Sencenzura MiniMax API: vido je la planka prezo
MiniMax-M3 estas la plej malmultekosta maniero havigi al si sencenzuran bildkomprenon sur la Enirejo de Shannon — $0.50 enige, $2.00 elige, 262,144 ĵetonoj da kunteksto, kaj neniu rifuza tavolo inter vi kaj la bildo.
Resume
MiniMax-M3 · 3BIT-REAP estas sencenzura modelo kun vido je la planka prezo de Shannon: $0.50 por miliono da enigaj ĵetonoj kaj $2.00 por miliono da eligaj ĵetonoj, kun kunteksto de 262,144 ĵetonoj, 16,384 ĵetonoj da eligo, flusendado, ilvokado, rezonado kun reasoning_effort, kaj strikta eligo laŭ json_schema. Ĝi estas konstruita sur la fundamento M3 de MiniMax AI — modelo laŭ Miksaĵo de Spertuloj kun 428 miliardoj da parametroj, kun MiniMax Sparse Attention kaj denaska plurmodala trejnado — kunpremita per 3-bitaj pezoj kaj REAP-pritondado de spertuloj, por ke ĝi enteniĝu sur nia propra GPU-aro je tiu prezo. Se via ŝarĝo estas "rigardu ĉi tiun bildon kaj respondu honeste, dek mil fojojn", jen la modelo.
01Kion "plej malmultekosta sencenzura vida modelo" efektive signifas ĉi tie
La katalogo de Shannon estas dek du modeloj. Kvin el ili akceptas bildojn. Iliaj prezoj, po miliono da ĵetonoj:
| Modelo kun vido | Enige | Elige | Strukturita eligo |
|---|---|---|---|
| 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 | nur response_format |
| Kimi-K3 · 3BIT-REAP | $3.83 | $19.12 | json_schema + response_format |
MiniMax-M3 sidas ĉe la planko — $0.50 / $2.00 — egale kun MiMo-V2.5 kaj kun nenio sub ĝi, ĉar $0.50 / $2.00 estas la planko de nia prezolisto. Kompare kun la supro de la vida gamo ĝi estas 7.7-oble pli malmultekosta enige kaj 9.6-oble pli malmultekosta elige ol Kimi-K3.
Metu tion en ŝarĝon. Supozu, ke vi triaĝas 1,000 bildojn — ekrankopiojn, skanitajn paĝojn, produktfotojn — kun averaĝe proksimume 1,200 ĵetonoj da bildo plus peto enirantaj kaj 300 ĵetonoj da respondo elirantaj:
Listaj prezoj de Shannon, septembro 2026. La nombroj de ĵetonoj estas ilustraj; via bilda ĵetonigo dependas de la distingivo kaj de tio, kiom da bildoj vi alkroĉas po voko.
Du pliaj referencpunktoj, utilaj por teni enkape. Plenigi la tutan kuntekston de 262,144 ĵetonoj unufoje kostas proksimume 13 cendojn. Respondo de maksimuma longo, 16,384 ĵetonoj, kostas proksimume 3.3 cendojn. Tiuj estas la efektivaj limoj de unu sola plej malfavora peto, kaj ili estas sufiĉe malgrandaj por ke la interesa limigo de vida ĉenstablo ĉesu esti mono kaj ekestu trafluo.
02La deveno de MiniMax: laboratorio, kiu optimumigas ĵetonojn, ne fraptitolojn
MiniMax AI estas ŝanhaja laboratorio, kies tuta malfermpeza historio temas pri unu demando: kiel oni faras atenton sufiĉe malmultekosta por ke longa kunteksto kaj plurmodaleco ĉesu esti luksaĵoj? Ĉiu eldono en la linio estas respondo al tiu demando, kaj la respondoj konstruas unu sur la alia.
