ตามการติดตามของ Beating พบว่าแพลตฟอร์มมาตรฐาน DeepSWE ซึ่งเน้นการประเมินความสามารถของโมเดลขนาดใหญ่ในการแก้ปัญหางานซอฟต์แวร์ระยะยาว ได้เผยแพร่การอัปเดตอันดับล่าสุด โดยได้รวมโมเดลการเข้ารหัส MiniMax M3 ของ MiniMax ไว้ในการประเมินอย่างเป็นทางการ ในการประเมินภารกิจโอเพนซอร์สจริง 113 รายการ MiniMax M3 มีอัตราผ่าน Pass@1 อยู่ที่ 20.4% แม้ว่าผลงานนี้ยังคงตามหลัง Kimi-k2.6 (23.9%) ของ Moonshot AI แต่ก็สามารถเอาชนะ mimo-v2.5-pro (19.5%) ของ Xiaomi, GLM-5.1 (17.5%) ของ Zhipu AI รวมถึง Google Gemini 3.1 Pro (9.7%) และ DeepSeek V4 Pro (7.5%) ได้สำเร็จ
เมื่อเทียบกับผลการประเมินอิสระที่เผยแพร่โดยนักพัฒนาอิสระ @bleysg เมื่อวันที่ 2 มิถุนายนที่ผ่านมา ประสิทธิภาพของ MiniMax M3 มีการพัฒนาอย่างมีนัยสำคัญ ในการทดสอบอิสระครั้งก่อน ภายใต้เวลาจำกัดปกติ 90 นาที อัตราผ่านที่เข้มงวดของ M3 อยู่ที่เพียง 13.3% (15/113) ซึ่งตามหลัง Kimi และ GLM ในบรรดาโมเดลที่เผยแพร่ในขณะนั้น อัตราผ่าน 20.4% ในการทดสอบอย่างเป็นทางการครั้งนี้เพิ่มขึ้นอย่างมาก สาเหตุหลักมาจากการอัปเกรดการอนุมานครั้งใหญ่ที่ MiniMax ใช้งานเมื่อวันที่ 3 มิถุนายน การอัปเกรดนี้แก้ไขปัญหาการสร้าง Token ที่ผิดปกติเป็นครั้งคราวและปรับปรุงประสิทธิภาพแคชบริบทระยะยาว ทำให้ความแม่นยำของโค้ดของโมเดลในการเขียนโปรแกรมระยะยาวดีขึ้นอย่างชัดเจน และยังลดช่องว่างกับโมเดลชั้นนำอีกด้วย ที่น่าสนใจคือ หากดูที่ Pass@4 (อัตราผ่านเมื่ออนุญาตให้ลอง 4 ครั้ง) MiniMax M3 ทำได้ถึง 48.7% เท่ากับ Kimi-k2.6 และสูงกว่า GLM-5.1 ที่ 38.9% อย่างมีนัยสำคัญ
อย่างไรก็ตาม ค่าใช้จ่ายด้านทรัพยากรและการคำนวณที่สูงยังคงเป็นจุดอ่อนของ MiniMax M3 ในการทดสอบมาตรฐานอย่างเป็นทางการ M3 มีค่ามัธยฐานของขั้นตอน agent ในการแก้ไขงานเดียวสูงถึง 311 ขั้นตอน ค่ามัธยฐานของ Token ที่ส่งออกอยู่ที่ 91,000 Token และค่ามัธยฐานต้นทุนเฉลี่ยต่องานเดียวอยู่ที่ 5.04 ดอลลาร์สหรัฐ เมื่อเปรียบเทียบกัน Kimi-k2.6 มีค่ามัธยฐานของขั้นตอนในการแก้ไขงานเดียวเพียง 136.5 ขั้นตอน และค่ามัธยฐานต้นทุนอยู่ที่ 2.70 ดอลลาร์สหรัฐ ในขณะที่ mimo-v2.5-pro ของ Xiaomi มีค่ามัธยฐานของขั้นตอนเพียง 114.5 ขั้นตอน และค่ามัธยฐานต้นทุนต่ำกว่าที่ 1.68 ดอลลาร์สหรัฐ ข้อมูลแสดงให้เห็นว่า แม้ว่า M3 จะมีประสิทธิภาพที่ดีในด้านขีดจำกัดสูงสุดและอัตราผ่านในการแก้ปัญหา แต่ในด้านประสิทธิภาพการคำนวณและการปรับต้นทุนการอนุมาน ยังคงมีช่องว่างให้ปรับปรุงอีกมากเมื่อเทียบกับโมเดลหลักอื่นๆ ในประเทศ
