MiniMax M3 โมเดลโอเพนเวต 428B (active 23B) — coding ระดับ frontier, context 1M, มัลติโมดอลในตัว
ค่าย MiniMax จากจีนปล่อย MiniMax M3 โมเดลภาษาแบบ open-weight ที่บริษัทวางตำแหน่งเป็นโมเดลตัวแรกที่รวมสามอย่างไว้ด้วยกัน: งานโค้ดดิ้งและ agentic ระดับ frontier, หน้าต่างบริบท 1 ล้านโทเคน และความเป็น มัลติโมดอลในตัว (รับทั้งข้อความ ภาพ และวิดีโอตั้งแต่ขั้นตอนเทรน) โดยเปิดให้ดาวน์โหลดโมเดลการ์ดได้ทันทีบน Hugging Face ไม่ต้องลงทะเบียนหรือรอคิว
ในเชิงโครงสร้าง M3 เป็น Mixture-of-Experts ขนาด ~428 พันล้านพารามิเตอร์รวม เปิดใช้งานจริงเพียง ~23B ต่อโทเคน หัวใจสำคัญคือสถาปัตยกรรม MiniMax Sparse Attention (MSA) ที่ออกแบบมาแก้ปัญหาต้นทุนของ context ยาวโดยเฉพาะ
สถาปัตยกรรม MSA และเกมของ context ยาว
MiniMax เคลมว่าเทียบกับรุ่นก่อน (M2) ตัว MSA ทำให้ที่บริบทระดับ 1M โทเคน prefill เร็วขึ้น 9 เท่า และ decode เร็วขึ้น 15 เท่า พร้อมลดการประมวลผลต่อโทเคนลงเหลือราว 1/20 ตัวเลขนี้สำคัญเพราะปัญหาใหญ่ของโมเดล context ยาวไม่ใช่แค่ “จำได้ไกล” แต่คือ “จ่ายไหวไหม” เมื่อ attention มีต้นทุนพุ่งตามความยาว การกดต้นทุนต่อโทเคนลงได้จริงคือสิ่งที่ทำให้งานอย่างการอ่านโค้ดเบสทั้งrepo หรือเอกสารยาว ๆ เป็นไปได้ในเชิงเศรษฐศาสตร์
เบนช์มาร์กและราคา
ตัวเลขที่ MiniMax รายงาน (first-party) ระบุว่า M3 ทำ SWE-Bench Pro ที่ 59.0% ซึ่งในรายงานเทียบว่าอยู่ในระดับเดียวกับ GPT-5.5, ทำ Terminal-Bench 2.1 ที่ 66.0% และ BrowseComp 83.5 โดยบริษัทเคลมว่าเหนือกว่า Opus 4.7 บนบางเบนช์อย่าง BrowseComp
ฝั่งราคา ตอนเปิดตัว M3 ขึ้นบน OpenRouter ที่ อินพุต 0.60 ดอลลาร์ / เอาต์พุต 2.40 ดอลลาร์ต่อล้านโทเคน พร้อมโปรโมชันลด 50% ช่วงแรกเหลือราว 0.30/1.20 ดอลลาร์ ถูกกว่าโมเดล frontier แบบปิดอย่างมีนัยสำคัญ จุดที่ต้องอ่านให้ละเอียดคือสัญญาอนุญาตเป็นแบบ minimax-community (ไม่ใช่ Apache/MIT) จึงควรตรวจเงื่อนไขการใช้เชิงพาณิชย์ก่อนนำไปใช้จริง
มุมมอง AI Curator
M3 คือหมุดหมายอีกตัวของกระแส “open-weight frontier ราคาถูกจากจีน” ที่กำลังกดดันโมเดลปิดฝั่งตะวันตกอย่างต่อเนื่อง สำหรับนักพัฒนาไทย/SEA สิ่งที่น่าตื่นเต้นไม่ใช่แค่คะแนนเบนช์ แต่คือการรวม context 1M + มัลติโมดอล + ราคาถูก ไว้ในโมเดลที่ดาวน์โหลดน้ำหนักมาได้ ซึ่งเปิดทางงานอย่างเอเจนต์อ่านเอกสารราชการ/สัญญายาว ๆ หรือวิเคราะห์ภาพและวิดีโอในไปป์ไลน์เดียว
แต่ต้องมองตามจริง: โมเดล 428B แม้ active แค่ 23B ก็ยัง ไม่ใช่ของรันบนเครื่องเดียว การ self-host คือภาระระดับคลัสเตอร์ ทีมไทยส่วนใหญ่ควรเริ่มจากเรียกผ่าน API (เช่น OpenRouter) เพื่อทดสอบงานจริงและเทียบต้นทุนก่อน ค่อยพิจารณา private deployment เมื่อปริมาณงานคุ้ม และเช่นเคย อย่าเพิ่งเชื่อคะแนน “เทียบเท่า GPT-5.5” จนกว่าผลทดสอบอิสระจะยืนยัน รวมถึงต้องอ่านสัญญา minimax-community ให้ขาดก่อนใช้ในผลิตภัณฑ์
แหล่งข่าว:
อ่านเพิ่มในหมวด โมเดลใหม่
Google เปิดตัว Gemini 4 Carbon ขึ้นอันดับ 1 Artificial Analysis v5 ด้วยคะแนน 59 แต่ยังให้ใช้แค่นักป้องกันไซเบอร์กลุ่มเล็ก
Gemini 4 Carbon เปิดตัว 28 ต.ค. แซง Claude Opus 5.5 บน Intelligence Index v5 แค่ 1 คะแนน และตามหลังเพียง 3 คะแนนในดัชนี coding agent ราคาเปิดตัว $2/$10 แต่นักพัฒนาทั่วไปยังเรียกใช้ไม่ได้ ระหว่างที่ Google ค่อย ๆ เปิดผ่านโปรแกรม Fairwind
Microsoft ปล่อย Mage-VL-Cowork โมเดล 4B คุมเดสก์ท็อปและเทอร์มินัลในตัวเดียว ได้ 66% บน OSWorld-Verified สัญญาอนุญาต Apache-2.0
Mage-VL-Cowork ขนาด 4B ของ Microsoft เลือกเองว่าจะคลิกหน้าจอหรือสั่ง bash ทำคะแนน OSWorld-Verified 66.0% ใกล้ค่าอ้างอิงมนุษย์ 72.4% ในตารางเดียวกัน แต่คำว่าดีที่สุดในขนาด 4B มีคู่เทียบบนตารางนี้แค่รุ่นเดียว
Mistral ปล่อยน้ำหนัก Large 4 จริงแล้ว — 1T ราคาลดเกือบครึ่ง แต่บน AA ได้ 26 และสัญญาอนุญาตห้ามขายเป็น API ถ้าไม่มีใบอนุญาตแยก
Mistral ปล่อยน้ำหนัก Large 4 (Le Chonk) เมื่อ 29 ต.ค. เป็นรุ่นที่ฝึก RL ต่ออีกสามสัปดาห์หลัง preview ขนาด 1T ใช้พื้นที่ราว 1.06TB ราคา API ลดเหลือ $0.70/$2.10 Mistral นำ open-weight ด้าน coding แต่คะแนนรวม AA 26 ตามหลังโมเดลจีน และสัญญาอนุญาตกันธุรกิจ Model-as-a-Service