MiniMax-M3 (427B MoE) 模型架构参数、评测与显存全表
MiniMax 第 3 代全层稀疏注意力多模态主模型(427B 总参 / 23B 激活),支持 100 万输入与 52.4 万超长输出。
🧬 MiniMax-M3 (427B MoE) 底层网络与张量参数总表 (Model Overview & config.json)
全部字段同步自官方 HuggingFace 仓库 (MiniMaxAI/MiniMax-M3) 的 config.json 与技术报告 · 核验日期 2026-11-20
1. 骨干网络与维度参数
minimax_m3_vl- 总参数量 / 单步激活
- 427B / 23B
- Hidden Size (d_model)
- 6,144
- FFN Intermediate Size
- 3,072
- MoE 专家配置
- 128 路由 · 激活4 + 1 共享
- 激活函数 / RMSNorm
- SiLU (SwiGLU) · ε=0.000001
- 原生权重精度
- BF16 / FP8
2. 注意力机制与混合层拓扑
GQA- Transformer 总层数
- 60 层
- 网络层排布 (Hidden Layout)
- 60 层稀疏 MoE 架构(128 路由专家,单步激活 4 个)
- 注意力头 (Q / KV)
- 64 Q / 4 KV (16:1 GQA)
- Head Dimension
- 128
- 视觉编码器 / MTP 头
- ViT 32L
3. 上下文、位置编码与词表
Tokenizer- 原生上下文长度
- 1,048,576 tokens
- 旋转位置编码 (RoPE)
- RoPE (原生 1,048,576 Context)
- 词表大小 (vocab_size)
- 200,064 (独立输出头)
📋 MiniMax-M3 (427B MoE) 官方 API 技术规格与计费参数总表
核验自 MiniMax 官方开发者文档与公开定价页(核验日期 2026-11-20)
1. 模型标识与能力开关
API Spec- 官方调用 Model ID
- MiniMax-M3
- 版本发布日期
- 2026-06-01
- 权重授权形态
- 开源权重 (云端 API 规格)
- 原生深度推理思考
- ✅ 支持 (可调思考预算)
- Function Calling & JSON Schema
- 部分支持
- Batch API 异步批处理
- ✅ 支持 (通常享 5 折)
2. 上下文、输出上限与模态
Limits- 最大输入上下文窗口
- 1,000,000 tokens (1000K)
- 单次最大输出上限
- 524,000 tokens
- 支持输入模态
- Text + Image + Video
- 支持输出模态
- Text
- 中国大陆网络直连
- ✅ 国内极速直连 + 人民币结算
- 分发与部署形态
- 开源权重 + 托管云 API
3. 官方 Token 单价与缓存阶梯
CNY / 1M- 标准输入单价 (每百万)
- ¥ 2.1
- Prompt 缓存命中输入
- ¥ 0.42 -80%
- 标准输出单价 (每百万)
- ¥ 8.5
- 长上下文阶梯与计费备注
- MiniMax 开放平台:MiniMax 第 3 代稀疏注意力多模态主模型
🎛️ 官方调用采样与思考参数指南
API / 推理引擎调用时的最佳超参数与约束说明
📊 MiniMax-M3 (427B MoE) 全量评测成绩与维度排名
共 25 项公开评测 · 排名为在本站 154 款有评测数据模型中的名次 · 数据同步于 2026-11-20
💻 代码工程 11 项
经人类工程师逐题验证可解的 500 道真实 GitHub 开源仓库 Issue 修复基准,衡量模型阅读大型代码库并生成通过单测补丁的实战工程能力。
考察智能体使用工具、探索环境并端到端闭环复杂多步现实任务的综合评测(Claw-Eval)。
大规模模型上下文协议(MCP)工具协同基准,评估智能体在复杂多步任务中协调、组合调用数十种外部 MCP 工具的真实成功率。
Terminal-Bench 2.1 终端操作评测,测试 AI 智能体通过命令行独立完成代码编译、服务搭建与排错的端到端表现。
SWE-Bench 高阶专业版,聚焦需要跨文件长链推理与复杂架构改动的真实工业级软件工程任务。
评估 AI 智能体能否从零阅读机器学习顶会论文,自主编写代码、运行实验并完整复现论文核心结果的超难科研工程基准。
自然语言到完整代码仓库(NL2Repo)长周期生成评测,考察从零架构设计或跨全仓改写代码的能力。
真实大型代码库问答评测,考察模型跨整个代码仓库理解模块结构、调用链路与设计意图的能力。
评估智能体在算力受限下拿到纯预训练基座模型后,能否自主完成数据合成、SFT/RL 后训练、评测与迭代提分的端到端能力。
对齐官方评分规程的开源编码与智能体综合任务评测。
评估编码智能体所提交补丁是否达到仓库维护者合并标准的工程质量基准(联网作弊记零分)。
🤖 Agent 与工具调用 8 项
电子表格推理与工具自动化操作基准(SpreadSheetBench v1)。
OpenAI 发布的深度联网搜索基准,含 1,266 道需要智能体在互联网上反复检索、交叉核实才能找到隐蔽线索的高难多跳检索题。
