API MiniMax sans censure : la vision au prix plancher
MiniMax-M3 est le moyen le moins cher d'obtenir une compréhension d'images sans censure sur la passerelle Shannon — 0,50 $ en entrée, 2,00 $ en sortie, 262,144 tokens de contexte, et aucune couche de refus entre vous et l'image.
En bref
MiniMax-M3 · 3BIT-REAP est un modèle sans censure doté de vision au prix plancher de Shannon : 0,50 $ par million de tokens d'entrée et 2,00 $ par million de tokens de sortie, avec un contexte de 262,144 tokens, 16,384 tokens de sortie, le streaming, l'appel d'outils, le raisonnement avec reasoning_effort et la sortie json_schema stricte. Il repose sur la fondation M3 de MiniMax AI — un modèle à mélange d'experts de 428 milliards de paramètres doté de MiniMax Sparse Attention et d'un entraînement multimodal natif — compressé avec des poids 3 bits et l'élagage d'experts REAP pour tenir sur notre propre cluster GPU à ce prix. Si votre charge de travail consiste à « regarder cette image et répondre honnêtement, dix mille fois », c'est le bon modèle.
Presque toutes les API multimodales hébergées facturent la vision comme une option premium. Vous payez un tarif de modèle texte pour le texte, puis vous payez davantage — parfois plusieurs fois plus — dès qu'une image entre dans le prompt. À cela s'ajoute le fait que c'est sur les images que le comportement de refus est le plus agressif : le modèle qui discutera volontiers d'un sujet en texte refusera de décrire la même chose sur une photographie. Le résultat est un produit cher à l'appel et peu fiable à l'appel, ce qui est le pire des deux mondes quand vous traitez du volume. MiniMax-M3 sur Shannon est notre réponse : les mêmes 0,50 $ / 2,00 $ que vous payez pour notre modèle texte le moins cher, appliqués à une fondation entraînée en multimodal dès la première étape, sans couche de refus devant elle.
01Ce que « le modèle de vision sans censure le moins cher » veut vraiment dire ici
Le catalogue Shannon compte douze modèles. Cinq d'entre eux acceptent les images. Leurs prix, par million de tokens :
| Modèle doté de vision | Entrée | Sortie | Sortie structurée |
|---|---|---|---|
| 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 $ | response_format uniquement |
| Kimi-K3 · 3BIT-REAP | 3,83 $ | 19,12 $ | json_schema + response_format |
MiniMax-M3 est au plancher — 0,50 $ / 2,00 $ — à égalité avec MiMo-V2.5 et sans rien en dessous, parce que 0,50 $ / 2,00 $ est le plancher de notre grille tarifaire. Face au haut de la gamme vision, il est 7,7× moins cher en entrée et 9,6× moins cher en sortie que Kimi-K3.
Traduisons cela en charge de travail. Supposons que vous triiez 1 000 images — captures d'écran, pages scannées, photos de produits — avec en moyenne environ 1 200 tokens d'image plus prompt à l'entrée et 300 tokens de réponse à la sortie :
Prix catalogue Shannon, septembre 2026. Les décomptes de tokens sont indicatifs ; votre tokenisation d'image dépend de la résolution et du nombre d'images jointes par appel.
Deux autres repères utiles à garder en tête. Remplir une fois la totalité du contexte de 262,144 tokens coûte environ 13 cents. Une réponse de longueur maximale, 16,384 tokens, coûte environ 3,3 cents. Ce sont les bornes réelles d'une seule requête au pire cas, et elles sont assez basses pour que la contrainte intéressante d'un pipeline de vision cesse d'être l'argent et devienne le débit.
02La lignée MiniMax : un laboratoire qui optimise les tokens, pas les gros titres
MiniMax AI est un laboratoire de Shanghai dont tout le parcours en poids ouverts tourne autour d'une seule question : comment rendre l'attention assez bon marché pour que le long contexte et la multimodalité cessent d'être des luxes ? Chaque publication de la lignée est une réponse à cette question, et les réponses se construisent les unes sur les autres.
