MiniMax vừa tung M3 vào ngày 1/6/2026, và mình phải nói thẳng: đây là model open-weight đáng chú ý nhất tháng 6. Không phải vì benchmark cao nhất, mà vì nó là model đầu tiên gói được ba thứ mà trước đây phải chọn một — coding giỏi, context dài, và multimodal — trong cùng một kiến trúc, với giá rẻ hơn cả một ly cafe.
Mình test M3 trong tuần qua và so sánh trực tiếp với GPT-5.5, Gemini 3.1 Pro, và Claude Opus 4.7. Kết quả có phần bất ngờ.
MiniMax M3 là gì và tại sao bạn nên quan tâm?
MiniMax M3 là model ngôn ngữ mới nhất từ phòng lab MiniMax (Thượng Hải), ra mắt 1/6/2026. Đây là model open-weight đầu tiên trên thị trường kết hợp đồng thời ba khả năng: coding ở mức frontier, context window lên đến 1 triệu token, và hiểu được cả text, hình ảnh, video. Trước M3, bạn muốn context dài thì dùng Gemini, muốn coding giỏi thì dùng Claude, muốn rẻ thì dùng model nhỏ hơn. M3 gộp cả ba vào một.
MSA — kiến trúc sparse attention làm nên khác biệt thế nào?
Điểm mấu chốt nằm ở kiến trúc MiniMax Sparse Attention (MSA). Thay vì để mỗi token “nhìn” tất cả token khác như full attention truyền thống, MSA dùng một nhánh index nhẹ để chọn ra những block key-value quan trọng nhất, rồi chỉ chạy attention trên đó. Kết quả: per-token compute ở context 1M giảm xuống còn 1/20 so với thế hệ trước.
Con số thực tế: prefill nhanh hơn 9 lần, decoding nhanh hơn 15 lần so với bản tiền nhiệm M2.7. Tốc độ output đạt khoảng 100 tokens/giây, nhanh gấp 3 lần Claude Opus 4.7. Mình test thực tế thấy phản hồi gần như tức thì, kể cả khi nạp hơn 500K token vào context.
Điều thú vị là MiniMax từng bỏ sparse attention ở cả thế hệ M2 (từ M2 đến M2.7) vì cho rằng hạ tầng chưa đủ chín. Bây giờ họ quay lại và chứng minh MSA hoạt động hiệu quả. Một bước lùi hai bước tiến.
MiniMax M3 so sánh với GPT-5.5, Gemini 3.1 Pro và Claude Opus 4.7 ra sao?
Mình so sánh trên các benchmark quan trọng nhất với developer:
- SWE-Bench Pro (sửa bug thực tế): M3 đạt 59.0%, vượt GPT-5.5 và Gemini 3.1 Pro, tiệm cận Claude Opus 4.7. Trong thế giới open-weight, đây là con số ấn tượng.
- BrowseComp (tìm kiếm web): M3 đạt 83.5, vượt cả Claude Opus 4.7 (79.3). Đây là điểm mạnh bất ngờ.
- Terminal-Bench 2.1 (agentic terminal tasks): 66.0%. M2.7 chỉ đạt 57.0% trên bản 2.0, nhảy vọt 9 điểm.
- MCP Atlas (tool-use qua MCP): 74.2%. Rất triển vọng cho agentic workflows.
Mình cần nói rõ: nhiều benchmark chạy trên hạ tầng của chính MiniMax, có dùng agent scaffolding. Nên số liệu là tham khảo tốt, nhưng chưa thay thế được test thực tế trên workflow của bạn. Mình khuyến nghị test trực tiếp trước khi commit.
Giá MiniMax M3 rẻ đến mức nào?
Đây là phần mình thích nhất. Giá promo hiện tại:
- Input: $0.30/1 triệu token
- Output: $1.20/1 triệu token
- Blended với cache: thấp đến $0.06/1 triệu token
So sánh nhanh: Claude Opus 4.7 giá $5/$25, GPT-5.5 giá $5/$30, Gemini 3.5 Flash giá $1.50/$9. M3 rẻ hơn Opus 4.7 khoảng 20 lần về input, 15 lần về output. Ngay cả so với Flash — model value king của Google — M3 vẫn rẻ hơn 5 lần.
Với mức giá này, bạn có thể chạy agent dài cả ngày, nạp nguyên codebase vào context, mà chi phí vẫn thấp hơn một bữa trưa.
MiniMax M3 phù hợp cho ai trong 2026?
