前段时间我的 Codex 视频火了，播放量 20 万+，点赞 2000 多，评论2000 多。
评论真的回不过来了。数量太多，而且很多问题都是一模一样的，比如 Codex 报错、配置失败、代理怎么设、怎么接国内模型。
刚好 6 月 1 日，MiniMax 发布了 M3 模型。我本来就想看看国内大模型现在的 AI Coding 到底什么水平，那不如直接拿一个真实需求测一下：做一个 B 站评论回复助手。
你需要准备：
- 有一台电脑
- 这台电脑能上网
- 跟着前面的教程装好了codex桌面端
我的标准也很简单：不是看它会不会聊天，而是看它能不能帮我把一个真实项目做出来。
MiniMax M3 这次主要看什么
这次重点看三个能力：
AI Coding
能不能从需求拆解、页面搭建、功能补齐，一路做出一个能用的小工具。
多模态
我做项目时经常会截图给 AI，让它看页面、看报错、看布局问题。M3 支持图片和视频输入，所以很适合测这种前端开发场景。
1M 上下文
做项目不是问一次就结束。需求、代码、日志、截图反馈、修改记录会聊很多轮。长上下文的意义，就是让它更适合长时间协作。
MiniMax 接入
先准备 MiniMax 的 API Key。
https://platform.minimaxi.com/console/plan
如果是订阅套餐，key是这个
如果是一般的key，key是这个
cc switch安装
没有装过的，需要装一下，这是用于切换大模型配置的
https://github.com/farion1231/cc-switch/releases/download/v3.16.1/CC-Switch-v3.16.1-Windows.msi
github打不开的话，我放到夸克网盘了
https://pan.quark.cn/s/80c01a1e8c6b
最好和视频里面一样的版本
Codex 里接 MiniMax M3
cc switch里面导入minmax的配置
只需要填key就好
并且启用1M上下文
新版的cc switch很人性化了
需要把路由功能选上
如何测试是否接入成功
重启codex，然后发个消息，能回就说明是接入成功了的
然后需要注意的是，只要不是使用gpt账号登录的
codex的插件功能（浏览器操控，应用操控）是用不了的
新出的这个codex移动版也是用不了的
claude code接入minimax
一般我的开发流程还是习惯
codex使用满血gpt模型
claude code搭配国产模型进行补充开发
简单讲一下claude code怎么配置国产模型
也非常简单
没有claude code的不用操作就好，只是举个例子
这次项目要做什么
这次我要做的是： 哔哩哔哩评论快速回复助手
核心功能：
右键快捷回复 在 B 站视频评论区输入框内，通过右键菜单选择文字模板，并自动填入评论框。
支持主评论和楼中楼回复 能识别 B 站主评论框、楼中楼回复框，并把模板准确填入对应位置。
快捷回复模板管理 提供管理页，支持新增、编辑、删除、分组、排序和重命名文字模板。
选中文字快速添加模板 用户在 B 站页面选中文字后，可通过右键菜单或快捷键快速保存为快捷回复模板。
AI 智能回复 支持基于选中文字或图片调用大模型生成评论回复，并可复制或填入评论框。
数据备份与云同步 支持 JSON/CSV 导入导出，以及登录云端后上传、下载和自动拉取较新的模板数据。
效果展示
AI coding
使用codex从零到一开发特别简单
我的开发流程一般是这样的
- 先和ai沟通我的需求
- 我要实现什么样的效果，你可以实现吗
- 然后开始完成第一版mvp
- 不断迭代版本
多模态
我做项目的时候有个习惯，经常会把页面截图、报错截图、效果截图丢给 AI，让它帮我看哪里不对。
所以这次我很看重 M3 的多模态能力。因为做一个前端工具，不只是写代码，还要看页面效果、看布局、看交互状态。
- 优化布局
- 界面报错
- 和预期不符
1M上下文
MiniMax M3 支持最高 1M tokens 上下文。对 AI Coding 来说，它的价值不只是能放入更多文档，而是让模型更适合长时间协作。
真实项目通常会经历多轮迭代：需求分析、技术方案、代码实现、报错修复、截图反馈和功能调整。如果上下文太短，模型容易忘记早期设定，或者重复修改已经解决的问题。
以这次 B 站评论回复助手为例，我一开始会告诉模型账号定位、评论类型和回复风格。长上下文可以让它在后续开发中持续记住这些约束，让功能和回复风格保持一致。
另外，在终端里使用 Codex、Claude Code 这类工具时，长上下文可以减少频繁 compact。因为 compact 会压缩前文，可能丢失项目背景、bug 排查过程和已经确认过的方案。
所以，1M 上下文的核心意义是：让 AI Coding 从一次性问答，变成更稳定的长周期协作。
最后
我这一天用 MiniMax M3 的感受
首先，AI Coding 这块是能干活的。
我从需求拆解、页面搭建、功能补齐，一直迭代到一个能用的小工具。
第二个是多模态，这次确实帮上忙了。
我做这个评论回复助手的时候，经常会把页面截图、报错截图直接丢给它，让它看哪里不对，然后继续改。这个体验比纯文字描述舒服很多，尤其是前端页面、交互细节、布局问题，直接截图沟通效率会高很多。
第三个是 1M 上下文，它在长时间做项目的时候很有用。
因为我前面告诉它我的账号定位、评论回复风格、项目目标，后面聊了很多轮之后，它还能围绕这个方向继续改，不用我一直重新解释背景。
所以这次 M3 给我的整体感觉是：它已经不是一个只能回答问题的模型了，更像是一个可以长时间协作的 AI Coding 助手。尤其是多模态、长上下文和代码能力放在一起之后，很多以前需要我反复描述的地方，现在可以直接让它看、让它改、让它继续推进。
当然，它也不是完全不需要人管。项目方向、最终回复口吻、哪些评论该认真回，还是要我来判断。但如果你和我一样，经常用 Codex、Claude Code 这类工具做项目，我觉得 MiniMax M3 是一个很值得试的国产模型。
如果你们想看这个 B 站评论回复助手怎么做的，我后面可以单独出一期完整搭建教程。