MiniMax-01 — Lightning Attention, kaj vido de la komenco
La serio MiniMax-01 (publikigita kiel arXiv 2501.08313) enkondukis Lightning Attention, en-elig-konscian realigon de varianto de lineara atento, ene de hibrida modelo laŭ Miksaĵo de Spertuloj kun 456 miliardoj da parametroj entute kaj 45.9 miliardoj aktivaj po ĵetono. La serio venis kiel paro: MiniMax-Text-01 kaj MiniMax-VL-01, la vida modelo. VL-01 uzis la nun konatan stakon ViT-MLP-LLM, sed kun vida transformilo kun 303 milionoj da parametroj, trejnita de nulo sur 694 milionoj da paroj bildo-subskribo anstataŭ pruntita kodilo, poste alliniigita kaj kune fajnagordita tra plurstadia ĉenstablo prilaboranta 512 miliardojn da ĵetonoj.
Tiu detalo gravas por la artikolo, kiun vi legas. La vido en ĉi tiu deveno ne estas malfrua adaptilo ŝraŭbita al teksta modelo por marki kesteton. MiniMax trejnas sian propran vidan turon ekde sia unua malferma eldono, kaj ĝuste tial dokumentkompreno, kompreno de fasadoj kaj ekrankopioj, kaj legado de diagramoj estis konstantaj fortoj de la familio anstataŭ postpensoj.
MiniMax-M1 — hibrida atento por longa rezonado
MiniMax-M1 (arXiv 2506.13585) estis priskribita de siaj aŭtoroj kiel la unua malfermpeza, grandskala rezonada modelo kun hibrida atento. Ĝi konservis la MoE-korpon de 456B / 45.9B kaj interplektis la du specojn de atento: konvencia transformila bloko kun softmax-atento post ĉiuj sep blokoj de Lightning Attention. La gajno estis mezurita en kalkulo anstataŭ en tabelpozicio — MiniMax raportis, ke ĉe genera longo de 100K ĵetonoj, M1 konsumis proksimume 25% de la FLOP-oj de DeepSeek R1, dum ĝi denaske subtenis kuntekston de unu miliono da ĵetonoj.
MiniMax-M2 — la turno al malgrandaj aktivigoj
MiniMax-M2 iris en la alian direkton pri grando kaj gajnis atenton pro tio: 62-tavola malkodilo kun 229.9 miliardoj da parametroj entute sed nur ~9.8 miliardoj aktivaj po ĵetono, uzanta 256 fajngrajnajn spertulojn po MoE-tavolo kun sigmoida enkursigo al ok el ili, RoPE-poziciojn kaj QK-RMSNorm por trejna stabileco. Ĝi estis eksplicite agenta koda modelo — plurdosieraj redaktoj, rulu-riparu bukloj, testkontrolitaj riparoj — kaj ĝi enkondukis la formaton de interplektita pensado, kie rezonado estas portata inter rondoj de ilvokoj anstataŭ forĵetata post ĉiu vico. M2 estas la modelo, kiu establis la reputacion de MiniMax pri liverado de preskaŭ-pintnivela agenta konduto je frakcio de la po-ĵetona kosto, pure per teni la aktivigojn etaj.
MiniMax-M3 — la fundamento sub ĉi tiu finpunkto
MiniMax-M3 estis eldonita la 1-an de junio 2026, kun pezoj sur Hugging Face baldaŭ poste kaj teknika raporto ĉe arXiv 2606.13392. Ĝi estas modelo laŭ Miksaĵo de Spertuloj kun 428 miliardoj da parametroj kaj proksimume 23 miliardoj aktivaj po ĵetono, kun dokumentita kunteksto de unu miliono da ĵetonoj, kaj denaska bilda kaj videa enigo — MiniMax priskribas ĝin kiel miksmodale trejnitan "ekde la unua paŝo" anstataŭ tekste antaŭtrejnitan kaj poste plurmodale adaptitan. Laŭ la propraj publikigitaj ciferoj de MiniMax ĝi atingas 80.5% ĉe SWE-bench Verified kaj 59.0% ĉe SWE-bench Pro. Tiuj estas ciferoj raportitaj de la vendisto pri koda benchmark, kaj ĝuste tiel vi pesu ilin; ni citas ilin ĉar ili estas la publikigitaj asertoj de la laboratorio, ne ĉar ni sendepende reproduktis ilin.
