MiniMax M3 刚发布那会儿，我其实没太当回事——国产模型每个月都在“重磅发布”，这类宣传听多了多少有点免疫。
不过当看到 OpenCode 第一时间就内置了 MiniMax M3，而且还是免费的，我这根薅羊毛的神经立刻就被激活了。
前两天刚好有读者在评论区追问 MiniMax M3 到底有没有免费版，这才提醒我：用了这么些天，是时候把真实感受整理出来了。
配置倒是真的简单，至于实际体验如何，咱们一点点往下聊。
先把结论摆前面：免费带来的快乐是真的，免费附带的代价也是真的。
两分钟上车，白嫖党的春天
OpenCode 对 M3 是原生内置支持的，既不用改配置文件，也不用填 API Key，更不必折腾环境变量——对懒人来说简直是福音。
第一步：装 OpenCode
curl -fsSL | bash
# 或者用 npm
npm i -g opencode-ai
# mac 用户直接 brew，谁用谁知道
brew install opencode
装完之后用 opencode -v 瞄一眼，确认不是装了个寂寞。
第二步：启动，选模型，开薅
opencode
进到交互界面后敲 /models，选中 MiniMax-M3 回车即可。
整个过程撑死两分钟，比泡一碗方便面还快。
至于免费额度，OpenCode 的 Free 层就足够白嫖。如果顺手订个 Go 套餐（每月 5 美元，首月还有优惠），MiniMax M3 每 5 小时大约能用 1400 次请求，日常摸鱼完全够花。
跑长任务的话……建议你先看看下面的翻车实录再决定。
网友：跑分猛如虎，实操原地杵
先声明，我对 MiniMax M3 本身没有偏见。但把社区反馈刷了一圈之后，我发现踩坑的远不止我一个。
MiniMax 官方数据确实好看——SWE-Bench Pro 59%，号称超越 GPT-5.5，直逼 Opus 4.7。数字摆在那，看着挺唬人的。
可真到上手的时候，观感就像方便面包装上那句“图片仅供参考”。
翻车现场一：俄罗斯方块都能写出死循环
B 站网友「硬币不够昵称修改失败」让 M3 写了个俄罗斯方块。
结果 bug 明显到肉眼可见，更绝的是——让它自己修，十几分钟陷入死循环 ，越改越离谱。
让 AI 去修自己写的 bug，结果它制造出更多 bug，然后再去改、再继续制造——这哪是修 bug，分明是一台 bug 永动机。
还有人发现它废话多且严重降智：
翻车现场二：别人都会，就它掉链子
用户「QuantumQuasar」做了个对话压缩的 Skills 测试。GPT-5.4、DeepSeek Pro、MiMo Pro、GLM-5.1、Kimi 2.6 全部完美执行，到了 M3 这儿直接拉胯。他的原话是：
比 DeepSeek Flash 的 Agent 能力强很多，但比其他国产 SOTA 差太多了。
这句话的杀伤力在于——他不是在骂 M3，他只是在陈述事实。
翻车现场三：跑分的水，比太平洋还深
推特开发者 @melvynx 的吐槽就比较硬核了。他指出 M3 在 SWE-Bench Pro 上拿了高分，但那是因为模型就是在这个基准上训练的 。换个它没训练过的基准测试，得分直接跌到 13%，而 GPT-5.5 是 62%。
简单翻译一下：你去参加考试，结果考试的题目就是你做过的练习册。你说你考了高分，但换张你没见过的卷子就全不会了。
这哥们有几十万粉丝，过往评测也挺客观的，所以我倾向于相信他不是乱黑。
翻车现场四：涨价了，但东西没涨
用户「雨假无人半丝鲲化」的评价一针见血：
基本没有太多升级，跟不上第一梯队了，价格还贵，Plan 也加价了。
就像某些视频会员——续费的时候发现涨价了，但片库还是原来那些。Token ≠ Credits 这背后的计算逻辑，懂的都懂，不懂的说了也不懂。
我也测了两个场景，结果……让我们直接看
看完各路吐槽我心里多少有点发毛，但光看热闹不行，还是得自己上手验一验。
下面两个场景我分别用 MiniMax M3 和 DeepSeek V4 Pro 跑了一遍。不是为了写评测（真真的不是），纯粹是想知道——免费的到底差在哪。
为什么是这两个场景？
目前的 AI 编程评测圈已经卷到什么程度了呢——HumanEval 这类刷题向的，所有前沿模型都能 95%+ 通过。刷榜已经没有意义了。
真正能拉开差距的是两种能力：
-
多文件改代码——真实项目不可能只有一个文件，改一个函数要联动三四个模块
-
陌生代码 Debug——给你一坨你没见过的代码，能不能快速定位问题
这两点恰好是目前公认最抗"刷榜"的评测方向。所以我就拿它们下手了。
场景一：跨文件修改
用的是我自己封装的开发 Skill，同一个需求、同一个知识库、同一条命令：
/feature-dev 233702
MiniMax M3 的表现：
不理解的地方会确认，这点不错。但确认完之后……基本上还是不知道该改哪，从业务框架和知识库里推理不出正确的位置。
实现计划里有个 return 39，那个值还是我告诉它的。它不会自己从方法里枚举推理，必须我手把手喂。
DeepSeek V4 Pro 的表现：
同样不理解的地方会确认，但每个确认点都很精准，问的都是关键问题。
实现计划几乎不需要改动，直接执行就完事了。
“差距”肉眼可见。MiniMax M3 有点点像个刚入职还在看文档的实习生，DeepSeek V4 Pro 像个已经摸清业务的老员工。
当然测试不一定非常精准，可能刚好是我遇到这个场景问题。
场景二：写个"星际矿工"小游戏
这个测试纯粹是为了看看两个模型的输出质量差异。
Prompt：
用 HTML5 Canvas 做一个"星际矿工"小游戏。要求：
- 玩家控制飞船采集矿石，带回基地换取资源
- 消耗资源可以建造战斗单位
- 敌方会定时来袭，保护基地不被摧毁
- 单 HTML 文件，打开就能玩
先看速度和消耗：
| MiniMax M3| DeepSeek V4 Pro
---|---|---
耗时| 15分50秒| 11分20秒
Token 消耗| ~5.5w| ~6.9w
M3 耗时多了 40%，但 Token 消耗反而少了——大概是因为中间反复卡壳、来回拉扯浪费的时间不算在 Token 里。
MiniMax M3 效果：
DeepSeek V4 Pro 效果：
个人感觉MiniMax M3整体架构布局和操作感觉还是比较不错的，加上多模态能力可以给他提供更加好看的图片动效。
大家看完视频是感觉哪一个做出的效果比较好鸭！
所以这羊毛到底薅不薅？
我的看法是：薅啊，又不是不能用，还要什么自行车。
比较务实的用法是：日常零碎活儿丢给 MiniMax M3 白嫖，关键任务再切到 DeepSeek V4 Pro。在 OpenCode 里一条 /models 命令就能切换，比某些人换头像还快。
最后聊两句
说个好笑的——本来 M3 刚出来的时候，我还真动过买 Plus 版好好测一测的心思。结果问了几个朋友，直接被劝退，口径出奇一致："别买，不是太好用"。
就放弃付费购买了。薅一薅羊毛啦！
不过单就 MiniMax M3 免费这件事来说，站在薅羊毛的角度看——香，是真香。
OpenCode 的内置支持也做得干净利落，零门槛上车，讲究个舒服。
评论0