MiniMax M3.1 Flash 这次真杀疯了！ 网友用 Claude Code 调用 MiniMax，生成了一段 3D 鲸鱼跃出水面的场景。 成本竟然只要 $0.25！ 比 Astra 和 Sol 便宜约 8 倍，甚至比 DeepSeek Flash 还省钱！🤣

MiniMax M3开源了。 一般愿意开源的，都是过时的，还有未开源的弹药未释放。 Hugging Face 主仓库（推荐）： 这里提供完整模型权重（~428B 总参数、~23B 激活参数，原生多模态，支持 1M 上下文），支持 Safetensors/PyTorch 格式下载，还有量化版本（如 MiniMaxAI/MiniMax-M3-MXFP8）。 GitHub 仓库（配套代码和文档）： 包含推理指南、MSA（MiniMax Sparse Attention）相关支持等。

MiniMax M3 月初的发布，关注度明显被 GLM 5.2 和 Kimi 最新模型压过去了。 这还真不一定说明 MiniMax M3 不强。 它有 1M context、coding、agent、多模态和效率优势，技术点其实不少的。 但问题也在这里：亮点太多，主线反而不够锋利。 GLM 5.2 很容易被记住：开源权重、MIT、agentic coding、榜单强。 Kimi 也很容易被记住：coding agent 模型，直接绑定 Kimi Code。 MiniMax M3 给人的感觉更像是一个能力很全的工程型模型，但没有抢到一个足够清晰的标签。 现在模型发布已经不只是比参数、比 benchmark 了。 更关键的是： 你能不能用一句话，让开发者知道为什么今天就该试你。

让 Omarchy 在 M3、M4、M5 Mac 上像原生应用一样运行。 在 Apple Silicon Mac 上用 Parallels Desktop 或 UTM 5 建一台跑 Omarchy（Arch Linux ARM）的虚拟机。把 Mac 的 Wi-Fi、音频、媒体键、触控板手势、显示器排列、Night Shift 和壁纸接进虚拟机，同时用 Omanotch 把 Omarchy 的 bar 填进刘海旁的黑条。

还好还好，我的M3苹果笔记本还能战斗几年，一年拿出来用的次数不超过10次😂，除了办签证的时候用一下以外，其他时候基本不用，也不打游戏，也不去星巴克假装上班

折腾了两天，MiniMax M3 终于让我驯服了。 现在我只要说一句话，Hermes Agent 就会带着 M3 自己去干活：拉 Git 最新代码、执行 CI、编译、跑全量测试、分析结果。如果中间遇到点小问题，它还会自己查日志、自己修，最后把测试结论交给我。 最关键的是，这活根本不需要 GPT 5.5、DeepSeek V4 Pro 这种“尖子生”出马。 M3 就够了。 以前我总觉得，AI 越聪明越适合干活。现在越来越觉得不是这么回事。很多重复性的流程，真正需要的不是最聪明的大脑，而是一个听话、便宜、能一直干的员工。 就像公司不会让 CTO 天天去点发布按钮一样。 现在我的 GPT 和 DeepSeek 负责写 SOP、设计方案、解决疑难杂症；M3 负责按 SOP 一遍一遍执行。分工一下，效率反而更高。 最重要的是，我买的是年会员。 不用也是浪费。 现在终于把它从聊天机器人，培养成了一个真正会干活的数字员工。:::

在本地 Mac Studio M3 Ultra 上，1-bit GLM-5.2 GGUF 以约 21.6 tok/s 的速度运行，表现出色。我们将其与 Claude 4.8 Opus 和 GPT-5.5 进行了同样的提示对比，一探三者在一轮输出中的差异。 各自的优劣势如何，你更倾向于哪款模型的输出？