現在，大模型賽道的競爭，早已從傳統意義上的拼參數，進入到了拼落地、拼應用的全新階段。對于很多的玩家們來講，誰能夠找到落地和應用的新方式，誰能夠找到實現商業化的正確路徑，誰就能夠在這樣一個全新的周期里占得先機。6月1日，國產大模型公司MiniMax正式發布新一代通用模型MiniMax M3。透過M3，我們不僅可以看到國產大模型公司的領先，更加看到了下一個全新的風口。

資料顯示，M3采用全新的自研稀疏注意力架構MiniMax Sparse Attention（MSA），相較傳統全注意力機制，MSA能夠顯著降低長上下文下的計算成本，并將上下文窗口提升至100萬token（詞元）。

據悉，M3是國內首個同時具備“前沿 Coding 能力、1M超長上下文、原生多模態”三項核心能力的大模型，也是目前全球唯一具備完整能力組合的開源選項。

隨著M3的發布，MiniMax不僅可以進一步鞏固自身在大模型賽道上的地位，同樣將會為即將到來的“A+H”上市筑牢技術的護城河。那么，透過MiniMax的M3，我們可以看出當下的大模型賽道呈現出來了怎樣的一種競爭態勢？隨著商業化的進一步加速，未來的大模型風口究竟將會在怎樣的方向上呢？

大模型賽道的競爭重點正轉向底層

以往，談及大模型賽道的競爭，玩家們通常會比拼參數和跑分，通常會比拼表層的功能。然而，隨著大模型賽道的競爭日漸白熱化，特別是隨著以MiniMax為代表的玩家們開始登陸到了更大的資本市場上，大模型賽道競爭的重點開始從表層轉向了底層，開始從參數轉向了架構。因此，MiniMax發布新一代的模型M3所帶給我們的一個最為突出的啟示，便是大模型賽道的競爭重點正在轉向底層。

拿M3來講，它之所以會有如此重要的地位，最為關鍵的一點就在于，它從底層改變了原有的底層架構。其自研的稀疏注意力架構MSA(MiniMax Sparse Attention)，相較傳統全注意力機制，MSA能夠顯著降低長上下文下的計算成本，并將上下文窗口提升至100萬token。這意味著模型在處理長文檔、復雜代碼倉庫、多輪任務協作等場景時，能夠在一次推理中保留更完整的信息鏈路。MiniMax披露，在100萬上下文規模下，M3單token計算量僅為上一代模型的約1/20，推理效率顯著提升。

如果我們將以往的大模型賽道的競爭，看成是一種橫向的競爭的話，那么，現在的大模型賽道的競爭，更像是一種縱向的競爭。在這樣一種全新的競爭機制之下，誰能夠從底層深度改變大模型本身，誰能夠由下而上地為大模型注入新的生機與活力，誰就能夠在新一輪的競爭當中獲勝。

其實，并不僅僅只有MiniMax，百度、谷歌都加入到了新的底層架構的競爭之中。以百度為例，百度文心大模型規?；捎??MoE（Mixture of Experts）架構?（如 128 專家路由），在保持千億級參數下僅激活部分專家，訓練效率提升 40%，兼顧能力與推理成本。

大模型不再考驗單一能力，多模態混合才是關鍵

現在的大模型賽道，有些玩家們專注于文本處理的能力，有些玩家們則專注于視頻生成的能力。說到底，以往大模型賽道的玩家們走的是單點突破的路線。在這個過程當中，我們看到了可靈AI的強勢崛起，我們看到了月之暗面的一騎絕塵。然而，隨著大模型賽道的競爭進入到全新的發展階段，僅僅只是以單一的能力來應對當下的市場，開始顯得愈發地捉襟見肘。

通過MiniMax的M3模型，我們可以看出的是一個全新的風口正在打開，即，大模型賽道的競爭已經不再僅僅只是考驗單點突破的能力，而是開始更多地考驗跨文本、圖片、視頻的多模態混合的能力。MiniMax M3從訓練起點便采用文本、圖片、視頻等多模態混合訓練，并在數據規模和訓練管線上進一步擴展。模型不僅支持圖像與視頻理解，也具備桌面操作能力，可在復雜跨應用環境中執行Computer Use任務。

