Tsenseerimata MiniMaxi API: nägemine põrandahinnaga

Peaaegu iga majutatud multimodaalne API hindab nägemist lisatasuna. Sa maksad teksti eest tekstimudeli määra ja siis maksad rohkem — vahel mitu korda rohkem — hetkel, mil viipa siseneb pilt. Lisaks on pildisisendid koht, kus keeldumiskäitumine on kõige agressiivsem: mudel, kes arutab teemat tekstis rõõmuga, keeldub sama asja fotol kirjeldamast. Tulemuseks on toode, mis on päringu kohta kallis ja päringu kohta ebausaldusväärne — kahe maailma halvim pool, kui sa töötled mahtu. MiniMax-M3 Shannonis on meie vastus sellele: sama $0.50 / $2.00, mida sa maksad meie odavaima tekstimudeli eest, rakendatuna vundamendile, mida treeniti multimodaalselt esimesest sammust peale, ilma keeldumiskihita ees.

01Mida „odavaim tsenseerimata nägemismudel” siin tegelikult tähendab

Shannoni kataloog on kaksteist mudelit. Viis neist võtavad pilte vastu. Nende hinnad miljoni tokeni kohta:

Nägemisvõimeline mudel	Sisend	Väljund	Struktureeritud väljund
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	ainult response_format
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	json_schema + response_format

MiniMax-M3 istub põrandal — $0.50 / $2.00 — viigis MiMo-V2.5-ga ja allpool ei ole midagi, sest $0.50 / $2.00 ongi meie hinnakirja põrand. Nägemisvahemiku tipu vastu on ta 7.7× odavam sisendil ja 9.6× odavam väljundil kui Kimi-K3.

Pane see koormusesse. Oletame, et sa sorteerid 1,000 pilti — ekraanitõmmiseid, skaneeritud lehekülgi, tootefotosid — keskmiselt umbes 1,200 tokenit pilti pluss viipa sisse ja 300 tokenit vastust välja:

Shannoni hinnakirja hinnad, september 2026. Tokenite arvud on illustratiivsed; sinu piltide tokeniseerimine sõltub lahutusvõimest ja sellest, mitu pilti sa päringu kohta lisad.

Veel kaks võrdluspunkti, mida tasub peas hoida. Kogu 262,144-tokenilise konteksti üks kord täitmine maksab umbes 13 senti. Maksimaalse pikkusega 16,384-tokeniline vastus maksab umbes 3.3 senti. Need on ühe halvima juhu päringu tegelikud piirid ja need on piisavalt väikesed, et huvitav piirang nägemistorustikus lakkab olemast raha ja muutub läbilaskevõimeks.

02MiniMaxi liin: labor, mis optimeerib tokeneid, mitte pealkirju

MiniMax AI on Shanghai labor, mille kogu avatud kaaludega ajalugu käib ühe küsimuse ümber: kuidas teha tähelepanu piisavalt odavaks, et pikk kontekst ja multimodaalsus lakkaksid olemast luksus? Iga selle liini väljalase on vastus sellele küsimusele ja vastused ehituvad üksteise peale.

MiniMax-01 — Lightning Attention ja nägemine algusest peale

MiniMax-01 seeria (avaldatud kui arXiv 2501.08313) tutvustas Lightning Attention'it, lineaarse tähelepanu variandi I/O-teadlikku teostust, hübriidse Mixture-of-Experts mudeli sees, milles on 456B parameetrit kokku ja 45.9B aktiivset tokeni kohta. Seeria tuli välja paarina: MiniMax-Text-01 ja MiniMax-VL-01, nägemismudel. VL-01 kasutas nüüdseks tuttavat ViT-MLP-LLM virna, aga 303 miljoni parameetriga Vision Transformeriga, mida treeniti nullist 694 miljonil pildi-allkirja paaril, mitte laenatud kooderiga, ning seejärel joondati ja peenhäälestati ühiselt mitmeetapilises torustikus, mis töötles 512 miljardit tokenit.

See detail loeb artikli jaoks, mida sa loed. Nägemine selles liinis ei ole hiline adapter, mis tekstimudeli külge poldeti, et linnuke kirja saada. MiniMax on oma visuaalset torni treeninud alates esimesest avatud väljalaskest ja just seepärast on dokumendimõistmine, kasutajaliidese ja ekraanitõmmiste mõistmine ning diagrammide lugemine olnud perekonna järjekindlad tugevused, mitte tagantjärele mõtted.

