MiniMax最新大模型M3已接入支付宝TokenPay解决方案，实现企业“批量购买、一键分发”的Token席位管理。用户通过支付宝AI付，在MiniMax Agent的Mix Claw服务中语音即可完成应用内结账。MiniMax成为全球首批将Token Pay融入核心订阅体系的大模型厂商，标志着支付宝国内首个MaaS支付方案投入规模化应用。
稀宇科技今日宣布开源其原生多模态旗舰模型MiniMax M3，总参数428B，激活参数23B，为行业首个此类模型。此前已开放权重并发布稀疏注意力机制论文，引发广泛关注。该模型综合性能在开源模型中排名第一。
AI初创公司MiniMax发布旗舰大模型M3，性能惊艳：在接近真实软件工程场景的测试中取得59%成绩，超越GPT-5.5，逼近Opus4.7，具备百万级上下文处理能力和原生多模态特性，但发布后引发争议。
MiniMax M3模型正式发布，京东云JoyBuilder平台同步接入并开放服务。核心亮点是推理性能大幅提升，通过自研推理框架结合PD分离部署、KV Cache缓存及投机采样等优化技术，实现更高效的实际运行效果。
richardyoung
这是一个高性能的4位量化版本的Kimi K2 Instruct模型，专为使用MLX框架在Apple Silicon（M1/M2/M3/M4）Mac上运行而优化。该模型拥有6710亿参数，支持128K上下文窗口，在质量和效率之间实现了出色的平衡，是大多数实际部署的理想选择。
mlx-community
这是美团LongCat-Flash-Chat模型的MLX格式转换版本，采用创新的DQ6_K_M量化技术，专为配备512GB内存的苹果Mac Studio M3 Ultra设备优化，在保持接近8位量化性能的同时显著减少内存占用
inferencerlabs
GLM-4.6是基于MLX框架的高效文本生成模型，采用6.5bit量化技术，在保持高质量文本生成能力的同时显著降低计算资源需求。该模型在单台M3 Ultra设备上即可运行，支持高效的文本生成任务。
基于moonshotai/Kimi-K2-Instruct-0905基础模型，使用改进版MLX 0.26进行动态量化的大语言模型。通过创新的动态量化策略，在保持出色性能的同时显著降低硬件需求，可在单台M3 Ultra设备上高效运行。
Kimi-K2 Dynamic MLX是基于moonshotai/Kimi-K2-Instruct模型构建的文本生成项目，采用优化后的MLX库实现高效量化性能。该模型在单台M3 Ultra 512GB RAM机器上运行，支持多种量化方式，在测试中展现出优秀的困惑度指标。
mradermacher
这是moka-ai/m3e-base模型的静态量化版本，专门用于文本嵌入任务，支持中文和英文。提供了多种量化级别，从Q2_K到f16，满足不同场景下的性能和精度需求。
alvdansen
Alvdansen实验室推出的超现实主义风格文本生成图像模型，采用稳定扩散XL基础模型和LoRA技术。
m3
SSCD 是一个用于图像复制检测的深度学习模型，能够提取图像特征并进行相似度比较。
GoodBaiBai88
这是一个基于Apache 2.0许可证的开源项目，为使用者提供了广泛的使用权限和保障，具体模型功能和特性需要进一步确认
mucai
M3是一个允许在运行时显式控制视觉粒度的多模态模型，可作为图像/数据集复杂度的度量标准，基于LLaMA/Vicuna微调而成。
M3D是基于多模态大语言模型的3D医学影像分析技术，包含M3D-Data数据集、M3D-LaMed模型和M3D-Bench评估基准。
M3D-CLIP是专为3D医学影像设计的CLIP模型，通过对比损失实现视觉与语言的对齐。
manu
这是一个专门用于法语和英语的嵌入模型，基于sentence-transformers框架，能将句子和段落映射到1024维的密集向量空间，可用于聚类、语义搜索等任务。该模型基于BGE M3的密集模型，在自定义的法语和英语数据上进行微调得到。
m3hrdadfi
这是一个基于sentence-transformers的句子嵌入模型，能够将文本转换为768维的向量表示，适用于语义相似度计算等任务。
面向波斯语的自监督语言表征学习轻量级BERT模型
这是一个基于Wav2Vec 2.0架构的波斯语语音情感识别模型，能够识别六种基本情感状态。
基于Wiki Summary数据集训练的Bert2Bert文章摘要模型，能够生成文章的简洁摘要。
m3rg-iitd
MatSciBERT是一个基于BERT架构的预训练语言模型，专门针对材料科学领域的文本挖掘和信息提取任务进行优化。
m3tafl0ps
这是一个基于AutoNLP训练的二元分类模型，用于处理自然语言处理任务。
