Minimax的M3 Pro是个2.7T、60B激活参数的模型，如果从参数量上来看，大概能达到Qwen 3.8 max的水平？

这两天汇丰调研了Minimax，提供了一些增量信息一个是M3 Pro是个2.7T-60B的模型，预计9-10月发布。目前还在训练中。如果看时间，距离正式发布还有两个月左右，个人估计国庆前后？

二是他们还在筹备一个5T级别的模型。看来是这次M3的400B的scalling实在是有点不足，得扩大scalling了。

三是多模态的H3快了。Minimax之前的优势主要就是在海螺的多模态上，包括海外给minimax定价，主要也是因为有多模态和全家桶的优势，一个plan可以支持TTS、生图/视频、ASR、音乐等，覆盖了龙虾用户的大部分需求，还便宜。

四是表示自家卡多、成本低。minimax去年9月开始屯卡，相较于目前的卡的现价便宜不少，训练和推理成本都相对比较低。

全文如下：目标： MiniMax追求卓越智能与成本效率，在激烈竞争中力求突围。需求依旧旺盛（如每日推理token达数万亿），且MiniMax推理效率出色（详见下文），开放平台有望取得不错的毛利率，并力争长期达到两位数百分比。

模型策略：1）文本模型： M3 Pro（参数量c3tn）计划9-10月发布，激活参数60bn（激活率2%），在token吞吐量、训练效率、KV缓存优化上均有改进。用8tn数据训练后，M3 Pro已触及此前需40tn数据训练才能达到的M3水平。公司还在研究5tn参数规模的模型。2）多模态模型：** MiniMax坚信原生多模态仍是重要方向，原因有三：一）GPM高于文本模型；二）能切实提升多模态TAM的用户生产力；三）多模态输入可反哺文本模型能力（即M3 Pro训练也用了一部分信息密度高的多模态数据）。Hailuo 3或将很快推出。

AI基础设施策略：1）自研： 自2025年9月起，MiniMax已自研算力与集群设施（仍计入资本开支）。目前可运行1万多卡集群上的模型训练任务，并将继续扩大集群规模，且能减轻对云服务商的依赖。2）成本效率：早期搭建的AI基础设施，帮助MiniMax在芯片与内存涨价背景下节省算力成本（例如集群利用率高于行业平均，几乎所有集群可同时运行训练与推理任务）。3）组织：此外，公司管理层也强调，跨学科人才储备能强化研发上层建筑——模型训练与算法团队坐在一起协同攻坚，避免各自为战。