MiniMax-M1 — hübriidne tähelepanu pikaks arutluseks

MiniMax-M1 (arXiv 2506.13585) kirjeldati autorite poolt esimese avatud kaaludega suuremahulise hübriidse tähelepanuga arutlusmudelina. Ta hoidis 456B / 45.9B MoE keha ja põimis kaks tähelepanutüüpi: tavapärane softmax-tähelepanuga transformeriplokk iga seitsme Lightning Attention ploki järel. Tasu mõõdeti arvutuses, mitte edetabelikohas — MiniMax teatas, et 100K-tokenilise genereerimispikkuse juures kulutas M1 umbes 25% DeepSeek R1 FLOP-idest, toetades samal ajal natiivselt miljoni tokeni pikkust konteksti.

MiniMax-M2 — pööre väikeste aktivatsioonide poole

MiniMax-M2 läks suuruse osas teises suunas ja võitis sellega tähelepanu: 62-kihiline dekooder, milles on 229.9B parameetrit kokku, aga ainult ~9.8B aktiivset tokeni kohta, kasutades 256 peeneteralist eksperti MoE-kihi kohta sigmoidse marsruutimisega kaheksale neist, RoPE positsioone ja QK-RMSNormi treeningu stabiilsuse nimel. See oli selgesõnaliselt agentse kodeerimise mudel — mitme faili muudatused, jooksuta-paranda tsüklid, testidega valideeritud parandused — ja see tutvustas põimitud mõtlemise vormingut, kus arutlust kantakse tööriistakutsete voorude vahel edasi, selle asemel et see iga vooru järel ära visata. M2 on mudel, mis rajas MiniMaxi maine anda tipulähedast agentset käitumist murdosa eest tokenikohasest kulust, puhtalt hoides aktivatsioonid pisikesena.

MiniMax-M3 — vundament selle otspunkti all

MiniMax-M3 anti välja 1. juunil 2026, kaalud jõudsid Hugging Face'ile veidi hiljem ja tehniline aruanne on arXiv 2606.13392. Ta on 428B parameetriga Mixture-of-Experts mudel, milles on umbes 23B aktiivset tokeni kohta, dokumenteeritud miljoni tokeni pikkune kontekst ja natiivne pildi- ja videosisend — MiniMax kirjeldab teda kui segamodaalsuses treenitut „kõige esimesest sammust peale”, mitte tekstil eeltreenitut ja seejärel multimodaalselt kohandatut. MiniMaxi enda avaldatud numbrite järgi saab ta 80.5% SWE-bench Verifiedil ja 59.0% SWE-bench Prol. Need on tootja teatatud näitajad kodeerimise võrdlustestil ja täpselt nii tulekski neid kaaluda; me tsiteerime neid seepärast, et need on labori avaldatud väited, mitte seepärast, et me oleksime neid sõltumatult taastootnud.

03MiniMax Sparse Attention: miks nägemismudel saab olla nii odav

Huvitav insenerilahendus M3-s on MiniMax Sparse Attention (MSA) ja see on otsene põhjus, miks selle suurusega multimodaalne mudel saab istuda meie põrandahinnal. Pildid on tokenikallid. Käputäis kõrglahutusega lehekülgi võib panna viipa kümneid tuhandeid tokeneid, enne kui sa oled kirjutanud ainsagi juhise. Tavalise tähelepanu all liitub see kulu ruutkeskmiselt ja mudel, kes loeb kakskümmend lehekülge, ei ole kaks korda kallim kui see, kes loeb kümme — ta on palju hullem kui kaks korda.

MSA muudab selle kõvera kuju. See on plokkhõre mehhanism, mis on ehitatud Grouped Query Attention selgroole ja jaguneb kaheks haruks:

• Kerge indeksiharu, mis hindab võti-väärtus plokke — maksimumkoondades skoore iga ploki sees olevate tokenite lõikes — ja valib top-k iga päringupositsiooni ja iga GQA-grupi kohta, kaasates treeningu stabiilsuse nimel alati kohaliku ploki, mis sisaldab päringut ennast.
• Peaharu, mis jooksutab tavalist softmax-tähelepanu ainult indeksi valitud plokkide üle.

MSA artiklis kirjeldatud konfiguratsioon on k = 16 plokki à 128 tokenit, mis annab igale päringule fikseeritud eelarve 2,048 vaadeldavat tokenit. Fikseeritud tähendab, et see ei kasva jada pikkusega. Kogu trikk ongi selles: kui kontekst kasvab, jätkab tiheda algtaseme tähelepanukulu ronimist, samas kui MSA peaharu kulu jääb tasaseks, nii et tähelepanu skaleerub lineaarselt, mitte ruutkeskmiselt.