银行业与金融业务多步工具调用基准,测试模型按合规准则操作金融后台接口的能力。
深度研究(Deep Research)智能体基准,按专家细则评判模型围绕复杂调研课题搜集文献、交叉印证并撰写深度报告的质量。
真实桌面操作系统多模态智能体评测验证集(OSWorld-Verified),在 Ubuntu、Windows 与 macOS 虚拟机中直接操控鼠标键盘完成跨软件任务。
Vals AI 发布的金融分析师智能体基准(v2),考察检索真实上市公司财报、执行多步财务建模计算与投资分析的能力。
源自真实企业办公流的专业文档分析、电子表格计算与跨源商业信息综合问答基准。
面向长周期专业岗位复杂多步规划、推理与工具执行的智能体基准(APEX-Agents)。
📐 数学 2 项
👁️ 多模态与视觉 4 项
全方位复杂版面文档视觉解析基准(1.5),综合评测多栏论文、财报表格、公式识别(OCR)、阅读顺序还原与文档问答。
首个全时长综合视频理解基准,涵盖 900 段视频(共 254 小时,从 11 秒短视频至 1 小时纪录片)的 2,700 道人工标注题。
专家级专业学科教学视频多模态评测,考察从观看学术与工程课程视频中获取新知识并解题的能力。
MMMU 抗猜题增强版大学多学科多模态基准,剔除了仅靠纯文本就能猜对的题目并引入纯视觉输入截图模式,严格考察图文深度融合推理。
来源:ZeroEval / llm-stats.com 公开评测聚合(✓ 为第三方验证,其余为厂商官方自报)。点击任一评测可查看全库排名。
⚡ MiniMax-M3 (427B MoE) 本地显存占用 & 实时吐字速度计算器
物理总容量 512 GB · 占用率 58%
MoE 架构:每步仅读取 13.94 GB 激活权重
高并发下开启 Q8/Q4 KV 量化可成倍提升并发上限
OLLAMA_CONTEXT_LENGTH=16384 ollama run minimax-m3-428bMac Studio M5 Ultra 512G 可运行 MiniMax-M3 (427B MoE) · 硬件成本与回本参考
参考均价约 ¥74,999(折合 ¥146/GB)· 满载约 190W
📊 MiniMax-M3 (427B MoE) 各量化精度显存占用对照表 (16K 上下文)
| 量化格式 | 等效位数 | 纯权重体积 | KV Cache (16K) | 总显存需求 | 精度评价 |
|---|---|---|---|---|---|
| FP16 / BF16 | 16 bpw | 854 GB | 2.01 GB | 874.39 GB | 无损原精度 |
| FP8 / Q8_0 | 8.5 bpw | 453.69 GB | 2.01 GB | 466.07 GB | 99.9% 接近无损 |
| GGUF Q6_K | 6.56 bpw | 350.14 GB | 2.01 GB | 360.46 GB | 极高画质 · 严肃编码 |
| GGUF Q5_K_M | 5.69 bpw | 303.7 GB | 2.01 GB | 313.09 GB | 高均衡度 |
| Q4_K_M / AWQ | 4.85 bpw | 258.87 GB | 2.01 GB | 267.36 GB | 黄金甜点(推荐) |
| GGUF IQ4_XS | 4.25 bpw | 226.84 GB | 2.01 GB | 234.69 GB | 省显存优选 |
| GGUF Q3_K_M | 3.91 bpw | 208.7 GB | 2.01 GB | 216.18 GB | 轻度智商折损 |
| GGUF Q2_K | 3.15 bpw | 168.13 GB | 2.01 GB | 174.81 GB | 极限压缩尝鲜 |
🖥️ 主流显卡、Mac 与国产卡运行 MiniMax-M3 (427B MoE) (Q4_K_M) 兼容性列表
常见问题解答 (FAQ)
MiniMax-M3 (427B MoE) 的核心网络架构参数(层数、隐藏维度、注意力头、词表)是多少?
MiniMax-M3 (427B MoE) 底层架构为 MiniMaxM3SparseForConditionalGeneration,共 60 层(60 层稀疏 MoE 架构(128 路由专家,单步激活 4 个)),隐藏层维度 hidden_size=6144,注意力头配置为 64 个 Query 头 / 4 个 KV 头(head_dim=128),词表大小 vocab_size=200,064,原生上下文窗口 1,048,576 tokens。
MiniMax-M3 (427B MoE) 本地部署至少需要多少 GB 显存?
在主流 4-bit 量化(GGUF Q4_K_M / AWQ,16K 上下文)下,MiniMax-M3 (427B MoE) 共需约 267.36 GB 显存(含权重 258.87 GB + KV 缓存 2.01 GB + 系统开销 6.48 GB)。无损 FP16/BF16 则需约 874.39 GB。
MiniMax-M3 (427B MoE) 官方推荐的采样参数(Temperature / Top-P)是多少?
依据官方 generation_config.json 与最佳实践,在「官方默认推理采样配置」下建议设置 temperature=0.7、top_p=0.95。