Нецензуриран MiniMax API: зрение на минимална цена

Почти всеки хостнат мултимодален API таксува зрението като премиум. Плащате тарифа за текстов модел за текста, а после плащате повече — понякога няколко пъти повече — в мига, в който в промпта влезе изображение. Отгоре на това входът с изображения е мястото, където поведението на отказ е най-агресивно: моделът, който с удоволствие ще обсъди дадена тема в текст, ще откаже да опише същото нещо на снимка. Резултатът е продукт, който е скъп на извикване и ненадежден на извикване — най-лошото от двата свята, когато обработвате обем. MiniMax-M3 в Shannon е нашият отговор на това: същите $0.50 / $2.00, които плащате за най-евтиния ни текстов модел, приложени върху основа, обучена мултимодално от първата стъпка, без слой за откази пред нея.

01Какво всъщност означава тук „най-евтин нецензуриран модел със зрение“

Каталогът на Shannon е дванадесет модела. Пет от тях приемат изображения. Цените им, на милион токена:

Модел със зрение	Вход	Изход	Структуриран изход
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	json_schema + response_format
MiMo-V2.5 · W8A16	$0.50	$2.00	json_schema + response_format
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	json_schema + response_format
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	само response_format
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	json_schema + response_format

MiniMax-M3 стои на дъното — $0.50 / $2.00 — наравно с MiMo-V2.5 и без нищо под себе си, защото $0.50 / $2.00 е дъното на нашия ценоразпис. Спрямо върха на гамата със зрение той е 7.7× по-евтин на вход и 9.6× по-евтин на изход от Kimi-K3.

Сложете това в реално натоварване. Да предположим, че сортирате 1000 изображения — екранни снимки, сканирани страници, продуктови снимки — средно с около 1200 токена изображение плюс промпт на входа и 300 токена отговор на изхода:

Каталожни цени на Shannon, септември 2026 г. Броят на токените е илюстративен; вашата токенизация на изображения зависи от резолюцията и от това колко изображения прикачвате на извикване.

Още две отправни точки, които е полезно да държите в главата си. Еднократното запълване на целия контекст от 262 144 токена струва около 13 цента. Отговор с максимална дължина от 16 384 токена струва около 3.3 цента. Това са реалните граници на една заявка в най-лошия случай и те са достатъчно малки, за да престане интересното ограничение на един визуален конвейер да бъде парите и да стане пропускателната способност.

02Родословието MiniMax: лаборатория, която оптимизира токени, не заглавия

MiniMax AI е шанхайска лаборатория, чиято цялостна история с отворени тегла се върти около един въпрос: как да направим вниманието достатъчно евтино, че дългият контекст и мултимодалността да престанат да бъдат лукс? Всяко издание в линията е отговор на този въпрос, а отговорите се надграждат един друг.

MiniMax-01 — Lightning Attention и зрение от самото начало

Серията MiniMax-01 (публикувана като arXiv 2501.08313) въведе Lightning Attention — реализация на вариант на линейно внимание, съобразена с вход-изхода — вътре в хибриден модел Mixture-of-Experts с 456B общо параметъра и 45.9B активирани на токен. Серията излезе като двойка: MiniMax-Text-01 и MiniMax-VL-01, моделът със зрение. VL-01 използва вече познатия стек ViT-MLP-LLM, но с Vision Transformer с 303 милиона параметъра, обучен от нулата върху 694 милиона двойки изображение–надпис, вместо зает отвън енкодер, след което подравнен и съвместно дообучен през многоетапен конвейер, обработил 512 милиарда токена.

Тази подробност има значение за статията, която четете. Зрението в това родословие не е късен адаптер, закачен върху текстов модел, за да се отметне точка. MiniMax обучава собствена визуална кула още от първото си отворено издание, което е и причината разбирането на документи, схващането на потребителски интерфейси и екранни снимки и четенето на диаграми да са трайни силни страни на семейството, а не допълнение след факта.