MiniMax-01 — Lightning Attention, et la vision dès le départ
La série MiniMax-01 (publiée sous arXiv 2501.08313) a introduit Lightning Attention, une implémentation attentive aux entrées-sorties d'une variante d'attention linéaire, à l'intérieur d'un modèle hybride à mélange d'experts de 456 milliards de paramètres au total, dont 45,9 milliards actifs par token. La série est sortie par paire : MiniMax-Text-01 et MiniMax-VL-01, le modèle de vision. VL-01 utilisait la pile ViT-MLP-LLM désormais classique, mais avec un Vision Transformer de 303 millions de paramètres entraîné de zéro sur 694 millions de paires image-légende plutôt qu'un encodeur emprunté, puis aligné et affiné conjointement dans un pipeline en plusieurs étapes traitant 512 milliards de tokens.
Ce détail compte pour l'article que vous lisez. Dans cette lignée, la vision n'est pas un adaptateur tardif vissé sur un modèle texte pour cocher une case. MiniMax entraîne sa propre tour visuelle depuis sa toute première publication ouverte, et c'est pourquoi la compréhension de documents, l'analyse d'interfaces et de captures d'écran et la lecture de graphiques sont des forces constantes de la famille plutôt que des ajouts après coup.
MiniMax-M1 — l'attention hybride pour raisonner longtemps
MiniMax-M1 (arXiv 2506.13585) a été décrit par ses auteurs comme le premier modèle de raisonnement à attention hybride, à grande échelle et à poids ouverts. Il conservait le corps MoE de 456 / 45,9 milliards de paramètres et entrelaçait les deux types d'attention : un bloc de transformeur à attention softmax classique après chaque série de sept blocs Lightning Attention. Le gain se mesurait en calcul plutôt qu'en place au classement — MiniMax a rapporté qu'à une longueur de génération de 100K tokens, M1 consommait environ 25 % des FLOPs de DeepSeek R1, tout en prenant nativement en charge un contexte d'un million de tokens.
MiniMax-M2 — le virage des petites activations
MiniMax-M2 a pris le chemin inverse sur la taille et s'est fait remarquer pour cela : un décodeur de 62 couches avec 229,9 milliards de paramètres au total mais seulement ~9,8 milliards actifs par token, utilisant 256 experts à grain fin par couche MoE avec un routage sigmoïde vers huit d'entre eux, des positions RoPE et QK-RMSNorm pour la stabilité de l'entraînement. C'était explicitement un modèle de codage agentique — modifications multi-fichiers, boucles exécuter-corriger, réparations validées par les tests — et il a introduit le format de réflexion entrelacée, où le raisonnement est transporté d'un tour d'appel d'outils au suivant au lieu d'être jeté après chaque tour. M2 est le modèle qui a établi la réputation de MiniMax : livrer un comportement agentique proche de la frontière pour une fraction du coût au token, uniquement en gardant les activations minuscules.
MiniMax-M3 — la fondation sous ce point de terminaison
MiniMax-M3 est sorti le 1er juin 2026, avec les poids sur Hugging Face peu après et un rapport technique sous arXiv 2606.13392. C'est un modèle à mélange d'experts de 428 milliards de paramètres dont environ 23 milliards actifs par token, avec un contexte documenté d'un million de tokens et une entrée native d'images et de vidéos — MiniMax le décrit comme entraîné en modalités mixtes « dès la toute première étape », plutôt que pré-entraîné sur du texte puis adapté au multimodal. Sur les chiffres publiés par MiniMax, il obtient 80,5 % à SWE-bench Verified et 59,0 % à SWE-bench Pro. Ce sont des chiffres annoncés par l'éditeur sur un benchmark de code, et c'est exactement ainsi qu'il faut les pondérer ; nous les citons parce que ce sont les affirmations publiées du laboratoire, pas parce que nous les avons reproduites indépendamment.
03MiniMax Sparse Attention : pourquoi un modèle de vision peut être aussi bon marché
L'ingénierie intéressante de M3, c'est MiniMax Sparse Attention (MSA), et c'est la raison directe pour laquelle un modèle multimodal de cette taille peut se placer à notre prix plancher. Les images coûtent cher en tokens. Une poignée de pages en haute résolution peut injecter des dizaines de milliers de tokens dans un prompt avant même que vous n'ayez écrit la moindre instruction. Avec une attention standard, ce coût croît de façon quadratique, et le modèle qui lit vingt pages n'est pas deux fois plus cher que celui qui en lit dix — c'est bien pire que deux fois.