Näitajad MiniMax Sparse Attentioni aruandest (arXiv 2606.13392): 28.4× vähenemine tokenikohastes tähelepanu FLOP-ides võrreldes samaväärselt konfigureeritud GQA-ga 1M konteksti juures ning 14.2× eeltäite / 7.6× dekodeerimise seinakella kiirendused, mõõdetud H800 riistvaral artikli 109B parameetriga uuringus. MiniMax teatab eraldi M3 kohta 9× eeltäite ja 15× dekodeerimise kiirendusest M2 vastu 1M konteksti juures. Kõik on labori teatatud.

Artikkel teeb ka kontrolli, mis nägemisartikli jaoks loeb: natiivselt multimodaalsel 109B MoE-l hoidis MSA jõudlust, mis oli võrreldav täieliku tähelepanuga algtasemega, pildivõrdlustestide lõikes, sealhulgas AI2D, ChartQA ja MMMU, ning videovõrdlustestide lõikes, sealhulgas EgoSchema, LongVideoBench ja VideoMME — kusjuures hõredad variandid mõnikord parandasid tulemusi pikema kontekstiga videoülesannetel. Hõredus ei ole siin kvaliteedimaks, mida sa kiiruse eest maksad; pikkadel sisenditel näib see olevat umbes tasuta.

Miks see sind kliendina huvitama peaks: serveerimiskulu on see, mis määrab hinnakirja hinna. Vundament, mille tähelepanukulu lakkab kasvamast, on vundament, mille peale sa saad endale lubada saja tuhande pildi suunamist. See ongi mehhanism „odavaima tsenseerimata nägemismudeli” taga — see ei ole reklaamimäär, see on arhitektuur.

04Mida 3BIT-REAP tähendab ja kus see sulle maksma läheb

428 miljardi parameetriga mudel ei mahu täistäpsuses kuhugi mugavasse kohta. Meie MiniMax-M3 ehitus kannab järelliidet 3BIT-REAP, mis kirjeldab kahte eraldi operatsiooni, rakendatuna kindlas järjekorras.

REAP: kustuta eksperdid enne, kui sa neid kokku surud

REAP — Router-weighted Expert Activation Pruning — on ühe hoobiga MoE kompressioonimeetod Cerebraselt ja Calgary ülikoolilt, avaldatud kui arXiv 2510.13999 ja vastu võetud ICLR 2026-le. Selle argument on, et generatiivsete ülesannete puhul võidab ekspertide kärpimine nende ühendamise: ühendamine hävitab ruuteri peeneteralise juhtimise ja toob sisse vea, mida sa enam kunagi tagasi ei võida. Nii et REAP hindab hoopis iga eksperti olulisuskriteeriumiga, mis ühendab ruuteri väravaväärtused (kui sageli ja kui tugevalt ruuter teda valib) ja eksperdi aktivatsiooninormid (kui palju tema väljund tegelikult panustab), ning kustutab siis kõige vähem olulised eksperdid lihtsalt ära.

Autorid teatavad, et eemaldasid kuni 50% ekspertidest mudelites, mis olid nii suured kui triljon parameetrit, säilitades suures osas algtaseme kvaliteedi — mudelil Qwen3-480B-Coder-FP8 50% kärpimise juures säilis 97.6% algtaseme mitteagentsest kodeerimisvõimest ja 96.7% agentsel SWE-Benchil. Need on artikli numbrid artikli mudelite kohta, mitte meie omad MiniMax-M3 kohta; me tsiteerime neid selleks, et sa saaksid meetodit hinnata, mitte selleks, et vihjata siinsele samaväärsele mõõtmisele.

3-bitised kaalud, teisena

Ellujäänud kaalud salvestatakse seejärel 3 bitiga. Järjekord on teadlik ja see ongi kombinatsiooni mõte: kärbi esmalt, kvantiseeri teisena. Ei ole mõtet kulutada oma kallist kolme bitti kaalu kohta ekspertide truule kodeerimisele, keda sa kohe kustutama hakkad. Kärbi hõre saba maha ja lase ülejäänud eelarvel minna täielikult ekspertidele, kes päriselt tulistavad.

Aus reservatsioon

3BIT-REAP on kõige agressiivsem tase, mida me välja anname. Me kasutame seda kõige suurematel vundamentidel — MiniMax-M3, Kimi-K3, DeepSeek-V4-Pro, GLM-5.2, Nemotron3Ultra — sest see on vahe selle vahel, kas need mudelid on mõistliku hinnaga saadaval või ei ole üldse saadaval. Seal, kus vundament on piisavalt väike, et seda mitte vajada, me seda ei kasuta: kataloogi W8A16 mudelid jooksevad 8-bitiste kaalude ja 16-bitiste aktivatsioonidega ning W4A16-AUTOROUND-REAP asub nende vahel, kasutades AutoRoundi õpitud ümardamist, et taastada täpsust, mille naiivne lähima ümardamise kvantiseerimine ära annab. Vali tase, mis sinu taluvusega sobib. Kui sa ekstraktid välju kümnest tuhandest arvest, on 3-bitine õige vahetus. Kui sa teed ühe kõrge panusega kohtuekspertiisi lugemise ühest pildist, kuluta raha mudelile Kimi-K3.

