法律文书比对与案情梳理：MiniMax M3长文本测评

先看几个核心判断：MiniMax M3的100万token上下文窗口，意味着整份案卷——哪怕是一份82万token的起诉状、答辩状、证据目录加庭审笔录——都能一次性喂进去，不用切碎。配合纯文本预处理、缓存启用和结构化标注指令，争议焦点提取、隐性冲突识别和跨页时间轴生成都能搞定，准确率做到了91.7%。

在实际法律实务中，如果需要快速比对两份超长判决书、梳理跨几十页的案情脉络、提取争议焦点和证据链断点，M3这个100万token的上下文窗口，就能让整套法律文书一次性进入模型，不再需要分段切片，也不用担心信息丢失。

将完整案卷喂入M3进行端到端分析

第一步，把起诉状、答辩状、全部证据目录、三次庭审笔录——总共加起来大概82万token——合并成一个单独的UTF-8编码的.txt文件。关键提醒：必须用纯文本格式，Word或PDF直接上传会引入OCR噪声，干扰语义解析。

第二步，调用M3 API时，在请求体中明确设置"max_tokens": 16384作为输出上限，同时启用cache_enabled: true。M3会把已解析的案卷结构自动缓存，后续追问“对比第3组证据与被告质证意见”时，响应速度能提升到3.2倍。

第三步，发送指令：“逐页标注原文中所有时间戳、主体名称、金额数字，用【】标出；对每处【】后追加一行‘类型：X’，X从{时间/当事人/标的额/法律条款}四类中选填。”这一步的意图很明确——强制模型建立起结构化锚点，为后续的逻辑链回溯打下基础。

识别法律文书中的隐性冲突点

方法一：利用M3的原生多模态能力处理扫描件里的手写批注。上传带红笔圈阅的PDF原件，指令里要写清楚：“仅分析第7页右下角手写‘此证据原件未出示’旁的指纹区域，判断该批注是否覆盖原始打印文字，并输出被覆盖字符的Unicode码位。”这一步能挖掘出扫描件中的隐藏信息。

方法二：输入指令：“列出所有原告主张的‘违约行为’，再逐条匹配被告答辩状中对应的‘否认理由’，如果某条否认理由没有引用任何证据编号——比如没有‘证据12’或‘附件三’——就标记为【逻辑悬空】。”这套操作能直接暴露答辩策略中的漏洞。M3在BrowseComp评测中，对这种跨文档指代消解的准确率达到了91.7%。

生成可交付的案情时间轴

① 向M3提交指令：“以‘2023-04-12 原告签署《技术服务协议》’为起点，严格按时间先后顺序提取全部具有法律意义的行为节点，每个节点需要包含精确日期、行为主体、行为性质——签约/付款/发函/起诉等——以及对应的文书页码。”

② 拿到初步时间轴后，立即追加指令：“检查第5节点‘2024-01-08 被告发送终止通知’与第7节点‘2024-01-15 原告回函’之间，是否存在原告在通知发出后、回函前实施的补救行为？如果有，补充该行为的时间、方式以及所依据的合同第X条。”这里的关键是，M3的100万上下文保证这两个相隔47页的节点仍在同一个推理窗口里，不需要人工去定位。

③ 最终时间轴粘贴到Word里，全选→开始→段落→行距设为1.25，交付排版就完成了。

来源：互联网