MSA change la forme de cette courbe. C'est un mécanisme épars par blocs bâti sur une ossature Grouped Query Attention, scindé en deux branches :
- Une branche d'indexation légère qui note les blocs clé-valeur — par max-pooling des scores sur les tokens de chaque bloc — et sélectionne les top-k par position de requête et par groupe GQA, en incluant toujours le bloc local contenant la requête elle-même, pour la stabilité de l'entraînement.
- Une branche principale qui exécute une attention softmax ordinaire uniquement sur les blocs sélectionnés par l'index.
La configuration décrite dans l'article MSA est k = 16 blocs de 128 tokens, ce qui donne à chaque requête un budget fixe de 2 048 tokens attendus. Fixe, c'est-à-dire qu'il ne croît pas avec la longueur de séquence. C'est là toute l'astuce : à mesure que le contexte grandit, le coût d'attention d'une base dense continue de grimper tandis que le coût de la branche principale de MSA reste plat, si bien que l'attention passe à l'échelle linéairement plutôt que quadratiquement.
Chiffres tirés du rapport MiniMax Sparse Attention (arXiv 2606.13392) : une réduction de 28,4× des FLOPs d'attention par token face à une GQA configurée de façon équivalente à 1M de contexte, et des accélérations en temps réel de 14,2× au prefill et 7,6× au décodage, mesurées sur du matériel H800 dans l'étude à 109 milliards de paramètres de l'article. MiniMax rapporte séparément des accélérations de 9× au prefill et 15× au décodage pour M3 face à M2 à 1M de contexte. Tous ces chiffres sont rapportés par le laboratoire.
L'article fait aussi la vérification qui compte pour un article sur la vision : sur un MoE nativement multimodal de 109 milliards de paramètres, MSA a tenu des performances comparables à une base à attention complète sur des benchmarks d'images dont AI2D, ChartQA et MMMU, et sur des benchmarks vidéo dont EgoSchema, LongVideoBench et VideoMME — les variantes éparses améliorant même parfois les tâches vidéo à contexte plus long. Ici, la parcimonie n'est pas une taxe sur la qualité payée en échange de la vitesse ; sur des entrées longues, elle semble à peu près gratuite.
Pourquoi cela vous importe en tant que client : c'est le coût de service qui fixe le prix catalogue. Une fondation dont le coût d'attention cesse de croître est une fondation que vous pouvez vous permettre de pointer vers cent mille images. Voilà le mécanisme derrière « le modèle de vision sans censure le moins cher » — ce n'est pas un tarif promotionnel, c'est une architecture.
04Ce que signifie 3BIT-REAP, et ce que cela vous coûte
Un modèle de 428 milliards de paramètres ne tient nulle part de façon commode en pleine précision. Notre build de MiniMax-M3 porte le suffixe 3BIT-REAP, qui décrit deux opérations distinctes appliquées dans un ordre précis.
REAP : supprimer les experts avant de les compresser
REAP — Router-weighted Expert Activation Pruning — est une méthode de compression de MoE en une passe, issue de Cerebras et de l'Université de Calgary, publiée sous arXiv 2510.13999 et acceptée à ICLR 2026. Son argument est que pour les tâches génératives, élaguer les experts vaut mieux que les fusionner : la fusion détruit le contrôle fin du routeur et introduit une erreur dont on ne récupère jamais. REAP note donc chaque expert selon un critère de saillance combinant les valeurs des portes du routeur (à quelle fréquence et avec quelle force le routeur le choisit) et les normes d'activation de l'expert (l'ampleur réelle de sa contribution en sortie), puis supprime purement et simplement les experts les moins saillants.
Les auteurs rapportent le retrait de jusqu'à 50 % des experts sur des modèles allant jusqu'à mille milliards de paramètres en préservant largement la qualité de référence — sur Qwen3-480B-Coder-FP8 élagué à 50 %, 97,6 % de la capacité de codage non agentique de référence et 96,7 % sur SWE-Bench agentique ont été conservés. Ce sont les chiffres de l'article sur les modèles de l'article, pas les nôtres sur MiniMax-M3 ; nous les citons pour que vous puissiez juger la méthode, pas pour laisser entendre qu'une mesure équivalente a été faite ici.
