arXiv 论文提出 opinion leader dynamics，解释稀疏注意力如何塑造 token 聚类
把 token 当粒子建模，还拿 Kimi-K3 和 DeepSeek-V4-Flash 实测验证，讲清稀疏注意力为啥省算力还不丢效果。
#MiniMax-M3
共 11 条 · 7 天 0 条 · 30 天 1 条
信息流里打上「MiniMax-M3」标签的资讯、产品与论文，按刊登时间排，新的在上。
9月22日
9月2日
7月1日
6月27日
hf-claude 让 Claude Code 接入超100个开源模型，含 GLM 5.2、MiniMax-M3 等
想在 Claude Code 里用别的模型？hf-claude 能直接集成 100+ 开源模型，包括 GLM 5.2 和 DeepSeek v4 Pro，很方便。
6月20日
MiniMax-M3 扩展智能体上下文：长历史、图像、视频、文档和工具输出
MiniMax-M3 让智能体一口气带进长历史、图、视频、文档和工具输出，Together 优化后每 GPU token 翻倍，自动任务成本更低。
6月13日
6月12日
SGLang 首发支持 MiniMax-M3：428B 多模态 MoE 推理模型
SGLang 第一时间支持 MiniMax-M3，做多模态推理和长上下文应用的团队可以直接上手体验 428B 模型的稀疏注意力加速，编码和智能体任务表现值得一试。
MaxProof: 用生成-验证强化学习实现数学证明的规模扩展
数学证明是 AI 推理的硬核测试，MaxProof 用群体搜索和验证器强化学习突破了竞赛级证明的瓶颈，做数学 AI 或推理系统的研究者值得关注其方法。
6月3日
6月1日
MiniMax-M3 发布：1M上下文+稀疏注意力，押注Agentic Coding
M3 的稀疏注意力解决了长上下文推理的成本痛点，做 coding agent 和自动化任务的开发者可以直接关注——1M 上下文下计算量骤降 95%，意味着更长的任务链也能跑得动。
MiniMax-M3 上线 OpenRouter：1M 上下文 + 原生多模态
MiniMax-M3 把长上下文、强编码和多模态塞进一个开源模型里，做复杂智能体或长文档处理的团队可以直接在 OpenRouter 上试，省去自己部署的麻烦。