03MiniMax Sparse Attention: kial vida modelo povas esti tiel malmultekosta
La interesa inĝenierado en M3 estas MiniMax Sparse Attention (MSA), kaj ĝi estas la rekta kialo, kial plurmodala modelo de ĉi tiu grando povas sidi je nia planka prezo. Bildoj estas ĵeton-multekostaj. Manpleno da altdistingivaj paĝoj povas meti dekojn da miloj da ĵetonoj en peton antaŭ ol vi verkis eĉ unu instrukcion. Sub norma atento tiu kosto kreskas kvadrate, kaj la modelo, kiu legas dudek paĝojn, ne estas duoble pli multekosta ol tiu, kiu legas dek — ĝi estas multe pli malbona ol duoble.
MSA ŝanĝas la formon de tiu kurbo. Ĝi estas blok-maldensa mekanismo konstruita sur trunko de Grouped Query Attention, dividita en du branĉojn:
- Malpeza Indeksa Branĉo, kiu taksas blokojn de ŝlosil-valoraj paroj — maksimum-kunigante poentojn tra la ĵetonoj ene de ĉiu bloko — kaj elektas la plej bonajn k po demanda pozicio kaj po GQA-grupo, ĉiam inkluzivante la lokan blokon, kiu enhavas la demandon mem, por trejna stabileco.
- Ĉefa Branĉo, kiu rulas ordinaran softmax-atenton nur super la blokoj, kiujn la indekso elektis.
La agordo en la artikolo pri MSA estas k = 16 blokoj po 128 ĵetonoj, kio donas al ĉiu demando fiksan buĝeton de 2,048 atentataj ĵetonoj. Fiksan, tio estas, ĝi ne kreskas kun la longo de la sekvenco. Jen la tuta ruzo: dum la kunteksto kreskas, la atenta kosto de densa bazlinio daŭre grimpas dum la kosto de la ĉefa branĉo de MSA restas plata, do la atento skaliĝas lineare anstataŭ kvadrate.
Ciferoj el la raporto pri MiniMax Sparse Attention (arXiv 2606.13392): 28.4-obla redukto de la po-ĵetonaj atentaj FLOP-oj kompare kun ekvivalente agordita GQA je kunteksto de 1M, kaj rapidigoj de 14.2× ĉe antaŭplenigo / 7.6× ĉe malkodado laŭ murhorloĝo, mezuritaj sur aparataro H800 en la studo de la artikolo pri modelo kun 109 miliardoj da parametroj. MiniMax aparte raportas rapidigojn de 9× ĉe antaŭplenigo kaj 15× ĉe malkodado por M3 kompare kun M2 je kunteksto de 1M. Ĉiuj estas raportitaj de la laboratorio.
La artikolo faras ankaŭ la kontrolon, kiu gravas por vida artikolo: sur denaske plurmodala MoE kun 109 miliardoj da parametroj, MSA tenis rendimenton kompareblan al bazlinio kun plena atento tra bildaj benchmark-oj inkluzive de AI2D, ChartQA kaj MMMU, kaj tra videaj benchmark-oj inkluzive de EgoSchema, LongVideoBench kaj VideoMME — kun la maldensaj variantoj foje plibonigantaj la videajn taskojn kun pli longa kunteksto. Maldenseco ĉi tie ne estas kvalita imposto, kiun vi pagas por rapido; sur longaj enigoj ĝi ŝajnas esti proksimume senpaga.
Kial vi zorgu kiel kliento: la serva kosto estas tio, kio fiksas la listan prezon. Fundamento, kies atenta kosto ĉesas kreski, estas fundamento, kiun vi povas permesi al vi direkti al centmil bildoj. Jen la mekanismo malantaŭ "la plej malmultekosta sencenzura vida modelo" — ĝi ne estas reklama tarifo, ĝi estas arkitekturo.
04Kion 3BIT-REAP signifas, kaj kie ĝi kostas al vi
Modelo kun 428 miliardoj da parametroj enteniĝas nenie oportune je plena precizeco. Nia konstruo de MiniMax-M3 portas la sufikson 3BIT-REAP, kiu priskribas du apartajn operaciojn aplikatajn en specifa ordo.