Ensuite, les poids 3 bits
Les poids survivants sont ensuite stockés sur 3 bits. L'ordre est délibéré et c'est tout l'intérêt de la combinaison : élaguer d'abord, quantifier ensuite. Il n'y a aucun sens à dépenser vos précieux trois bits par poids à encoder fidèlement des experts que vous êtes sur le point de supprimer. Élaguez la longue traîne éparse, puis laissez tout le budget restant aller aux experts qui s'activent réellement.
La réserve honnête
3BIT-REAP est le palier le plus agressif que nous proposions. Nous l'utilisons sur les plus grandes fondations — MiniMax-M3, Kimi-K3, DeepSeek-V4-Pro, GLM-5.2, Nemotron3Ultra — parce que c'est la différence entre voir ces modèles disponibles à un prix raisonnable et ne pas les voir disponibles du tout. Quand une fondation est assez petite pour s'en passer, nous ne l'utilisons pas : les modèles W8A16 du catalogue tournent avec des poids 8 bits et des activations 16 bits, et W4A16-AUTOROUND-REAP se situe entre les deux, en utilisant l'arrondi appris d'AutoRound pour récupérer l'exactitude qu'une quantification naïve par arrondi au plus proche laisse filer. Choisissez le palier qui correspond à votre tolérance. Si vous extrayez des champs de dix mille factures, le 3 bits est le bon arbitrage. Si vous faites une seule lecture forensique à fort enjeu sur une image, mettez l'argent dans Kimi-K3.
05Ce que « aucune couche de refus » veut dire quand l'entrée est une image
« Sans censure » est un mot employé à la légère, alors voici l'affirmation précise : il n'y a aucune couche de refus ni aucun filtrage de sortie sur ce point de terminaison. Aucun classifieur n'inspecte votre image avant que le modèle ne la voie. Aucun modèle de politique n'inspecte les tokens sur le chemin de la sortie. Ce que le modèle produit est ce que vous recevez.
En texte, l'effet est bien connu. En vision, il est différent par nature, car c'est sur les images que les API multimodales commerciales sont les plus conservatrices et les plus arbitraires. Les échecs caractéristiques ressemblent à ceci :
- Refus d'identité systématiques — refuser purement et simplement de décrire des personnes sur une photographie, y compris des attributs manifestement visibles et parfaitement anodins, parce qu'une politique ne sait pas distinguer la description de l'identification.
- Abandons liés au sujet — refuser de transcrire ou de résumer un document à cause de ce dont il parle, alors même que la transcription est une tâche mécanique.
- Pudeur médicale et forensique — refuser de décrire une imagerie clinique, une documentation de blessures ou des photographies d'accident qu'un professionnel a besoin de voir décrites.
- Faux positifs sur l'outillage de sécurité — refuser de lire une capture d'écran parce qu'elle contient un terminal, une capture de paquets ou un débogueur.
- Dégradation silencieuse — la pire : non pas un refus, mais une non-réponse évasive, qui passe la validation de votre schéma et empoisonne votre jeu de données sans jamais déclencher d'erreur.
Le problème opérationnel de ces cinq cas n'est pas qu'ils sont injustes. C'est qu'ils sont non mesurables. Une mauvaise réponse est un point de donnée ; vous pouvez la noter, l'attraper en évaluation et la corriger. Un refus est un trou. À l'échelle du lot, un taux de refus de 3 % réparti de façon non aléatoire sur vos entrées — concentré, par construction, exactement sur les cas difficiles et inhabituels — est un biais systématique dans vos résultats qu'aucun nettoyage en aval ne rattrape. Retirer la couche de refus supprime une source de données manquantes, silencieuses et corrélées.
Shannon est exploité par Shannon Lab LLC, Nouveau-Mexique, États-Unis, dans le cadre de notre politique d'usage responsable. Sans censure signifie que le modèle ne commente pas vos entrées ; cela ne signifie pas que le compte n'a pas de conditions.