M3 tỏa sáng nhất ở ba trường hợp sử dụng:
Developer Việt Nam cần coding assistant rẻ. SWE-Bench 59% nghĩa là sửa bug, refactor, viết feature khá ổn. Không bằng Claude Opus 4.7 nhưng đủ cho 80% công việc hàng ngày, với giá rẻ hơn 20 lần.
Team xây agentic workflow. Context 1M token + MCP Atlas 74.2% + giá rẻ = combo hoàn hảo cho agent chạy dài. Bạn có thể giữ session agent hàng giờ không lo chi phí.
Startup cần multimodal nhưng ngân sách hạn hẹp. Thay vì trả Gemini Flash cho text + model riêng cho image, M3 gói cả hai. Tiết kiệm đáng kể cho pipeline xử lý tài liệu, ảnh, video.
MiniMax M3 có điểm yếu gì cần lưu ý?
Mình test và nhận thấy vài điểm cần cân nhắc:
Open weights chưa release. Tính đến hôm nay, MiniMax mới chỉ mở API. Hứa mở weights trên Hugging Face và GitHub trong khoảng 10 ngày sau launch, nhưng đến nay vẫn chưa thấy. Nếu bạn cần self-host hoặc fine-tune, phải chờ thêm.
Benchmark vendor-run. Nhiều kết quả chạy trên hạ tầng MiniMax với agent scaffolding. Thực tế chạy trên pipeline của bạn có thể khác. Luôn verify trước khi production.
Hạ tầng API còn mới. MiniMax là lab Trung Quốc, API endpoint chính ở Asia. Latency từ Việt Nam khá tốt, nhưng uptime và support chưa có track record như OpenAI hay Anthropic.
Ecosystem còn mỏng. Không có community lớn như Llama, tài liệu còn ít. Nếu gặp bug, bạn chủ yếu tự giải quyết.
Mình khuyến nghị dùng MiniMax M3 thế nào cho hiệu quả?
Sau khi test một tuần, mình đề xuất chiến lược hybrid routing:
- Task coding phức tạp, refactor lớn: vẫn dùng Claude Opus 4.7. Chất lượng cao nhất, đáng mỗi đồng.
- Task coding routine, bug fix, review code: chuyển sang M3. Rẻ hơn nhiều, chất lượng đủ tốt.
- Agentic workflow chạy dài: M3 là lựa chọn số 1. Context 1M + giá rẻ = không đối thủ ở thời điểm hiện tại.
- Reasoning phức tạp, math, logic sâu: GPT-5.5 vẫn tốt hơn.
Nguyên tắc: đừng chọn một model cho mọi việc. Route task đến model phù hợp nhất, và M3 là lựa chọn giá rẻ tuyệt vời cho phần lớn công việc hàng ngày.
Làm sao để bắt đầu dùng MiniMax M3 ngay hôm nay?
Bạn có ba cách truy cập M3:
- API trực tiếp: đăng ký tại platform.minimax.io, lấy API key, gọi endpoint. Tương thích OpenAI format nên tích hợp nhanh.
- MiniMax Code: IDE agent product của MiniMax, tích hợp sẵn M3. Tương tự Claude Code nhưng rẻ hơn đáng kể.
- Token plan: gói subscription trả trước cho用量 lớn, giá còn rẻ hơn API thường.
Open weights sẽ có trên Hugging Face khi release,届时 bạn có thể self-host qua vLLM hoặc SGLang.
MiniMax M3 thay đổi cuộc chơi model open-weight ra sao?
Nhìn rộng hơn, M3 đại diện cho xu hướng rõ ràng trong 2026: model open-weight đang đuổi kịp model closed ở mọi trục — coding, context, multimodal — và vượt ở giá. Khi một lab Trung Quốc tung ra model cạnh tranh GPT-5.5 với giá rẻ 20 lần, áp lực cạnh tranh đẩy cả ngành đi nhanh hơn.
Cho developer Việt Nam, đây là tin tốt. Bạn không cần trả $5/$30 cho GPT-5.5 mỗi khi cần coding assistant. M3 cung cấp 80-90% chất lượng với 5% giá. Trong bối cảnh kinh tế 2026, tối ưu chi phí AI mà không hy sinh quá nhiều chất lượng là lợi thế cạnh tranh thực sự.
Mình sẽ tiếp tục theo dõi khi MiniMax mở weights, và cập nhật benchmark độc lập so sánh trực tiếp trên workflow thực tế. Còn bây giờ, nếu bạn đang tìm model coding rẻ mà mạnh, M3 đáng để test ngay.