MiniMax-M1 — хибридно внимание за разсъждение на дължина

MiniMax-M1 (arXiv 2506.13585) е описан от авторите си като първия мащабен модел за разсъждение с отворени тегла и хибридно внимание. Той запази MoE тялото 456B / 45.9B и преплете двата типа внимание: блок с конвенционално softmax внимание след всеки седем блока Lightning Attention. Печалбата беше измерена в изчисления, а не в позиция в класация — MiniMax съобщи, че при дължина на генериране от 100K токена M1 е консумирал приблизително 25% от FLOPs на DeepSeek R1, като изначално поддържа контекст от един милион токена.

MiniMax-M2 — обратът към малка активация

MiniMax-M2 тръгна в другата посока по отношение на размера и спечели внимание с това: 62-слоен декодер с 229.9B общо параметъра, но само ~9.8B активирани на токен, използващ 256 финозърнести експерта на MoE слой със сигмоидно маршрутизиране към осем от тях, RoPE позиции и QK-RMSNorm за стабилност при обучение. Той беше изрично модел за агентно програмиране — редакции в много файлове, цикли „пусни и поправи“, поправки, потвърдени с тестове — и въведе формата преплетено мислене, при който разсъждението се пренася между рундовете на извикване на инструменти, вместо да се изхвърля след всеки ход. M2 е моделът, който изгради репутацията на MiniMax да доставя поведение, близко до челното агентно ниво, на част от цената за токен, чисто и просто като държи активациите нищожни.

MiniMax-M3 — основата под тази крайна точка

MiniMax-M3 беше пуснат на 1 юни 2026 г., с тегла в Hugging Face малко след това и технически доклад в arXiv 2606.13392. Това е модел Mixture-of-Experts с 428B параметъра и приблизително 23B активирани на токен, с документиран контекст от един милион токена и изначален вход с изображения и видео — MiniMax го описва като обучен смесено-модално „още от първата стъпка“, а не текстово предварително обучен и после мултимодално адаптиран. По собствените публикувани числа на MiniMax той постига 80.5% на SWE-bench Verified и 59.0% на SWE-bench Pro. Това са отчетени от доставчика стойности върху бенчмарк за код и точно така трябва да ги претегляте; цитираме ги, защото са публичните твърдения на лабораторията, а не защото сме ги възпроизвели независимо.

03MiniMax Sparse Attention: защо модел със зрение може да е толкова евтин

Интересната инженерия в M3 е MiniMax Sparse Attention (MSA) и тя е пряката причина мултимодален модел с такъв размер да може да стои на нашата минимална цена. Изображенията са скъпи откъм токени. Шепа страници с висока резолюция могат да сложат десетки хиляди токена в промпта, преди да сте написали и една инструкция. При стандартно внимание тази цена нараства квадратично и моделът, който чете двайсет страници, не е двойно по-скъп от този, който чете десет — той е много по-зле от двойно.

MSA променя формата на тази крива. Това е блоково разреден механизъм, изграден върху гръбнак Grouped Query Attention, разделен на два клона:

• Лек индексен клон, който оценява блоковете ключ–стойност — max-pooling на оценките през токените във всеки блок — и избира най-добрите k на позиция на заявката и на GQA група, като винаги включва локалния блок, съдържащ самата заявка, за стабилност при обучение.
• Основен клон, който изпълнява обикновено softmax внимание само върху блоковете, избрани от индекса.

Конфигурацията в статията за MSA е k = 16 блока по 128 токена, което дава на всяка заявка фиксиран бюджет от 2048 токена, върху които се внимава. Фиксиран, тоест не расте с дължината на последователността. Това е целият трик: с нарастването на контекста цената на вниманието при плътна базова линия продължава да се катери, докато цената на основния клон на MSA остава равна, така че вниманието мащабира линейно, а не квадратично.

Числата са от доклада за MiniMax Sparse Attention (arXiv 2606.13392): 28.4× намаление на FLOPs за внимание на токен спрямо еквивалентно конфигуриран GQA при 1M контекст и 14.2× при prefill / 7.6× при декодиране в реално време, измерени върху хардуер H800 в изследването на статията с модел от 109B параметъра. Отделно MiniMax съобщава 9× ускорение на prefill и 15× на декодиране за M3 спрямо M2 при 1M контекст. Всички са отчетени от лабораторията.