06La spécification complète
| Champ | MiniMax-M3 · 3BIT-REAP |
|---|---|
| Identifiant de modèle | MiniMax-M3-3BIT-REAP |
| Fondation | MiniMax-M3 (MiniMax AI) |
| Fenêtre de contexte | 262,144 tokens |
| Sortie max | 16,384 tokens |
| Entrée image | Oui |
| Entrée vidéo | Non exposée |
| Streaming | Oui |
| Appel d'outils | Oui |
| Raisonnement | Oui (reasoning_effort) |
| Sortie structurée | json_schema + response_format |
| Couche de refus | Aucune |
| Points de terminaison | /v1/chat/completions · /v1/messages · /v1/responses |
| Servi sur | Notre propre cluster GPU |
Deux lignes de ce tableau méritent d'être soulignées. L'entrée vidéo n'est pas exposée. La fondation M3 en amont a été entraînée sur de la vidéo et MiniMax documente l'entrée vidéo ; notre point de terminaison accepte des images. Construisez sur les images. Ensuite, la fenêtre de 262,144 tokens est la nôtre, pas le chiffre d'un million en amont — dimensionnez vos charges de documents longs et d'images multiples sur 262,144 et vous ne serez jamais surpris.
07Appeler l'API MiniMax sans censure
Trois dialectes, le même modèle derrière chacun d'eux, le streaming sur les trois. Utilisez celui que votre client existant parle déjà ; il n'y a aucune différence de capacités entre eux. Pointez votre URL de base vers Shannon et changez l'identifiant de modèle.
Compréhension d'images via le dialecte 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
}'Les URL https:// distantes comme les URL de données en base64 fonctionnent dans la partie image_url. Joignez plusieurs parties image dans un seul message lorsque vous avez besoin d'une comparaison entre pages — vous disposez de 262,144 tokens à dépenser et, à 0,50 $ le million, les dépenser ne coûte pas cher.
Extraction typée avec un JSON schema
Ce qui donne à ce modèle sa place dans un pipeline, c'est la combinaison vision + schéma strict + prix plancher. Tous les modèles de notre catalogue n'ont pas les trois : Laguna-S-2.1 et inkling ne prennent pas en charge json_schema. MiniMax-M3, si, ce qui veut dire que vous pouvez obtenir un objet validé à partir d'une image sans couche d'analyse syntaxique :
{
"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
}
}
}
}Effort de raisonnement
Le modèle expose reasoning_effort. Sur de la classification d'images en masse, gardez-le bas — vous posez une question perceptive, et les tokens de raisonnement sont des tokens de sortie que vous payez. Montez-le pour les appels où l'image est une pièce à conviction dans un raisonnement plus long : lire un schéma face à une spécification, réconcilier un graphique avec un tableau, décider si deux captures d'écran montrent le même défaut.
La référence complète des paramètres, la sémantique des erreurs et les formats de streaming pour les trois dialectes se trouvent dans la documentation de l'API Shannon.
08Quand MiniMax-M3 est le bon choix — et quand il ne l'est pas
Prenez-le quand
- Travail sur images en volume. Étiquetage de jeux de données, recherche en modération, enrichissement de catalogue, tri de captures d'écran, OCR et structuration par lots sur des documents scannés. Le prix plancher est tout l'argument.
- Des images vers des enregistrements typés. Vision plus
json_schemastrict plus les tokens les moins chers du catalogue : une combinaison que seuls deux modèles offrent ici. - Long contexte multimodal. Beaucoup de pages, ou beaucoup d'images, en une seule requête — l'architecture sous-jacente est bâtie exactement pour cette forme d'entrée.
- Recherche où les refus corrompent l'échantillon. Toute étude dont la validité dépend du fait que le modèle réponde à chaque item, y compris les plus dérangeants.
- Boucles agentiques qui lisent un écran. La lignée M est explicitement agentique, et l'appel d'outils est disponible.
Prenez autre chose quand
- Vous avez besoin du plafond de vision le plus haut et le budget existe. Kimi-K3 · 3BIT-REAP coûte 7,7× le prix d'entrée pour une raison ; sur une lecture unique à fort enjeu, c'est le bon endroit où mettre l'argent.
- Vous avez besoin de poids de fidélité maximale. Le 3 bits est notre palier le plus agressif. Les modèles
W8A16échangent le prix contre la précision, et MiMo-V2.5 · W8A16 est doté de vision aux mêmes 0,50 $ / 2,00 $ si c'est la fidélité par poids que vous optimisez. - Vous avez besoin de vidéo. Nous n'exposons pas l'entrée vidéo sur ce point de terminaison.
- La tâche est du texte pur à la frontière. DeepSeek-V4-Pro-0813 existe pour cela ; vous paieriez une tour de vision dont vous ne vous servez jamais.
