MiniMax、M3をWAICで出展。100万文脈に対応

結論

MiniMaxが7月17日に上海で開幕した世界人工知能大会で、多モーダルの基幹モデルM3を出展した。最大100万トークンの文脈に対応し、画像と動画の入力を標準で受け付け、パソコンの操作もこなすとされる。長文の資料をまとめて処理したい業務や、画面を操作する自動化を検討している企業には、選択肢がひとつ増えた形になる。

モデルの中身

M3は同社が2026年6月1日に公開したモデルで、WAICは大規模な展示の機会という位置づけになる。同社の説明によれば、コーディングとエージェント的なタスクの両方で最前線の能力に達しているという。

技術的な軸は、MSAと呼ぶ疎な注意機構である。これによって最大100万トークンの文脈を扱えるようにした。長文の処理、コーディング、エージェント的なタスクで性能が上がったと同社は説明している。画像と動画の入力に標準で対応し、デスクトップのパソコンを操作できる点も特徴として挙げられている。

中国側の報道では、M3はコーディング、エージェント能力、100万トークンの文脈、標準の多モーダル処理を単一の構成に統合した最初の国産モデルという位置づけで紹介されている。

大会では、MiniMaxのほかに華為技術、アリババ、百度といった大手や、StepFun、智譜AIなどが出展している。中国メディアの事前報道では会期中に261種類の大規模モデルが公開される見込みとされていた。同じ会期には、Moonshot AIのKimi K3が公開されたばかりでもある。

なお、性能に関する記述は同社の発表に基づくものである。第三者による検証結果や、独立したベンチマークでの順位は現時点で確認できていない。最新の仕様と価格は公式情報で確認してほしい。

長い文脈は万能ではない

100万トークンという数字は目を引くが、実務でそのまま効くわけではない。ここは誤解が起きやすい部分なので、整理しておく。

100万トークンは、日本語でおおよそ数十万字に相当する。文庫本で数冊分である。これを一度に渡せるなら、契約書のまとまりや数か月分の議事録をそのまま読ませられる。この点は確かに便利である。

一方で、渡す文脈が長いほど処理時間と費用が増える。従量課金のAPIでは、入力トークン数がそのまま料金に効く。100万トークンを毎回渡す運用は、月あたりの費用が跳ね上がる。

さらに、長い文脈を渡すと精度が上がるとは限らない。関係のない情報が大量に混ざると、モデルが拾うべき箇所を見失う場合がある。実務では、必要な部分だけを検索して渡す設計のほうが、速く、安く、正確に済むことが多い。

つまり100万トークンの意味は「毎回そこまで渡せる」ではなく「渡せる上限が高いので、切り詰める設計に時間を使わなくてよい場面がある」という程度に理解しておくのが正確である。長文の文脈に対応するモデルは他社からも出ており、この点だけで選定する理由にはなりにくい。

現場の実務にどう効くか

M3のような多モーダルかつエージェント的なモデルが実務で意味を持つのは、画面の操作を伴う業務である。

具体的には、社内の古い基幹システムからのデータ抽出、複数の業務システムをまたぐ転記、定型のレポート作成といった作業が該当する。これらはAPIが用意されていないシステムで発生することが多く、これまでRPAツールで自動化してきた領域である。RPAは画面の要素が変わると止まるという弱点があり、保守に手間がかかってきた。画面を見て判断できるモデルは、この弱点を埋める可能性がある。

ただし、いま検討を始めるなら順序がある。まず、対象の業務を1つ選ぶ。次に、その業務が月に何時間かかっているかを測る。この2つをやらずにモデルの比較から入ると、選定に時間をかけたわりに導入する先がないという状態になる。

モデルの選定そのものについては、NVIDIAの日本での連携拡大やPerplexityがエージェント向けの実行環境を公開したことなど、周辺の動きが月単位で変わっている。特定のモデルに合わせて業務を作り込むのではなく、差し替えられる設計にしておくことを勧める。中国製モデルを業務に組み込む場合は、推論がどの国のインフラで実行されるかを確認し、扱うデータの機密度に応じて使い分ける基準を先に決めておく必要がある。

出典

• MiniMax M3: Frontier Coding, 1M Context, Native Multimodality — All in One Model（MiniMax）
• 300 plus AI products set to make their global debuts at WAIC with strong focus on practical applications（Global Times）
• MiniMax Launches M3 Model With 1M Context and Native Multimodal Capabilities（Pandaily）