Статията прави и проверката, която има значение за материал за зрение: върху изначално мултимодален MoE от 109B, MSA задържа производителност, сравнима с базова линия с пълно внимание, през бенчмаркове за изображения, включително AI2D, ChartQA и MMMU, и през бенчмаркове за видео, включително EgoSchema, LongVideoBench и VideoMME — като разредените варианти на моменти подобряват резултата при видео задачите с по-дълъг контекст. Разредеността тук не е данък върху качеството, който плащате за скорост; при дълги входове тя изглежда практически безплатна.

Защо това трябва да ви интересува като клиент: цената на обслужване определя каталожната цена. Основа, чиято цена на вниманието спира да расте, е основа, която можете да си позволите да насочите към сто хиляди изображения. Това е механизмът зад „най-евтин нецензуриран модел със зрение“ — не е промоционална тарифа, а архитектура.

04Какво означава 3BIT-REAP и къде ви струва

Модел с 428 милиарда параметъра не се побира никъде удобно при пълна точност. Нашият билд на MiniMax-M3 носи наставката 3BIT-REAP, която описва две отделни операции, приложени в определен ред.

REAP: изтрий експертите, преди да ги компресираш

REAP — Router-weighted Expert Activation Pruning — е еднократен метод за компресия на MoE от Cerebras и Университета в Калгари, публикуван като arXiv 2510.13999 и приет на ICLR 2026. Аргументът му е, че при генеративни задачи отрязването на експерти бие сливането им: сливането разрушава финозърнестия контрол на маршрутизатора и внася грешка, която никога не можете да възстановите. Затова REAP вместо това оценява всеки експерт с критерий за значимост, комбиниращ стойностите на маршрутизиращата врата (колко често и колко силно маршрутизаторът го избира) и нормите на активациите на експерта (колко всъщност допринася изходът му), а после направо изтрива най-малко значимите експерти.

Авторите съобщават за премахване на до 50% от експертите в модели с размер до един трилион параметъра при до голяма степен запазено базово качество — при Qwen3-480B-Coder-FP8 с 50% отрязване са задържани 97.6% от базовата неагентна способност за програмиране и 96.7% на агентния SWE-Bench. Това са числата на статията върху моделите на статията, а не нашите върху MiniMax-M3; цитираме ги, за да можете да прецените метода, а не за да намекнем за еквивалентно измерване тук.

3-битови тегла, второ

Оцелелите тегла после се съхраняват с 3 бита. Подредбата е умишлена и е самата същност на комбинацията: първо отрежи, после квантувай. Няма смисъл да харчите скъпоценните си три бита на тегло, за да кодирате вярно експерти, които тъкмо ще изтриете. Отрежете разредената опашка, а после оставете целия останал бюджет да отиде при експертите, които наистина се задействат.

Честната уговорка

3BIT-REAP е най-агресивното ниво, което пускаме. Използваме го при най-големите основи — MiniMax-M3, Kimi-K3, DeepSeek-V4-Pro, GLM-5.2, Nemotron3Ultra — защото то е разликата между тези модели да са налични на разумна цена и изобщо да не са налични. Там, където основата е достатъчно малка, за да няма нужда от него, не го използваме: W8A16 моделите в каталога работят с 8-битови тегла и 16-битови активации, а W4A16-AUTOROUND-REAP стои по средата, като използва наученото закръгляне на AutoRound, за да върне точност, която наивното закръгляне до най-близко раздава даром. Изберете нивото, което отговаря на вашата поносимост. Ако извличате полета от десет хиляди фактури, 3 бита е правилният компромис. Ако правите един високорисков съдебно-експертен прочит на едно изображение, дайте парите за Kimi-K3.

05Какво означава „без слой за откази“, когато входът е изображение

„Нецензуриран“ е дума, която се използва свободно, затова ето прецизното твърдение: в тази крайна точка няма слой за откази и няма филтриране на изхода. Никакъв класификатор не преглежда изображението ви, преди моделът да го види. Никакъв политически модел не преглежда токените на излизане. Каквото произведе моделът, това получавате.