05Mida „keeldumiskihti ei ole” tähendab, kui sisend on pilt

Tsenseerimata on sõna, mida kasutatakse lodevalt, nii et siin on täpne väide: sellel otspunktil ei ole keeldumiskihti ega väljundi filtreerimist. Ükski klassifikaator ei uuri sinu pilti, enne kui mudel seda näeb. Ükski poliitikamudel ei uuri väljuvaid tokeneid. Mida mudel toodab, seda sa saad.

Tekstis on selle mõju tuttav. Nägemises on see teistsugune juba oma olemuselt, sest pildisisendite keeldumiskäitumine on koht, kus kommertslikud multimodaalsed API-d on kõige konservatiivsemad ja kõige meelevaldsemad. Iseloomulikud tõrked näevad välja nii:

• Üldised identiteedikeeldumised — keeldumine inimesi fotol üldse kirjeldamast, sealhulgas selgelt nähtavaid ja täiesti kahjutuid tunnuseid, sest poliitika ei suuda eristada kirjeldamist tuvastamisest.
• Teemapõhised loobumised — keeldumine dokumendi transkribeerimisest või kokkuvõtmisest selle pärast, millest dokument räägib, kuigi transkribeerimine on mehaaniline ülesanne.
• Meditsiiniline ja kohtuekspertiisi peenetundelisus — keeldumine kirjeldada kliinilist pildimaterjali, vigastuste dokumentatsiooni või õnnetusfotosid, mida spetsialist vajab kirjeldatuna.
• Turvatööriistade valepositiivid — keeldumine ekraanitõmmise lugemisest, sest sellel on terminal, pakikogum või silur.
• Vaikne halvenemine — kõige hullem: mitte keeldumine, vaid põiklev mittevastus, mis läbib sinu skeemivalideerimise ja mürgitab sinu andmestiku, ilma et kunagi tekiks viga.

Kõigi viie operatiivne probleem ei ole see, et nad on ebaõiglased. Probleem on see, et nad on mõõtmatud. Vale vastus on andmepunkt; sa saad seda hinnata, hindamises tabada ja selle suhtes korrigeerida. Keeldumine on auk. Partiimastaabis on 3% keeldumismäär, mis on sinu sisendite lõikes mittejuhuslikult jaotunud — koondunud oma ehituse tõttu just rasketele ja ebatavalistele juhtumitele —, sinu tulemustes süstemaatiline nihe, mida mitte ükski hulk hilisemat puhastamist tagasi ei võida. Keeldumiskihi eemaldamine eemaldab vaikselt puuduvate ja korreleeritud andmete allika.

Shannonit opereerib Shannon Lab LLC, New Mexico, USA, meie vastutustundliku kasutuse poliitika alusel. Tsenseerimata tähendab, et mudel ei kommenteeri sinu sisendeid; see ei tähenda, et kontol tingimusi ei oleks.

06Täielik spetsifikatsioon

Väli	MiniMax-M3 · 3BIT-REAP
Mudeli id	MiniMax-M3-3BIT-REAP
Vundament	MiniMax-M3 (MiniMax AI)
Kontekstiaken	262,144 tokenit
Maksimaalne väljund	16,384 tokenit
Pildisisend	Jah
Videosisend	Ei ole pakutud
Voogedastus	Jah
Tööriistakutsed	Jah
Arutlus	Jah (reasoning_effort)
Struktureeritud väljund	json_schema + response_format
Keeldumiskiht	Puudub
Otspunktid	/v1/chat/completions · /v1/messages · /v1/responses
Serveeritud	Shannoni enda GPU-klastris

Kaks rida selles tabelis väärivad rõhutamist. Videosisendit ei pakuta. Ülesvoolu M3 vundamenti treeniti video peal ja MiniMax dokumenteerib videosisendi; meie otspunkt võtab vastu pilte. Ehita piltide peale. Teiseks, 262,144-tokeniline aken on meie oma, mitte ülesvoolu miljoni tokeni näitaja — planeeri pika dokumendi ja paljude piltidega koormused 262,144 vastu ja sind ei taba kunagi üllatus.

