API MiniMax Gun Chaisgireachd: lèirsinn aig a' phrìs làr

Bidh cha mhòr a h-uile API ioma-mhodhach le aoigheachd a' cur prìs-àrd air lèirsinn. Pàighidh tu ìre modail teacsa airson teacsa, agus an uair sin pàighidh tu barrachd — uaireannan grunn thursan a bharrachd — cho luath 's a thig dealbh a-steach don bhrosnachadh. A bharrachd air sin, 's ann le ionchuran dhealbh as motha a tha giùlan diùltaidh nàimhdeil: bidh am modail a bhruidhneas gu toilichte mu chuspair ann an teacsa a' diùltadh an aon rud a mhìneachadh ann an dealbh. 'S e am bathar a th' agad an uair sin fear a tha daor gach gairm agus neo-earbsach gach gairm, agus sin an dà thaobh as miosa nuair a tha thu a' giollachd tomhas. 'S e MiniMax-M3 air Shannon am freagairt againn air sin: an aon $0.50 / $2.00 a phàigheas tu airson am modail teacsa as saoire againn, air a chur an sàs air bunait a chaidh a thrèanadh ioma-mhodhach bhon chiad cheum, gun sreath diùltaidh na shuidhe air a bheulaibh.

01Dè tha "am modail lèirsinn gun chaisgireachd as saoire" a' ciallachadh dha-rìribh an seo

'S e dhà-dheug modail a th' ann an catalog Shannon. Gabhaidh còignear dhiubh ri dealbhan. Na prìsean aca, gach millean token:

Modail le comas lèirsinn	Ionchur	Toradh	Toradh structarach
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 a-mhàin
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	json_schema + response_format

Tha MiniMax-M3 aig an làr — $0.50 / $2.00 — co-ionann ri MiMo-V2.5 agus gun dad fodha, oir 's e $0.50 / $2.00 an làr aig ar liosta phrìsean. An aghaidh mullach an raoin lèirsinn, tha e 7.7× nas saoire air ionchur agus 9.6× nas saoire air toradh na Kimi-K3.

Cuir sin ann an uallach-obrach. Can gu bheil thu a' triageadh 1,000 dealbh — glacaidhean-sgrìn, duilleagan sganaichte, dealbhan bathair — a' gabhail cuibheasachd de mu 1,200 token de dhealbh a bharrachd air brosnachadh a' dol a-steach agus 300 token de fhreagairt a' tighinn a-mach:

Prìsean liosta Shannon, Sultain 2026. Tha cunntasan tokenan mar dhealbh-sampaill; tha tokenachadh nan dealbhan agad an urra ri dùmhlachd-piogsail agus cia mheud dealbh a cheanglas tu gach gairm.

Dà phuing-iomraidh eile a tha feumail a chumail nad chuimhne. Bidh lìonadh na h-uinneig cho-theacsa 262,144-token gu lèir aon uair a' cosg mu 13 sgillinn. Bidh freagairt 16,384-token aig fad as motha a' cosg mu 3.3 sgillinn. Sin fìor chrìochan aon iarrtas aig a' chùis as miosa, agus tha iad beag gu leòr gu bheil an cuingealachadh inntinneach air pìoban lèirsinn a' sgur a bhith nan airgead agus a' tòiseachadh a bhith na astar-giollachd.

02Sinnsireachd MiniMax: obair-lann a bhios a' cuantachadh thokenan, chan e cinn-naidheachd

'S e obair-lann à Shanghai a th' ann am MiniMax AI aig a bheil an clàr-cuairt cuideaman-fosgailte gu lèir mu aon cheist: ciamar a nì thu aire saor gu leòr gum sguir co-theacsa fada agus ioma-mhodhachd de bhith nan sochairean? 'S e freagairt air a' cheist sin a th' anns gach foillseachadh san t-sreath, agus bidh na freagairtean a' togail air a chèile.

MiniMax-01 — Lightning Attention, agus lèirsinn bhon toiseach

Thug an t-sreath MiniMax-01 (foillsichte mar arXiv 2501.08313) a-steach Lightning Attention, cur an gnìomh mothachail air I/O de sheòrsa aire loidhneach, am broinn modail hybrid Mixture-of-Experts le 456B paramadair uile-gu-lèir agus 45.9B gnìomhach gach token. Chaidh an t-sreath a-mach na càraid: MiniMax-Text-01 agus MiniMax-VL-01, am modail lèirsinn. Chleachd VL-01 an staic ViT-MLP-LLM a tha aithnichte a-nis, ach le Vision Transformer le 303-millean paramadair air a thrèanadh o neoni air 694 millean paidhrichean dealbh-fo-thiotail seach encoder air iasad, an uair sin air a cho-thaobhadh agus air a cho-fhìneadh thar pìoban ioma-ìre a' giollachd 512 billean token.