MiniMax強調，Interleaved data(交錯數據)——文本和圖像等其他模態在序列中交替自然排列的數據——對模型性能帶來的提升，比一般認為的更加關鍵。在為這些數據重構整套數據管線后，MiniMax已可以將訓練數據Token規模提升至100萬億的量級。

顯而易見的是，現在大模型賽道的玩家們早已不再僅僅只是局限于簡單意義上的語義理解，而是更加朝著多模態混合的方向發展，并且實現不同應用之間的協同配合。對于玩家們而言，不斷地實現單點突破，并且實現多模態的混合，實現跨領域的協同和執行，真正讓大模型落地到更多的生產力場景之中，才是下一輪競爭的關鍵所在。

大模型正在從外部輸血轉向獨立行走

隨著大模型賽道的競爭進入到深水區，特別是隨著商業模式的日漸成熟，應用場景的逐漸豐富，僅僅只是依靠外部輸血的方式開始遭遇到越來越多的挑戰。無論是對于巨頭玩家們的大模型來講，還是走資本路線的玩家們來講，充足的現金流以及可持續的商業化變現的能力，才是確保自身可以走得長遠的關鍵要素。

拿MiniMax的M3來說，它為我們透露出來的一個最為重要的信息，就是它開始越來越多地走向生產層，走向應用環境之中。資料顯示，M3的Coding&Agentic能力明顯提升，在涵蓋軟件工程、終端執行、效率與協議理解等多個維度的國際權威評測中，均達到國際領先水平：在衡量Coding能力的SWE-Bench Pro上，MiniMax M3超過GPT-5.5和Gemini 3.1 Pro，接近Opus 4.7。在綜合評估SVG生成性能的基準SVG-Bench上，MiniMax M3超過Opus 4.7。

據介紹，M3在編程與Agent訓練中創新引入交互式用戶模擬器框架——通過模擬真實開發者在協作過程中的行為模式，讓模型在訓練和評測階段就接觸到更接近生產環境的交互場景。

伴隨著M3的發布，MiniMax同步推出Token Plan訂閱方案。Plus版每月49元，提供6億token;Max版每月119元，提供18億token;Ultra版每月469元，提供55億token。

無論是從代碼開發、研究分析，還是從跨應用的協同，以及同步推出的Token Plan訂閱方案，其實，現在考驗大模型玩家們的是如何將大模型應用到更多的生產力場景之中來進行表現的能力，以此來達到自我造血的目的。這一點，我們同樣可以從可靈AI的身上，看出一絲端倪。

根據快手公布的財報顯示，截至2026年第一季度（Q1），可靈AI收入超6.5億元人民幣，同比增長超300%；2026年3月年化收入（ARR）近5億美元，較2025年3月的1億美元增長4倍。正是因為可靈AI的自我造血能力的進一步增強，因此，可靈AI傳出了分拆上市的消息。

而快手方面則發布公告稱，本公司注意到于2026年5月11日有媒體報道本公司有意就可靈AI相關資產及業務獲取外部融資及擬議獨立上市。為了進一步利用外部財務資源，本公司董事會正在評估擬議重組可靈AI之相關資產及業務的方案，其中或涉及引入外部融資。截至本公告日，上述擬議方案仍處于初步階段，本公司尚未就此簽署任何最終協議。概不保證該等擬議方案將會進行。

無論怎樣，現在大模型賽道的競爭，正在從以往的外部輸血，轉向到了更多的獨立行走和自我造血全新方向上。無論是對于MiniMax這樣的創業型玩家們而言，還是對于可靈AI這樣誕生于巨頭的玩家們來講，獨立行走，自我造血才是下一個重要的方向。

結語

隨著MiniMax M3的發布，國產大模型的技術硬實力再一次得到了體現。除此之外，我們還應該看到的是，當下大模型賽道的競爭業已從傳統意義上的基于參數的橫向角度的競爭，轉移到了基于架構等要素的縱向角度的競爭。在此影響之下，對于玩家們的能力的考驗同樣從單點轉移到了多模態混合的層面上，而玩家們的商業化的能力，同樣成為了決定它們未來市場地位的關鍵所在。像MiniMax一樣做好下一個風口的布局，找到適合這個新周期里的飛行姿勢，才是真正地掌握主動權。