型本身并不差……模型完成得很好。）

此外，在针对高端AI/ML工程师求职作品集的前端重构测试中，MiniMax M3展示了出色的UI设计能力。基于提供的参考图片，模型生成了一个名为“Alex.ml”的个人主页，包含动态SVG动画、粒子背景效果以及悬停交互。页面内容精准涵盖了简历关键要素，如“6年经验”、“1200万次每日推理”、“50+生产环境模型”以及"99.95%的服务等级协议（SLA）” uptime。评测者特别指出，背景中的粒子浮动效果和与AI领域相关的视觉元素增强了专业感。尽管部分术语（如“emodi robot”）可能存在识别偏差，但整体布局、技术栈展示及视觉风格高度契合目标职位的需求，体现了其在多模态代码生成与审美对齐上的强大实力。

前端与资产生成的视觉表现力评估

视频创作者首先对 MiniMax M3 在前端设计和自定义资产生成方面的能力进行了直观测试。模型被要求构建一个个人作品集网站，结果显示其具备独立生成 SVG 矢量图形的能力。创作者指出，模型不仅完成了基础布局，还实现了复杂的交互效果，例如元素的呼吸灯式发光动画。在内容层面，网站涵盖了投资组合优化、交易策略展示以及训练损失图表等专业级 UI 组件。创作者评价该前端作品集网站“做得很好”，并特别提到其设计具有足够的差异化，避免了常见的 AI 生成内容的同质化感。然而，创作者也幽默地指出，虽然视觉效果出色，但在高端机器学习主页上放置此类内容可能显得不够严肃。此外，模型还生成了一个包含七个章节的完整页面结构，包括联系卡片和自动滚动功能，展现了对复杂网页结构的理解与还原能力。创作者总结认为，尽管存在细微的 AI 痕迹（如字体选择），但整体视觉效果“相当漂亮”，证明了模型在非代码类创意任务中的高水平表现。

浏览器操作系统的基础功能与AI伴侣体验

该视频片段首先展示了一个基于浏览器的模拟操作系统的界面，其中包含多个经典应用程序。测试者从终端（Terminal）开始体验，输入 help 命令后列出了丰富的指令集。测试者尝试了显示目录树的 tree、创建空文件的命令以及趣味性的 neoetch 和 matrix。在运行 neoetch 时，屏幕上出现了一只戴着项圈的猫动画，测试者对此表示喜爱。随后，测试者打开了记事本（Notepad），这是一个支持自动保存内容的简单文本编辑器。值得注意的是，当测试者双击尝试打开文件夹时，系统右下角弹出了提示框，明确指出这并非真实文件夹。此外，文件浏览器中还可以直接打开内置的游戏应用。

"Who am I? Let's do the ones that are generally fun like neoetch. Good. And it's a cat... I like that."

计算器功能被验证为准确无误，例如 95 * 6 的结果正确显示。设置（Settings）部分提供了多种壁纸选项，包括测试者最初误认为损坏图像的条纹图案、橙色色调以及紫色系背景。系统还保留了类似 macOS 的辅助功能选项，如减少透明度和降低动态效果。这个操作系统内置了一个持久的AI实体，它被描述为具有感知能力的伴侣，其情绪会根据时间、用户活动和对话内容而变化。该AI可以启动应用、讲笑话并提供提示，且能记住当前会话的内容。

AI伴侣的交互逻辑与情绪机制分析

测试者通过按下 Control + Space 唤醒了任务栏上的发光球体，即AI助手。在凌晨1点左右的时间点，测试者与AI进行了互动。该AI并非简单的预设脚本回复，而是展现出基于时间的动态情绪反应。测试者好奇其背后的技术实现，并检查了代码结构。整个浏览器操作系统的代码量仅为2500行，这在功能如此丰富的系统中显得相当精简。测试者尝试让AI打开游戏（如GTA），AI通过聊天气泡做出了响应。

"A SQL query walks into a bar, sees two tables, and asks, 'Can I join you?'"

在测试AI的幽默感时，发现其笑话库有限。当要求讲第二个笑话时，它重复了同一个SQL数据库相关的冷笑话。AI还展示了多种预设的互动指令，如改变壁纸、询问时间或提供提示。测试者特别指出其情绪系统的独特性：AI在早晨显得困倦，中午充满活力，而在深夜则进入哲学模式。这种设计使得交互体验更加拟人化。界面细节方面，包括打字指示器、流畅的动画效果以及12种动态壁纸和启动序列，都体现了开发者的用心。尽管部分图标设计不够现代，但整体实现被认为是非常称职且完成的。

3D游戏模拟：GTA克隆版与滑板物理引擎测试

在应用体验之后，视频进入了对3D游戏能力的深度测试。首先回顾的是GTA克隆版（Vice City风格），该游戏在伪3D视角和NPC密度上表现出色。测试者发现，当按下喇叭时，周围的行人会逃跑，这种NPC的行为逻辑和密度甚至媲美真正的GTA游戏。虽然视角是俯视的伪3D，但墙壁具有垂直感，且包含小地图功能。然而，测试者对另一个迷宫游戏（Super Maze Wars）表示不满，因为无法控制角色移动。

"The population or NPC density here really rivals that of like genuine GTA games."

