MiniMax · 2026-06 · 稀疏 MoE · 多模态

MiniMax-M3

MiniMax-M3 是 MiniMax 于 2026-06 发布的 分组查询注意力(GQA) Transformer,共 60 层,隐藏维度 6144,上下文窗口 1,048,576 个 token。

层堆栈

注意力 ×60 · 层数 60

关键参数

实验室MiniMax
发布时间2026-06
总参数443.4 B
激活参数25.5 B
上下文1,048,576 tokens
注意力GQA (64:4)
层数60
隐藏维度6,144
注意力头64
词表200,064
位置编码RoPE
归一化RMSNorm
激活函数swigluoai
训练精度bf16
架构类名MiniMaxM3SparseForConditionalGeneration

架构概览

视觉输入 → token t₁ t₂ t₃ t₄ 输入 token Embedding · 词表 200,064 → 隐藏维度 6,144 Q1 Q2 Q3 Qn KV1 KV2 KV3 KVn 注意力头 64 KV 头 4 head dim 128 · RoPE 路由器 E1 E2 E3 E4 E5 E6 E7 E8 +120… 共享专家 ×1 128 专家选 top-4 · 每 token 约激活 25.5B 参数 × 60 Transformer 块 注意力 前馈 / MoE RMSNorm pre-norm 最终归一化 · RMSNorm LM head → 词表 200,064 p p p → 下一 token MTP ×1 → +1 个未来 token 位置编码 RoPE 训练精度 BF16 上下文 1024K tok Vision ⇢ token
依据随权重发布的 config.json 绘制 · 60 层 / 宽 6,144 / 上下文 1,048,576。本图为本站原创示意图。

注意力

分组查询注意力(GQA) — 64 q-heads / 4 kv-heads. RoPE θ=5,000,000.

前馈 / MoE

它是稀疏混合专家模型:128 个路由专家、top-4 路由;每个 token 约激活 25.5B 参数。

配置中包含 1 个额外的多 token 预测(MTP)层,用于加速解码。

字段级对比

对比对象为同实验室的上一代模型;无前代时取结构最相似的模型。倍数列 = 本模型数值 ÷ 对比模型数值。

与前代 MiniMax-M2.7 的全字段对比
模型MiniMax-M3MiniMax-M2.7倍数
model_typeminimax_m3_vlminimax_m2
architecturesMiniMaxM3SparseForConditionalGenerationMiniMaxM2ForCausalLM
hidden_size61443072×2.00
num_hidden_layers6062×0.968
num_attention_heads6448×1.33
num_key_value_heads48×0.500
head_dim128128≈1
intermediate_size30721536×2.00
hidden_actswigluoaisilu
num_experts_per_tok48×0.500
n_shared_experts1
rope_theta50000005000000≈1
max_position_embeddings1048576204800×5.12
rms_norm_eps0.0000010.000001≈1
vocab_size200064200064≈1
torch_dtypebfloat16
num_nextn_predict_layers1
image_grid_pinpoints[(336, 336), (336, 672), (336, 1008), (336, 1344), (336, 1680), (336, 2016), (672, 336), (672, 672), (672, 1008), (672, 1344), (672, 1680), (672, 2016), (1008, 336), (1008, 672), (1008, 1008), (1008, 1344), (1008, 1680), (1008, 2016), (1344, 336), (1344, 672), (1344, 1008), (1344, 1344), (1344, 1680), (1344, 2016), (1680, 336), (1680, 672), (1680, 1008), (1680, 1344), (1680, 1680), (1680, 2016), (2016, 336), (2016, 672), (2016, 1008), (2016, 1344), (2016, 1680), (2016, 2016)]
image_seq_length576
image_token_index200025
video_token_index200026
multimodal_projector_biastrue
num_reward_heads0
process_image_modedynamic_res
projector_hidden_actgelu
vision_feature_layer-1

结构最相似的模型

相似度取值范围 0(无共同类别特征)到 1(结构画像完全一致)。

原始 config 字段

46 个字段
architecturesMiniMaxM3SparseForConditionalGeneration
model_typeminimax_m3_vl
image_grid_pinpoints[(336, 336), (336, 672), (336, 1008), (336, 1344), (336, 1680), (336, 2016), (672, 336), (672, 672), (672, 1008), (672, 1344), (672, 1680), (672, 2016), (1008, 336), (1008, 672), (1008, 1008), (1008, 1344), (1008, 1680), (1008, 2016), (1344, 336), (1344, 672), (1344, 1008), (1344, 1344), (1344, 1680), (1344, 2016), (1680, 336), (1680, 672), (1680, 1008), (1680, 1344), (1680, 1680), (1680, 2016), (2016, 336), (2016, 672), (2016, 1008), (2016, 1344), (2016, 1680), (2016, 2016)]
image_seq_length576
image_token_index200025
video_token_index200026
multimodal_projector_biastrue
num_reward_heads0
process_image_modedynamic_res
projector_hidden_actgelu
vision_feature_layer-1
vision_feature_select_strategyfull
torch_dtypebfloat16
transformers_version4.52.4
projector_hidden_size6144
hidden_size6144
intermediate_size3072
num_hidden_layers60
num_attention_heads64
num_key_value_heads4
head_dim128
vocab_size200064
max_position_embeddings1048576
rms_norm_eps0.000001
use_gemma_normtrue
attention_output_gatefalse
rope_theta5000000
rotary_dim64
partial_rotary_factor0.5
hidden_actswigluoai
use_qk_normtrue
tie_word_embeddingsfalse
dense_intermediate_size12288
shared_intermediate_size3072
num_local_experts128
num_experts_per_tok4
n_shared_experts1
scoring_funcsigmoid
use_routing_biastrue
moe_layer_freq0×3 + 1×57
qk_norm_typeper_head
num_mtp_modules7
num_nextn_predict_layers1
swiglu_alpha1.702
swiglu_limit7
routed_scaling_factor2