MiniMax M3 удешевляет гонку AI-кодеров с миллионным контекстом

Китайская MiniMax выпустила M3 — новую модель для кодинга, агентных задач и мультимодального ввода. Компания называет её «frontier»-моделью с контекстным окном до 1 млн токенов и делает акцент не только на бенчмарках, но и на том, как быстро разработчики смогут вставить её в уже привычные инструменты.

На странице модели MiniMax пишет, что M3 рассчитана на автономное разбиение задач, вызов инструментов и многошаговое рассуждение. В документации Open Platform модель указана как MiniMax-M3: она поддерживает Anthropic-compatible API по адресу api.minimax.io/anthropic и OpenAI-compatible API по адресу api.minimax.io/v1. Отдельный гайд показывает настройку M3 для Claude Code, OpenClaw, Cursor, Cline, Kilo Code, Trae и других AI-coding сред.

Почему релиз заметен

Главная ставка MiniMax — длинный контекст и цена. В документации сказано, что M3 поддерживает до 1 млн токенов, а гарантированный минимум для длинного ввода составляет 512 тыс. токенов. Для агентного кодинга это не декоративная характеристика: чем длиннее запуск, тем чаще модель должна держать в памяти репозиторий, логи, требования, историю попыток и результаты инструментов.

Pay-as-you-go тариф для M3 сейчас выглядит агрессивно. Для входа до 512 тыс. токенов MiniMax указывает 7-дневную скидку: $0,30 за 1 млн входных токенов вместо $0,60, $1,20 за 1 млн выходных вместо $2,40 и $0,06 за чтение кэша вместо $0,12. Для ввода выше 512 тыс. токенов цена выше: $1,20 за вход и $4,80 за выход, причём публичная доступность такого режима, по словам компании, должна расширяться в ближайшие дни.

Сравнение с западными флагманами MiniMax подаёт осторожно, но амбициозно. Компания заявляет, что M3 набрала 83,5 на BrowseComp против 79,3 у Opus 4.7, а в PostTrainBench заняла третье место после Opus 4.7 и GPT-5.5. Эти цифры стоит читать как маркетинговые заявления производителя, а не независимый приговор рынку. Но сам набор акцентов важен: кодинг, браузинг, tool use, длинный контекст и стоимость агентных прогонов становятся единым полем конкуренции.

Что это меняет для разработчиков

Для пользователя AI-кодинга M3 интересна не обещанием «заменить программиста», а совместимостью. Если модель можно подключить через привычные Anthropic- или OpenAI-совместимые endpoints, её проще проверять в существующем пайплайне: один и тот же репозиторий, те же команды, те же тесты, но другой поставщик и другая экономика.

Именно здесь китайские модели начинают давить на рынок сильнее, чем в очередной таблице бенчмарков. Qwen, DeepSeek, Tencent и теперь MiniMax показывают, что конкуренция идёт за рабочую стоимость длинных задач: сколько стоит попросить агента прочитать большой проект, найти ошибку, сделать патч, прогнать тесты и повторить цикл несколько раз. Для компаний это уже не абстрактная гонка моделей, а вопрос бюджета на ежедневный AI-кодинг.

У M3 остаются обычные проверки перед серьёзным использованием: качество на конкретном коде, стабильность API, лимиты, приватность, скорость и реальная цена после промо-периода. Но направление видно. AI-кодинг перестаёт быть рынком нескольких дорогих флагманов. Новые игроки пытаются победить через длинный контекст, совместимость и тарифы, которые делают агентные эксперименты менее болезненными для кошелька.