REAP: forviŝu spertulojn antaŭ ol kunpremi ilin
REAP — Router-weighted Expert Activation Pruning — estas unupafa metodo de MoE-kunpremo de Cerebras kaj la Universitato de Kalgario, publikigita kiel arXiv 2510.13999 kaj akceptita ĉe ICLR 2026. Ĝia argumento estas, ke por generaj taskoj, pritondi spertulojn venkas kunfandi ilin: kunfandado detruas la fajngrajnan regadon de la enkursigilo kaj enkondukas eraron, kiun vi neniam povas reakiri. Do REAP anstataŭe taksas ĉiun spertulon per elstaro-kriterio kombinanta la kluzajn valorojn de la enkursigilo (kiom ofte kaj kiom forte la enkursigilo elektas ĝin) kaj la normojn de la aktivigoj de la spertulo (kiom multe ĝia eligo efektive kontribuas), poste forigas la malplej elstarajn spertulojn tute.
La aŭtoroj raportas forigon de ĝis 50% de la spertuloj el modeloj same grandaj kiel unu biliono da parametroj dum plejparte konserviĝas la bazlinia kvalito — sur Qwen3-480B-Coder-FP8 je 50% pritondado, 97.6% de la bazlinia neagenta koda kapablo kaj 96.7% ĉe la agenta SWE-Bench estis konservitaj. Tiuj estas la ciferoj de la artikolo pri la modeloj de la artikolo, ne niaj pri MiniMax-M3; ni citas ilin por ke vi povu juĝi la metodon, ne por sugesti ekvivalentan mezuron ĉi tie.
3-bitaj pezoj, due
La postvivantaj pezoj estas poste konservataj je 3 bitoj. La ordo estas intenca kaj ĝi estas la esenco de la kombino: unue pritondi, due kvantigi. Ne havas sencon elspezi viajn karajn tri bitojn po pezo por fidele kodi spertulojn, kiujn vi tuj forviŝos. Pritondu la maldensan voston, poste lasu la restantan buĝeton iri tute al spertuloj, kiuj efektive ekbrulas.
La honesta averto
3BIT-REAP estas la plej agresa nivelo, kiun ni liveras. Ni uzas ĝin sur la plej grandaj fundamentoj — MiniMax-M3, Kimi-K3, DeepSeek-V4-Pro, GLM-5.2, Nemotron3Ultra — ĉar ĝi estas la diferenco inter tio, ke tiuj modeloj estas haveblaj je racia prezo, kaj tio, ke ili tute ne estas haveblaj. Kie fundamento estas sufiĉe malgranda por ne bezoni ĝin, ni ne uzas ĝin: la modeloj W8A16 en la katalogo rulas 8-bitajn pezojn kun 16-bitaj aktivigoj, kaj W4A16-AUTOROUND-REAP sidas inter ili, uzante la lernitan rondigon de AutoRound por reakiri precizecon, kiun naiva rondigo al la plej proksima fordonas. Elektu la nivelon, kiu kongruas kun via tolero. Se vi ekstraktas kampojn el dek mil fakturoj, 3-bita estas la ĝusta kompromiso. Se vi faras unu altriskan krimmedicinan legon de unu sola bildo, elspezu la monon por Kimi-K3.
05Kion "neniu rifuza tavolo" signifas, kiam la enigo estas bildo
Sencenzura estas vorto uzata malprecize, do jen la preciza aserto: ekzistas neniu rifuza tavolo kaj neniu filtrado de la eligo sur ĉi tiu finpunkto. Neniu klasifikilo inspektas vian bildon antaŭ ol la modelo vidas ĝin. Neniu politika modelo inspektas la ĵetonojn survoje eksteren. Kion la modelo produktas, tion vi ricevas.