В текста ефектът от това е познат. При зрението той е различен по вид, защото поведението на отказ при вход с изображения е мястото, където търговските мултимодални API са най-консервативни и най-произволни. Характерните провали изглеждат така:

• Тотални откази заради идентичност — отказ изобщо да се описват хора на снимка, включително признаци, които са ясно видими и напълно безобидни, защото една политика не може да различи описание от идентифициране.
• Бягство заради темата — отказ да се транскрибира или обобщи документ заради това за какво е документът, макар транскрибирането да е механична задача.
• Медицинска и съдебно-експертна гнусливост — отказ да се описват клинични изображения, документация на наранявания или снимки от произшествия, които професионалистът има нужда да бъдат описани.
• Фалшиви положителни при инструменти за сигурност — отказ да се прочете екранна снимка, защото съдържа терминал, прихващане на пакети или дебъгер.
• Тиха деградация — най-лошото: не отказ, а уклончив неотговор, който минава валидацията на схемата ви и отравя набора ви от данни, без изобщо да вдигне грешка.

Оперативният проблем и с петте не е, че са несправедливи. Проблемът е, че са неизмерими. Грешният отговор е точка от данни; можете да го оцените, да го хванете при оценяване и да коригирате за него. Отказът е дупка. При партиден мащаб 3% процент на откази, разпределен неслучайно през входовете ви — концентриран по конструкция точно върху трудните и необичайните случаи — е систематично отклонение в резултатите ви, което никакво последващо почистване не възстановява. Премахването на слоя за откази премахва източник на тихи, корелирани липсващи данни.

Shannon се управлява от Shannon Lab LLC, Ню Мексико, САЩ, съгласно нашата Политика за отговорно ползване. „Нецензуриран“ означава, че моделът не коментира от свое име входовете ви; не означава, че акаунтът няма условия.

06Пълната спецификация

Поле	MiniMax-M3 · 3BIT-REAP
Идентификатор на модела	MiniMax-M3-3BIT-REAP
Основа	MiniMax-M3 (MiniMax AI)
Контекстен прозорец	262 144 токена
Максимален изход	16 384 токена
Вход с изображения	Да
Вход с видео	Не се излага
Поточно предаване	Да
Извикване на инструменти	Да
Разсъждение	Да (reasoning_effort)
Структуриран изход	json_schema + response_format
Слой за откази	Няма
Крайни точки	/v1/chat/completions · /v1/messages · /v1/responses
Обслужван върху	собствен GPU клъстер на Shannon

Два реда в тази таблица заслужават подчертаване. Вход с видео не се излага. Основата M3 нагоре по веригата е обучена върху видео и MiniMax документира вход с видео; нашата крайна точка приема изображения. Разработвайте срещу изображения. Второ, прозорецът от 262 144 токена е нашият, а не стойността от един милион нагоре по веригата — планирайте натоварванията с дълги документи и много изображения спрямо 262 144 и никога няма да бъдете изненадани.

07Извикване на нецензурирания MiniMax API

Три диалекта, един и същ модел зад всички тях, поточно предаване и в трите. Използвайте този, който вашият съществуващ клиент вече говори; между тях няма разлика във възможностите. Насочете базовия си URL към Shannon и сменете идентификатора на модела.

Разбиране на изображения през диалекта на OpenAI

curl https://api.shannon-ai.com/v1/chat/completions \
  -H "Authorization: Bearer $SHANNON_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MiniMax-M3-3BIT-REAP",
    "messages": [{
      "role": "user",
      "content": [
        { "type": "text", "text": "Transcribe every field in this scan. Do not summarize." },
        { "type": "image_url",
          "image_url": { "url": "data:image/png;base64,iVBORw0KGgo..." } }
      ]
    }],
    "max_tokens": 4096,
    "stream": true
  }'

И отдалечени https:// адреси, и base64 data URL адреси работят в частта image_url. Прикачете няколко части с изображения в едно съобщение, когато ви трябва сравнение между страници — имате 262 144 токена за харчене и при $0.50 на милион харченето им е евтино.