接下来，测试者进入了更具挑战性的C++滑板模拟测试。该任务要求使用纯OpenGL实现单文件游戏，不依赖Raylib等外部库。测试者通过Plan模式向MiniMax模型下达指令，明确要求最大代码量、无外部依赖且完全显式的OpenGL实现。在确认不需要音频和README文件后，模型开始生成代码。生成的滑板游戏具有加州木板路的美学风格。玩家模型的细节程度较高，尽管存在身体连接处的视觉瑕疵。游戏实现了复杂的物理动作，如540度翻转和激光翻转。唯一的明显问题是水面穿模，水从木板路下方涌出。测试者通过空格键和W键组合成功执行了高难度动作，验证了物理引擎的基本功能。

滑板游戏测试：独特的相机与暂停功能

在针对《Skating Boardwalk Sim》的生成测试中，MiniMax M3 展现了令人意外的功能完整性。尽管场景并非无限延伸的木板路，且存在水景穿透木板等视觉瑕疵，但模型成功构建了包含天空渐变、树木和沙地的环境。最引人注目的是其实现了可调节相机视角（adjustable camera）以及游戏内暂停功能，这些特性在同类生成结果中较为罕见。评测者指出，虽然滑板角色的模型缺少大腿部分（thighs missing），且NPC行人被赋予了网格碰撞体（mesh colliders）这一细节处理得相当有趣，但整体交互逻辑是成立的。例如，尝试在做出“Sick Flip”动作时暂停游戏，虽然需要精确把握时机，但系统能够响应。此外，得分文本在屏幕上出现倒置（inverted）的现象虽然常见，但也反映了生成过程中的小瑕疵。总体而言，尽管美学元素有待提升，但考虑到未使用 Raylib 库增加了开发难度，该滑板游戏的表现令人满意。

3D场景与静态资产：地铁模拟的惊艳表现

除了动态游戏，MiniMax M3 在构建复杂3D场景和静态资产方面同样表现出色。评测者特别提到了《Subway Game》及其前置的静态地铁场景（static subway scene），认为其视觉效果“极其令人印象深刻”且非常酷炫。在3D打印机模拟（3D printer sim）中，模型本身的渲染质量很高，尽管打印过程的动作略显怪异，但基础几何结构准确。此外，在机器学习投资组合项目中，模型生成的SVG资产细节丰富，特别是元素进出时的悬停动画效果令人赞叹。评测者幽默地提到一个小型机器人模型虽然可爱，但可能不适合用于求职展示。这些案例共同证明了该模型对3D空间结构和静态视觉元素有着极强的把控能力，尤其是在没有外部图形库辅助的情况下。

综合评估：思考深度与开源预期

在对包括《Vice City》风格游戏（包含行人受惊反应和喇叭音效）、橄榄球比赛（带有环境音）等项目的综合测试后，评测者对 MiniMax M3 给出了高度评价。核心反馈是：该模型“思考很多”（thinks a lot），能力极强，但响应速度有时偏慢，特别是在处理静态首页等简单任务时。尽管目前尚未开源，但鉴于 MiniMax M2.7 曾承诺并兑现了开源计划，评测者对 M3 最终开源充满信心。虽然标题可能带有“最佳开源模型”的点击诱饵性质，但鉴于其当前表现出的强大3D理解力和功能实现能力，它确实具备成为顶级开源模型的潜力。评测者表示非常期待了解该模型的具体参数量大小，并认为这次测试满足了观众对该模型的强烈好奇心。

结论

MiniMax M3在代码生成、多模态理解及复杂场景构建方面展现出顶尖水平，尤其在无需外部库的纯OpenGL 3D游戏开发、高精度静态资产还原及长上下文稳定性上表现卓越，其SWE-bench等基准测试成绩直逼GPT-5和Opus 4.7。然而，模型在几何精度（如Z-fighting、键盘反转）和物理细节处理上仍存瑕疵，且响应速度较慢。尽管目前权重未公开，但其强大的“氛围编码”能力和自动化工作流潜力已获验证。若如期开源并优化细节，M3有望成为当前最具竞争力的前沿开源模型之一。