MiniMax M3 レビュー・評判：エージェント性能とマルチモーダルを一つにしたオープンモデル

結論から言うと、MiniMax M3（minimax-m3）は「エージェント的なコーディングと、画像・動画の処理を一つのモデルでまかないたい」場面で有力です。前世代の MiniMax M2.7 から、マルチモーダル対応が後付けではなく設計の中心に変わりました。

概要：428B の MoE、100万トークン文脈

M3 は MiniMax が 2026年5月末〜6月初旬に公開したオープンウェイトの Mixture-of-Experts（MoE）モデルです。総パラメータ 428B に対しアクティブは約 23B と、規模のわりに推論コストを抑えた構成になっています。

• 文脈長：約100万トークン（最大出力は 512K トークン）
• 入力：テキスト・画像・動画
• 出力：テキスト

注目すべきは、画像と動画を学習の最初の段階から混ぜて訓練している点です。あとからビジョン機能を接ぎ木したモデルとは性格が異なり、スクリーンショットを見てデスクトップを操作するような用途にも対応するとされています。

ベンチマーク：オープンで初めて両立した組み合わせ

MiniMax は M3 を「推論・エージェント的コーディング・マルチモーダルを単一のオープンウェイトモデルで初めて束ねた」と位置づけています。報じられている主な数値は次のとおりです。

SWE-Bench Pro の 59.0% は GPT-5.5 や Gemini 3.1 Pro を上回ったと報じられています。文書解析の OmniDocBench でも Gemini 3.1 Pro を上回り、SVG-Bench では Claude Opus 4.7 を上回ったという報告もあります。

アーキテクチャ面では MSA（MiniMax Sparse Attention）により、100万トークン文脈において M2 比でプリフィル9倍以上・デコード15倍以上の高速化を、1/20 のトークンあたり計算量で実現したとされています。長文脈を実際に使い切る用途では、この差が体感に効いてきます。

コスト感

報道では、GPT-5.5 や Gemini 3.1 Pro の5〜10%程度のコストで同等の主要ベンチマーク性能に達する、という評価が出ています。オープンウェイトの MoE らしい価格性能比です。

ただし、動画入力は消費トークンが大きくなりやすい点に注意してください。FastMetal での円建ての単価は料金ページでご確認ください。

日本語での使い勝手

多言語対応で、日本語の一般的なタスクでは実用的です。ただし M3 の日本語特化ベンチマークは確認できませんでした。特に画像・動画を含むマルチモーダルのプロンプトは、日本語での指示追従にばらつきが出やすい領域です。本番投入の前に実プロンプトで検証してください。

向いている用途／向かない用途

向いている：

• 画像や動画を入力に含むエージェント的なワークフロー
• スクリーンショットを読ませる UI 自動化・コンピュータ操作
• コーディングとマルチモーダルを一つのモデルで済ませたい場面
• 100万トークン級の長文脈を実際に使い切る処理

向かない：

• テキストだけで足りる用途（より安く軽い選択肢があります）
• 日本語の細かなニュアンスが成果物の質を決める文章生成
• 音声入力が必要な用途（対応していません）

よくある質問

Q. MiniMax M2.7 から乗り換える価値はありますか？ 画像・動画を扱うなら明確にあります。テキストのみの用途であれば、長文脈の速度改善が効くかどうかで判断してください。

Q. 本当に画像と動画を入力できますか？ はい。テキスト・画像・動画を入力し、テキストで出力します。学習の初期段階からマルチモーダルで訓練されています。

Q. 日本語は問題なく使えますか？ 一般用途では実用的ですが、日本語特化のベンチマークは確認できませんでした。重要な用途では実プロンプトでの検証をおすすめします。

FastMetal で試す

curl https://api.fastmetal.ai/v1/chat/completions \
  -H "Authorization: Bearer $FASTMETAL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "minimax-m3",
    "messages": [{"role": "user", "content": "こんにちは"}]
  }'

同じ API キー・同じ円建て残高のまま、Claude などのクローズドモデルと model を差し替えて直接比較できます。対応モデルはモデルカタログでご確認ください。

採用するかどうかの最終判断は、公開ベンチマークではなく自分のタスクでの評価（eval）で決めるのが確実です。採点をLLMに任せる方法はLLM-as-a-judgeとはにまとめています。