我们开源了 MiniMax M3
我们开源了 MiniMax M3我们在上周五开源了 MiniMax M3 模型权重，同步发布了 MSA（MiniMax Sparse Attention）技术论文。MSA 的架构设计让 M3 在长上下文下的计算成本大幅降低，论文中完整披露了架构与工程实现细节。
来自主题: AI资讯
9209 点击 2026-06-16 10:34
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
我们在上周五开源了 MiniMax M3 模型权重，同步发布了 MSA（MiniMax Sparse Attention）技术论文。MSA 的架构设计让 M3 在长上下文下的计算成本大幅降低，论文中完整披露了架构与工程实现细节。
过去很长一段时间里，AI 行业衡量模型进步的方式都相当直观：参数更大、榜单更高、推理更强、上下文更长。每一次模型发布，行业都会盯着数学、代码、知识问答和多模态基准测试，看它是否又向通用智能迈近了一步。
当 LLM Agent 处理长期对话、多轮交互和复杂文档时，Memory 已经成为不可或缺的核心模块。它帮助智能体保存历史、检索信息、维持个性化上下文，并支撑跨时间的推理能力。
随着AI Coding、Agent、Deep Research 等应用快速普及，模型单次处理的上下文长度正在从几万Token迈向几十万甚至百万Token。
GLM-5.2 是智谱迄今能力最强的开源模型，支持真正可用的 1M 上下文，并在长程任务中继续保持领先。它也依旧是我们心中最强的国产 Coding 模型。
所以，教你一招把Claude code塞进Codex里。所以我现在的工位长这样——左边是 GPT，右边跑着 Claude Code，同一个窗口。Codex负责管规划、把控进度，Claude code负责干活；Fable 拒答降级的时候，直接复制上下文丢给左边的GPT接住，无缝换人。
今天，月之暗面发布并开源Kimi K2.7 Code编程模型，参数量达1.1万亿，提供256K上下文窗口。这一模型重点提升了长上下文编程场景的指令遵循能力、长程编程任务的性能表现，并且大幅改善了在长程任务中的过度思考倾向，平均token消耗减少30%。
上下文攻击、供应链渗透、AI社区崩溃……当大模型智能体真正进入开放世界，挑战远比想象中复杂。
多模态长记忆在“看得准、找得到、想得清”三大环节的底层逻辑与工程避坑指南。
LLM Agent 做长任务时，真正让人头疼的往往不是模型不会推理，而是上下文开始失控：前几步还很清楚，后面就忘约束、丢状态、重复试错，最后把任务跑成事故现场。