一个基于Python的MCP服务器项目，能与Claude等AI助手协作，根据用户心情或主题生成.m3u格式的本地音乐播放列表，并保存到指定目录。
该项目是一个实现CISA BOD 25-01安全控制的M365 MCP服务器，通过微软Graph API管理Microsoft 365安全设置，提供包括阻止传统认证、基于风险访问控制、MFA管理、应用注册控制、密码策略管理等功能。
一个实现CISA BOD 25-01安全控制的M365 MCP服务器，用于管理和配置Microsoft 365安全设置
一个基于Python的MCP服务器，允许AI代理程序化查询Microsoft 365路线图，帮助组织跟踪即将发布的Teams、SharePoint等产品功能更新。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
'%3e%3cpath%20d='M55.2622%2038L48.2289%2022L44.1206%2031.3333H47.2539L45.7872%2034.6667H38.7622L46.0956%2018H37.6706C36.7539%2018%2036.0039%2018.75%2036.0039%2019.6667V36.3333C36.0039%2037.25%2036.7539%2038%2037.6706%2038H55.2622Z'%20fill='white'/%3e%3cpath%20d='M64.3368%2018H50.3535L59.1535%2038H64.3368C65.2535%2038%2066.0035%2037.25%2066.0035%2036.3333V19.6667C66.0035%2018.75%2065.2535%2018%2064.3368%2018ZM63.0868%2034.6667H59.7535V21.3333H63.0868V34.6667Z'%20fill='%23FFCC66'/%3e%3cpath%20d='M89.3379%2026.75V29.25H81.8379V36.75H91.8379V24.25H81.8379V26.75H89.3379ZM84.3379%2034.25V31.75H89.3379V34.25H84.3379Z'%20fill='white'/%3e%3cpath%20d='M103.504%2036.75V29.25H96.0039V26.75H103.504V24.25H93.5039V31.75H101.004V34.25H93.5039V36.75H103.504Z'%20fill='white'/%3e%3cpath%20d='M115.17%2026.75V24.25H105.17V36.75H115.17V34.25H107.67V31.75H115.17V29.25H107.67V26.75H115.17Z'%20fill='white'/%3e%3cpath%20d='M80.1712%2029.25V29.175L78.9962%2028L80.1712%2026.825V20.425L78.9962%2019.25H69.3379V36.75H78.9962L80.1712%2035.575V29.25ZM77.6712%2034.25H71.8379V29.25H77.6712V34.25ZM77.6712%2026.75H71.8379V21.75H77.6712V26.75Z'%20fill='white'/%3e%3c/g%3e%3cg%20clip-path='url(%23clip1_644_3948)'%3e%3cpath%20d='M169.59%2022.9827L169.59%2023.6491H177.409L168.175%2032.8822L169.118%2033.8248L178.351%2024.5917L178.352%2032.4106H179.685V22.3164L179.018%2022.3157H169.59V22.9827Z'%20fill='white'/%3e%3c/g%3e%3cdefs%3e%3cclipPath%20id='clip0_644_3948'%3e%3crect%20width='80'%20height='20'%20fill='white'%20transform='translate(36%2018)'/%3e%3c/clipPath%3e%3cclipPath%20id='clip1_644_3948'%3e%3crect%20width='20'%20height='20'%20fill='white'%20transform='translate(164%2018)'/%3e%3c/clipPath%3e%3c/defs%3e%3c/svg%3e)