Tha am mion-fhiosrachadh sin cudromach don artaigil seo. Chan e adapter anmoch a chaidh a chur air modail teacsa gus bogsa a chomharrachadh a th' ann an lèirsinn san t-sinnsireachd seo. Tha MiniMax air a bhith a' trèanadh a stiùc lèirsinneach fhèin bhon chiad fhoillseachadh fosgailte aca, agus sin as coireach gu bheil tuigse sgrìobhainnean, tuigse UI is glacaidh-sgrìn, agus leughadh chlàran air a bhith nan neartan cunbhalach san teaghlach seach smuaintean anmoch.

MiniMax-M1 — aire hybrid airson reusanachadh fada

Chaidh MiniMax-M1 (arXiv 2506.13585) a mhìneachadh leis na h-ùghdaran mar a' chiad mhodail reusanachaidh cuideaman-fosgailte, mòr-sgèile, aire-hybrid. Chum e am bodhaig MoE 456B / 45.9B agus dh'eadar-fhill e an dà sheòrsa aire: bloca transformer aire-softmax àbhaisteach às dèidh gach seachd blocaichean Lightning Attention. Chaidh am buannachd a thomhas ann an àireamhachadh seach ìre air clàr-ceannais — dh'aithris MiniMax gun do chleachd M1, aig fad gineadh 100K-token, mu 25% de FLOPan DeepSeek R1, fhad 's a bha e a' toirt taic dùthchasach do cho-theacsa millean-token.

MiniMax-M2 — an cuairteachadh gnìomhachaidh bhig

Chaidh MiniMax-M2 an taobh eile a thaobh meud agus choisinn e aire air a shon: dì-chòdaiche 62-sreath le 229.9B paramadair uile-gu-lèir ach dìreach ~9.8B gnìomhach gach token, a' cleachdadh 256 eòlaiche mion-ghràinneach gach sreath MoE le stiùireadh sigmoid gu ochdnar dhiubh, ionadan RoPE agus QK-RMSNorm airson seasmhachd trèanaidh. B' e modail còdaidh àidseantach gu soilleir a bh' ann — deasachaidhean ioma-fhaidhle, lùban ruith-is-càraich, càraidhean deuchainn-dhearbhte — agus thug e a-steach cumadh smaoineachaidh eadar-fhighte, far a bheil reusanachadh air a ghiùlan eadar cuairtean gairm-inneil seach ga thilgeil air falbh às dèidh gach cuairt. 'S e M2 am modail a stèidhich cliù MiniMax airson giùlan àidseantach faisg air fìor-thoiseach a lìbhrigeadh airson bloigh de chosgais gach token, dìreach le bhith a' cumail gnìomhachaidhean beag.

MiniMax-M3 — am bunait fon oir-phuing seo

Chaidh MiniMax-M3 a chur a-mach air 1 Ògmhios 2026, le cuideaman air Hugging Face goirid às a dhèidh agus aithisg theignigeach aig arXiv 2606.13392. 'S e modail Mixture-of-Experts le 428B paramadair le timcheall air 23B gnìomhach gach token, co-theacsa millean-token doicimeanaichte, agus ionchur dealbh is bhidio dùthchasach — bidh MiniMax ga mhìneachadh mar rud a chaidh a thrèanadh ioma-mhodhach "bhon dearbh chiad cheum", seach ro-thrèanaichte ann an teacsa agus an uair sin air atharrachadh gu ioma-mhodhach. Air àireamhan foillsichte fhèin MiniMax, sgòraidh e 80.5% air SWE-bench Verified agus 59.0% air SWE-bench Pro. 'S e àireamhan reiceadair a th' annta air deuchainn-choimeis còdaidh, agus sin dìreach mar bu chòir dhut cuideam a chur orra; tha sinn gan ainmeachadh oir 's iad na tagraidhean foillsichte aig an obair-lann, chan ann oir dh'ath-riochdaich sinn iad gu neo-eisimeileach.

03MiniMax Sparse Attention: carson as urrainn do mhodail lèirsinn a bhith cho saor

'S e MiniMax Sparse Attention (MSA) an innleadaireachd inntinneach ann am M3, agus 's e sin dìreach as coireach gu bheil modail ioma-mhodhach den mheud seo aig ar prìs làr. Tha dealbhan daor a thaobh tokenan. Faodaidh dòrlach de dhuilleagan àrd-dhìumhachd deichean mìltean de thokenan a chur ann am brosnachadh mus do sgrìobh thu aon stiùireadh. Fon aire àbhaisteach, bidh an cosgais sin a' co-mheudachadh gu ceathairteach, agus chan eil am modail a leughas fichead duilleag dà uair cho daor ris an fhear a leughas deich — tha e fada nas miosa na dà uair.