En teksto la efekto de tio estas konata. En vido ĝi estas alispeca, ĉar rifuza konduto ĉe bildaj enigoj estas tie, kie komercaj plurmodalaj API-oj estas plej konservativaj kaj plej arbitraj. La karakterizaj fiaskoj aspektas jene:
- Ĝeneralaj identecaj rifuzoj — rifuzi priskribi homojn sur foto entute, inkluzive de trajtoj, kiuj estas evidente videblaj kaj tute sendanĝeraj, ĉar politiko ne povas distingi priskribon disde identigo.
- Temaj forkuroj — rifuzi transskribi aŭ resumi dokumenton pro tio, pri kio la dokumento temas, kvankam transskribado estas meĥanika tasko.
- Medicina kaj krimmedicina delikatemo — rifuzi priskribi klinikajn bildojn, dokumentadon de vundoj, aŭ akcidentajn fotojn, kiujn profesiulo bezonas priskribitaj.
- Falsaj pozitivoj pri sekurecaj iloj — rifuzi legi ekrankopion, ĉar ĝi enhavas terminalon, pakaĵkapton aŭ sencimigilon.
- Silenta degrado — la plej malbona: ne rifuzo, sed evitema nerespondo, kiu trapasas vian skeman validigon kaj venenas vian datumaron sen iam ajn levi eraron.
La funkcia problemo kun ĉiuj kvin ne estas, ke ili estas maljustaj. Estas, ke ili estas nemezureblaj. Malĝusta respondo estas datumpunkto; vi povas poentigi ĝin, kapti ĝin en taksado, kaj korekti por ĝi. Rifuzo estas truo. Je amasa skalo, 3% da rifuzoj distribuitaj nehazarde tra viaj enigoj — koncentritaj, laŭ konstruo, ĝuste sur la malfacilaj kaj nekutimaj kazoj — estas sistema kliniĝo en viaj rezultoj, kiun neniom da posta purigado reakiras. Forigi la rifuzan tavolon forigas fonton de silenta, korelaciita mankanta datumo.
Shannon estas funkciigata de Shannon Lab LLC, Nov-Meksiko, Usono, sub nia politiko pri respondeca uzo. Sencenzura signifas, ke la modelo ne komentarias pri viaj enigoj; ĝi ne signifas, ke la konto havas neniujn kondiĉojn.
06La plena specifo
| Kampo | MiniMax-M3 · 3BIT-REAP |
|---|---|
| Modelidentigilo | MiniMax-M3-3BIT-REAP |
| Fundamento | MiniMax-M3 (MiniMax AI) |
| Kunteksta fenestro | 262,144 ĵetonoj |
| Maksimuma eligo | 16,384 ĵetonoj |
| Bilda enigo | Jes |
| Videa enigo | Ne elmetita |
| Flusendado | Jes |
| Ilvokado | Jes |
| Rezonado | Jes (reasoning_effort) |
| Strukturita eligo | json_schema + response_format |
| Rifuza tavolo | Neniu |
| Finpunktoj | /v1/chat/completions · /v1/messages · /v1/responses |
| Servata sur | la propra GPU-aro de Shannon |
Du linioj en tiu tabelo meritas emfazon. Videa enigo ne estas elmetita. La fonta fundamento M3 estis trejnita sur video kaj MiniMax dokumentas videan enigon; nia finpunkto akceptas bildojn. Konstruu por bildoj. Due, la fenestro de 262,144 ĵetonoj estas la nia, ne la fonta cifero de unu miliono — planu longdokumentajn kaj multbildajn ŝarĝojn kontraŭ 262,144 kaj vi neniam estos surprizita.
07Voki la sencenzuran MiniMax API
Tri dialektoj, la sama modelo malantaŭ ĉiuj el ili, flusendado sur ĉiuj tri. Uzu tiun, kiun via ekzistanta kliento jam parolas; ekzistas neniu kapabla diferenco inter ili. Direktu vian bazan URL al Shannon kaj ŝanĝu la modelidentigilon.
Bildkompreno tra la dialekto de 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
}'Foraj URL-oj https:// kaj base64-datumaj URL-oj ambaŭ funkcias en la parto image_url. Alkroĉu plurajn bildajn partojn en unu mesaĝo, kiam vi bezonas interpaĝan komparon — vi havas 262,144 ĵetonojn por elspezi kaj, je $0.50 por miliono, elspezi ilin estas malmultekoste.
