# MiniMax预告M3系列模型，并回顾M2.x系列技术细节

- 来源：IT之家（RSS）
- 发布时间：2026-05-27 15:20
- AIHOT 分数：44
- AIHOT 链接：https://aihot.virxact.com/items/cmpnsfia010eksl01gbobg5xg
- 原文链接：https://www.ithome.com/0/955/984.htm

## AI 摘要

MiniMax在X平台预告即将推出M3系列AI模型，并关联到一篇回顾M2.x系列的论文。论文指出，M2.x系列总参数229.9B，但每个词元仅激活9.8B参数，配备192K上下文窗口，预训练数据规模达29.2T词元。模型采用62层Transformer架构和256个专家（每词元激活8个），其训练系统是基于智能体的强化学习系统Forge。论文还披露，M2.7已展现出“自我进化”雏形，能自主排查训练错误并修改代码，已吸收团队30%至50%的日常迭代工作量。

## 正文

IT之家 5 月 27 日消息，上海稀宇科技有限公司（MiniMax）今天在 X 平台发布推文，预告将推出 MiniMax M3 系列模型。

该推文转发了一篇 5 月 26 日发表在 arxiv 上的论文《The MiniMax-M2 Series: Mini Activations Unleashing Max Real-World Intelligence》，回顾了 MiniMax M2.x 系列模型的背后工作。IT之家附上相关截图如下：

该论文指出 MiniMax M2.x 系列模型总参数 229.9B，但每个词元仅激活 9.8B 参数，主打“低激活、高智能”，配备 192K 上下文窗口，预训练数据规模达 29.2T 词元。

在模型设计上，M2 系列采用 62 层解码器式 Transformer（变换器），使用 256 个细粒度专家，并为每个词元激活 8 个专家。

在训练系统层面，MiniMax 提出 Forge，这是一个面向智能体的强化学习系统，支持白盒与黑盒智能体统一接入。系统通过训练、推理与智能体解耦，配合窗口化 FIFO 调度、前缀树合并和推理加速，降低长轨迹训练成本。

M2.7 最受关注的升级，是论文提出的“自我进化”雏形。模型已能自主排查训练失败、阅读日志、修改脚手架代码，并在内部任务上完成 100 轮自主迭代。

论文称，这套系统已吸收团队 30% 到 50% 的日常迭代工作量，且在内部编程脚手架优化中带来 30% 性能提升，显示模型开始参与自身开发闭环。

参考

The MiniMax-M2 Series: Mini Activations Unleashing Max Real-World Intelligence