Типизирано извличане с JSON схема

Мястото, където този модел си заслужава мястото в конвейера, е комбинацията зрение + строга схема + минимална цена. Не всеки модел в каталога ни има и трите: Laguna-S-2.1 и inkling не поддържат json_schema. MiniMax-M3 поддържа, което значи, че можете да извадите валидиран обект от изображение без слой за разбор:

{
  "model": "MiniMax-M3-3BIT-REAP",
  "messages": [ /* text part + image_url part */ ],
  "response_format": {
    "type": "json_schema",
    "json_schema": {
      "name": "invoice",
      "strict": true,
      "schema": {
        "type": "object",
        "properties": {
          "vendor":     { "type": "string" },
          "issued_on":  { "type": "string" },
          "total_cents":{ "type": "integer" },
          "line_items": { "type": "array", "items": { "type": "string" } }
        },
        "required": ["vendor", "issued_on", "total_cents", "line_items"],
        "additionalProperties": false
      }
    }
  }
}

Усилие на разсъждение

Моделът излага reasoning_effort. При масова класификация на изображения го дръжте ниско — задавате перцептивен въпрос, а токените за разсъждение са изходни токени, за които плащате. Вдигайте го при извикванията, където изображението е доказателство в по-дълъг аргумент: четене на диаграма спрямо спецификация, съгласуване на графика с таблица, решение дали две екранни снимки показват един и същ дефект.

Пълната справка за параметрите, семантиката на грешките и форматите на поточното предаване за трите диалекта се намират в документацията на Shannon API.

08Къде MiniMax-M3 е правилният избор — и къде не е

Посегнете към него, когато

• Обемна работа с изображения. Етикетиране на набори от данни, изследване на модерация, обогатяване на каталози, сортиране на екранни снимки, партиден OCR и структуриране на сканирани документи. Минималната цена е целият аргумент.
• Изображения към типизирани записи. Зрение плюс строг json_schema плюс най-евтините токени в каталога е комбинация, която тук предлагат само два модела.
• Дълъг мултимодален контекст. Много страници или много кадри в една заявка — архитектурата отдолу е построена точно за тази форма на вход.
• Изследвания, при които отказите развалят извадката. Всяко проучване, чиято валидност зависи от това моделът да отговори на всяка позиция, включително неудобните.
• Агентни цикли, които четат екран. Родословието от серията M е изрично агентно и извикването на инструменти е налично.

Посегнете към нещо друго, когато

• Трябва ви най-високият таван при зрение и бюджетът съществува. Kimi-K3 · 3BIT-REAP е 7.7× цената на входа по причина; при един високорисков прочит това са правилно похарчени пари.
• Трябват ви тегла с максимална точност. 3 бита е най-агресивното ни ниво. W8A16 моделите разменят цена срещу точност, а MiMo-V2.5 · W8A16 е със зрение на същите $0.50 / $2.00, ако оптимизирате точността на тегло.
• Трябва ви видео. Не излагаме вход с видео в тази крайна точка.
• Задачата е чист текст на челно ниво. DeepSeek-V4-Pro-0813 съществува за това; иначе бихте плащали за визуална кула, която никога не използвате.

Архитектурните числа, бенчмарковете и ускоренията за семейството MiniMax са отчетени от лабораторията MiniMax AI; числата за REAP са отчетени от авторите на REAP върху техни собствени модели и не са измерване на този билд. Цените на Shannon, контекстният прозорец и флаговете за възможности са наши и се четат от живия ни каталог с модели.

09Често задавани въпроси

---

Източници: карта на модела MiniMax-M3 · MiniMax-M1: Scaling Test-Time Compute Efficiently with Lightning Attention · MiniMax-01: Scaling Foundation Models with Lightning Attention · REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression. Числата за бенчмаркове и ускорения на MiniMax са отчетени от лабораторията и са временни до независима проверка. Цените и флаговете за възможности на Shannon са актуални към 5 септември 2026 г.