Chaque chiffre en amont cité dans cet article est publié par quelqu'un d'autre que nous. Consultez les sources primaires plutôt que de vous fier à notre résumé.
Les chiffres d'architecture, de benchmarks et d'accélération de la famille MiniMax sont rapportés par le laboratoire MiniMax AI ; les chiffres REAP sont rapportés par les auteurs de REAP sur leurs propres modèles et ne constituent pas une mesure de ce build. Les prix Shannon, la fenêtre de contexte et les indicateurs de capacités sont les nôtres et sont lus dans notre catalogue de modèles en production.
09Questions fréquentes
Qu'est-ce que l'API MiniMax sans censure ?
C'est MiniMax-M3 · 3BIT-REAP servi sur le cluster GPU de Shannon, sans couche de refus ni filtrage de sortie. Vous l'appelez via /v1/chat/completions, /v1/messages ou /v1/responses, avec une fenêtre de contexte de 262,144 tokens, l'entrée d'images, l'appel d'outils et la sortie structurée JSON-schema, à 0,50 $ par million de tokens d'entrée et 2,00 $ par million de tokens de sortie.
MiniMax-M3 accepte-t-il les images sur Shannon ?
Oui. MiniMax-M3 est l'un des cinq modèles dotés de vision du catalogue Shannon et accepte les images au format standard de partie de contenu image_url, y compris les URL de données en base64. Notre point de terminaison expose uniquement l'entrée d'images — nous n'exposons pas l'entrée vidéo, même si la fondation en amont a été entraînée sur de la vidéo.
Combien coûte la compréhension d'images sans censure ?
MiniMax-M3 se situe au prix plancher de Shannon : 0,50 $ par million de tokens d'entrée et 2,00 $ par million de tokens de sortie. Un lot de 1 000 appels sur images, à 1 200 tokens d'entrée et 300 tokens de sortie en moyenne chacun, coûte environ 1,20 $. Le même lot sur Kimi-K3, le modèle de vision au plafond le plus élevé du catalogue, coûte environ 10,34 $.
Que signifie 3BIT-REAP, et cela nuit-il à la qualité ?
REAP, pour Router-weighted Expert Activation Pruning, est une méthode de compression en une passe des mélanges d'experts, issue de Cerebras et de l'Université de Calgary, qui note chaque expert d'après la valeur de la porte du routeur et la norme d'activation, puis supprime les experts les moins saillants avant la quantification. Les poids restants sont stockés sur 3 bits. C'est notre palier de compression le plus agressif, et c'est ce qui rend une fondation de 428 milliards de paramètres servable au prix plancher. Pour une fidélité maximale, nous proposons plutôt des modèles W8A16 distincts.
Prend-il en charge l'appel d'outils et la sortie JSON schema ?
Oui pour les deux. MiniMax-M3 prend en charge le streaming, l'appel d'outils, le raisonnement avec un contrôle reasoning_effort, response_format et la sortie structurée json_schema stricte. Cette combinaison n'est pas universelle dans le catalogue — Laguna-S-2.1 et inkling ne prennent pas en charge json_schema — donc si vous avez besoin de récupérer un objet typé à partir d'une image, MiniMax-M3 est le modèle le moins cher qui vous en fournira un.
Quelle fenêtre de contexte et quelle limite de sortie ai-je ?
262,144 tokens de contexte et 16,384 tokens de sortie par requête, à l'identique sur les douze modèles Shannon. La fondation MiniMax-M3 en amont est documentée à un million de tokens ; nous servons une fenêtre de 262K, alors dimensionnez vos charges de documents longs et d'images multiples sur 262,144, et non sur le chiffre en amont.
Essayez l'API MiniMax sans censure
La compréhension d'images au prix plancher. Trois dialectes, un identifiant de modèle, aucune couche de refus.
Lire la documentation de l'API Tous les guides de modèlesShannon Lab LLC · Nouveau-Mexique, États-Unis · la politique d'usage responsable s'applique
Sources : fiche de modèle 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. Les chiffres de benchmarks et d'accélération de MiniMax sont rapportés par le laboratoire et restent provisoires en attendant une vérification indépendante. Les prix et les indicateurs de capacités Shannon sont à jour au 5 septembre 2026.