Tipizita ekstraktado per JSON-skemo
Kie ĉi tiu modelo gajnas sian lokon en ĉenstablo estas la kombino de vido + strikta skemo + planka prezo. Ne ĉiu modelo en nia katalogo havas ĉiujn tri: Laguna-S-2.1 kaj inkling ne subtenas json_schema. MiniMax-M3 subtenas, kio signifas, ke vi povas ricevi validigitan objekton el bildo sen analiza tavolo:
{
"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
}
}
}
}Rezonada peno
La modelo elmetas reasoning_effort. Ĉe amasa bilda klasifikado, tenu ĝin malalta — vi faras percepta demandon, kaj rezonadaj ĵetonoj estas eligaj ĵetonoj, kiujn vi pagas. Levu ĝin por la vokoj, kie la bildo estas pruvo en pli longa argumento: legi diagramon kontraŭ specifo, akordigi diagramon kun tabelo, decidi ĉu du ekrankopioj montras la saman difekton.
La kompleta referenco pri parametroj, la erarsemantiko kaj la flusendaj formatoj por ĉiuj tri dialektoj troviĝas en la API-dokumentado de Shannon.
08Kie MiniMax-M3 estas la ĝusta elekto — kaj kie ne
Prenu ĝin kiam
- Amasa bilda laboro. Etikedado de datumaroj, moderiga esplorado, riĉigo de katalogoj, triaĝo de ekrankopioj, amasa OCR-kaj-strukturigo super skanitaj dokumentoj. La planka prezo estas la tuta argumento.
- Bildoj en tipizitajn registrojn. Vido plus strikta
json_schemaplus la plej malmultekostaj ĵetonoj en la katalogo estas kombino, kiun nur du modeloj ĉi tie ofertas. - Longa plurmodala kunteksto. Multaj paĝoj, aŭ multaj kadroj, en unu sola peto — la subestanta arkitekturo estas konstruita ĝuste por tiu formo de enigo.
- Esplorado, kie rifuzoj koruptas la specimenon. Ĉiu studo, kies valideco dependas de tio, ke la modelo respondas al ĉiu ero, inkluzive de la malkomfortaj.
- Agentaj bukloj, kiuj legas ekranon. La deveno de la M-serio estas eksplicite agenta, kaj ilvokado estas disponebla.
Prenu ion alian kiam
- Vi bezonas la plej altan vidan plafonon kaj la buĝeto ekzistas. Kimi-K3 · 3BIT-REAP kostas 7.7-oble la enigan prezon pro kialo; ĉe unu sola altrisko lego, tio estas la ĝusta mono por elspezi.
- Vi bezonas pezojn de maksimuma fideleco. 3-bita estas nia plej agresa nivelo. La modeloj
W8A16interŝanĝas prezon kontraŭ precizeco, kaj MiMo-V2.5 · W8A16 kapablas pri vido je la samaj $0.50 / $2.00, se fideleco po pezo estas tio, kion vi optimumigas. - Vi bezonas videon. Ni ne elmetas videan enigon sur ĉi tiu finpunkto.
- La tasko estas pura teksto ĉe la pintnivelo. DeepSeek-V4-Pro-0813 ekzistas por tio; vi pagus por vida turo, kiun vi neniam uzas.
Ĉiu fonta cifero en ĉi tiu artikolo estas publikigita de iu alia ol ni. Kontrolu la primarajn fontojn anstataŭ akcepti nian resumon de ili.
La ciferoj pri arkitekturo, benchmark-oj kaj rapidigoj por la familio MiniMax estas raportitaj de la laboratorio MiniMax AI; la REAP-ciferoj estas raportitaj de la aŭtoroj de REAP pri iliaj propraj modeloj kaj ne estas mezuro de ĉi tiu konstruo. La prezoj, la kunteksta fenestro kaj la kapablaj flagoj de Shannon estas la niaj kaj estas legataj el nia viva modelkatalogo.
09Oftaj demandoj
Kio estas la sencenzura MiniMax API?