07Tsenseerimata MiniMaxi API kutsumine

Kolm dialekti, sama mudel kõigi taga, voogedastus kõigil kolmel. Kasuta seda, mida sinu olemasolev klient juba räägib; nende vahel ei ole võimekuse erinevust. Suuna oma baas-URL Shannonile ja muuda mudeli id.

Pildimõistmine OpenAI dialekti kaudu

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
  }'

Nii kauged https:// URL-id kui ka base64 andme-URL-id töötavad image_url osas. Lisa ühte sõnumisse mitu pildiosa, kui sul on vaja lehekülgedeülest võrdlust — sul on kulutada 262,144 tokenit ja $0.50 miljoni kohta juures on nende kulutamine odav.

Tüübitud ekstraktimine JSON-skeemiga

Koht, kus see mudel torustikus oma koha ära teenib, on kombinatsioon nägemine + range skeem + põrandahind. Kõigil meie kataloogi mudelitel ei ole kõiki kolme: Laguna-S-2.1 ja inkling ei toeta json_schema-t. MiniMax-M3 toetab, mis tähendab, et sa saad pildist valideeritud objekti kätte ilma parsimiskihita:

{
  "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
      }
    }
  }
}

Arutluspingutus

Mudel pakub parameetrit reasoning_effort. Mahuka pildiklassifitseerimise juures hoia see madal — sa esitad tajuküsimuse ja arutlustokenid on väljundtokenid, mille eest sa maksad. Tõsta seda nende päringute jaoks, kus pilt on tõend pikemas argumendis: skeemi lugemine spetsifikatsiooni vastu, diagrammi kokkuviimine tabeliga, otsustamine, kas kaks ekraanitõmmist näitavad sama defekti.

Täielik parameetriviide, veasemantika ja voogedastusvormingud kõigi kolme dialekti jaoks on Shannoni API dokumentatsioonis.

08Kus MiniMax-M3 on õige valik — ja kus ei ole

Haara ta järele siis, kui

• Mahukas pilditöö. Andmestiku sildistamine, modereerimisuuringud, kataloogi rikastamine, ekraanitõmmiste sorteerimine, partii-OCR ja struktuuri leidmine skaneeritud dokumentidest. Põrandahind on kogu argument.
• Piltidest tüübitud kirjeteks. Nägemine pluss range json_schema pluss kataloogi odavaimad tokenid on kombinatsioon, mida siin pakub ainult kaks mudelit.
• Pikk multimodaalne kontekst. Palju lehekülgi või palju kaadreid ühes päringus — arhitektuur selle all on ehitatud täpselt sellise sisendikuju jaoks.
• Uuringud, kus keeldumised rikuvad valimi. Iga uuring, mille kehtivus sõltub sellest, et mudel vastab igale üksusele, sealhulgas ebamugavatele.
• Agentsed tsüklid, mis loevad ekraani. M-seeria liin on selgesõnaliselt agentne ja tööriistakutsed on saadaval.

Haara millegi muu järele siis, kui

• Sul on vaja kõige kõrgemat nägemislage ja eelarve on olemas. Kimi-K3 · 3BIT-REAP on 7.7× sisendihinnaga põhjusega; ühe kõrge panusega lugemise juures on see õige raha, mida kulutada.
• Sul on vaja maksimaalse täpsusega kaale. 3-bitine on meie kõige agressiivsem tase. W8A16 mudelid vahetavad hinna täpsuse vastu ja MiMo-V2.5 · W8A16 on nägemisvõimeline samal hinnal $0.50 / $2.00, kui sa optimeerid just kaalukohast täpsust.
• Sul on vaja videot. Me ei paku sellel otspunktil videosisendit.
• Ülesanne on puhas tekst tipptasemel. Selle jaoks on olemas DeepSeek-V4-Pro-0813; sa maksaksid nägemistorni eest, mida sa kunagi ei kasuta.

MiniMaxi perekonna arhitektuuri-, võrdlustesti- ja kiirendusnäitajad on MiniMax AI labori teatatud; REAP-i näitajad on REAP-i autorite teatatud nende endi mudelite kohta ega ole selle ehituse mõõtmine. Shannoni hinnad, kontekstiaken ja võimekuselipud on meie omad ning loetakse meie elavast mudelikataloogist.

09Korduma kippuvad küsimused

---

Allikad: MiniMax-M3 mudelikaart · 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. MiniMaxi võrdlustesti- ja kiirendusnäitajad on labori teatatud ning esialgsed kuni sõltumatu kontrollimiseni. Shannoni hinnad ja võimekuselipud on ajakohased 5. septembri 2026 seisuga.