Ĝi estas MiniMax-M3 · 3BIT-REAP servata sur la propra GPU-aro de Shannon kun neniu rifuza tavolo kaj neniu filtrado de la eligo. Vi vokas ĝin tra /v1/chat/completions, /v1/messages aŭ /v1/responses kun kunteksta fenestro de 262,144 ĵetonoj, bilda enigo, ilvokado kaj strukturita eligo laŭ JSON-skemo, je $0.50 por miliono da enigaj ĵetonoj kaj $2.00 por miliono da eligaj ĵetonoj.
Ĉu MiniMax-M3 ĉe Shannon akceptas bildan enigon?
Jes. MiniMax-M3 estas unu el kvin modeloj kun vido en la katalogo de Shannon kaj akceptas bildojn en la norma formato de enhavparto image_url, inkluzive de base64-datumaj URL-oj. Nia finpunkto elmetas nur bildan enigon — ni ne elmetas videan enigon, kvankam la fonta fundamento estis trejnita sur video.
Kiom kostas sencenzura bildkompreno?
MiniMax-M3 sidas je la planka prezo de Shannon, $0.50 por miliono da enigaj ĵetonoj kaj $2.00 por miliono da eligaj ĵetonoj. Aro de 1,000 bildaj vokoj kun averaĝe 1,200 enigaj ĵetonoj kaj 300 eligaj ĵetonoj po voko kostas proksimume $1.20. La sama aro sur Kimi-K3, la vida modelo kun la plej alta plafono en la katalogo, kostas proksimume $10.34.
Kion signifas 3BIT-REAP, kaj ĉu ĝi damaĝas la kvaliton?
REAP estas Router-weighted Expert Activation Pruning, unupafa metodo de kunpremo de Miksaĵo de Spertuloj de Cerebras kaj la Universitato de Kalgario, kiu taksas ĉiun spertulon laŭ la kluza valoro de la enkursigilo kaj la normo de la aktivigo, poste forviŝas la malplej elstarajn spertulojn antaŭ la kvantigo. La restantaj pezoj estas konservataj je 3 bitoj. Ĝi estas nia plej agresa kunprema nivelo kaj ĝi estas tio, kio faras fundamenton kun 428 miliardoj da parametroj servebla je la planka prezo. Por maksimuma fideleco ni anstataŭe liveras apartajn modelojn W8A16.
Ĉu ĝi subtenas ilvokadon kaj eligon laŭ JSON-skemo?
Jes al ambaŭ. MiniMax-M3 subtenas flusendadon, ilvokadon, rezonadon kun regilo reasoning_effort, response_format kaj striktan strukturitan eligon laŭ json_schema. Tiu kombino ne estas universala tra la katalogo — Laguna-S-2.1 kaj inkling ne subtenas json_schema — do se vi bezonas tipizitan objekton reen el bildo, MiniMax-M3 estas la plej malmultekosta modelo, kiu donos al vi tian.
Kian kuntekstan fenestron kaj eligan limon mi ricevas?
262,144 ĵetonojn da kunteksto kaj 16,384 ĵetonojn da eligo po peto, identajn tra ĉiuj dek du modeloj de Shannon. La fonta fundamento MiniMax-M3 estas dokumentita je unu miliono da ĵetonoj; ni servas fenestron de 262K, do planu longdokumentajn kaj multbildajn ŝarĝojn kontraŭ 262,144, ne kontraŭ la fonta cifero.
Provu la sencenzuran MiniMax API
Bildkompreno je la planka prezo. Tri dialektoj, unu modelidentigilo, neniu rifuza tavolo.
Legu la API-dokumentojn Ĉiuj modelgvidilojShannon Lab LLC · Nov-Meksiko, Usono · validas la politiko pri respondeca uzo
Fontoj: modelkarto de 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. La benchmark- kaj rapidig-ciferoj de MiniMax estas raportitaj de la laboratorio kaj estas provizoraj ĝis sendependa kontrolo. La prezoj kaj kapablaj flagoj de Shannon validas je la 5-a de septembro 2026.