Bidh MSA ag atharrachadh cumadh an lùib sin. 'S e uidheam bloc-fhànaisdeach a th' ann air a thogail air structar bunaiteach Grouped Query Attention, air a roinn na dhà mheur:

• Meur Clàr-amais aotrom a bheir sgòr do bhlocaichean iuchair-luach — a' cur sgòran tro max-pooling thar nan tokenan am broinn gach bloca — agus a thaghas an top-k gach suidheachadh cheist agus gach buidheann GQA, an-còmhnaidh a' gabhail a-steach a' bhloca ionadail sa bheil a' cheist fhèin airson seasmhachd trèanaidh.
• Prìomh Mheur a bhios a' ruith aire softmax àbhaisteach dìreach thairis air na blocaichean a thagh an clàr-amais.

'S e an rèiteachadh ann am pàipear MSA k = 16 bloc de 128 token, a bheir do gach ceist buidseat stèidhichte de 2,048 token fo aire. Stèidhichte, a' ciallachadh nach fàs e le fad an t-sreatha. Sin an t-uile innleachd: fhad 's a dh'fhàsas co-theacsa, cumaidh cosgais aire bun-loidhne dùmhail a' dìreadh fhad 's a dh'fhanas cosgais prìomh-mheur MSA rèidh, agus mar sin sgèilichidh aire gu sreathach seach gu ceathairteach.

Àireamhan bhon aithisg MiniMax Sparse Attention (arXiv 2606.13392): lùghdachadh 28.4× ann am FLOPan aire gach token an aghaidh GQA air a rèiteachadh gu co-ionann aig co-theacsa 1M, agus luathachaidhean fìor-ùine 14.2× ro-lìonaidh / 7.6× còdachaidh air an tomhas air bathar-cruaidh H800 anns an sgrùdadh 109B-paramadair aig a' phàipear. Bidh MiniMax ag aithris air leth luathachaidhean 9× ro-lìonaidh agus 15× còdachaidh airson M3 an aghaidh M2 aig co-theacsa 1M. Tha iad uile air an aithris leis an obair-lann.

Bidh am pàipear cuideachd a' dèanamh an sgrùdaidh a tha cudromach airson artaigil lèirsinn: air MoE 109B ioma-mhodhach dùthchasach, chùm MSA coileanadh coimeasach ri bun-loidhne làn-aire thar deuchainnean-coimeis dhealbhan a' gabhail a-steach AI2D, ChartQA agus MMMU, agus thar deuchainnean-coimeis bhidio a' gabhail a-steach EgoSchema, LongVideoBench agus VideoMME — leis na caochlaidhean fànaisdeach uaireannan a' leasachadh air na h-obraichean bhidio co-theacsa nas fhaide. Chan e cìs càileachd a phàigheas tu airson astair a th' ann am fànaisdeachd an seo; air ionchur fada tha e a' nochdadh cha mhòr saor an-asgaidh.

Carson as fhiach dhut cùram mar neach-cleachdaidh: 's e cosgais frithealaidh a shuidhicheas prìs liosta. 'S e bunait aig a bheil cosgais aire a sguireas a' fàs bunait as urrainn dhut a chur ri ceud mìle dealbh. Sin an uidheam air cùl "am modail lèirsinn gun chaisgireachd as saoire" — chan e ìre brosnachail a th' ann, 's e ailtireachd.

04Dè tha 3BIT-REAP a' ciallachadh, agus càite a chosgas e dhut

Chan eil modail le 428-billean paramadair a' freagairt àite goireasach sam bith aig làn mhionaideachd. Bidh an togail MiniMax-M3 againn a' giùlan an t-iar-leasachain 3BIT-REAP, a tha a' mìneachadh dà obair air leth air an cur an sàs ann an òrdugh sònraichte.

REAP: sguab às eòlaichean mus teannaich thu iad

'S e REAP — Router-weighted Expert Activation Pruning — dòigh teannachaidh MoE aon-shot o Cerebras agus Oilthigh Calgary, air fhoillseachadh mar arXiv 2510.13999 agus air gabhail ris aig ICLR 2026. 'S e an argamaid aige, airson obraichean gineadaireachd, gum buadhaich bearradh eòlaichean air co-mheasgadh iad: bidh co-mheasgadh a' sgrios smachd mion-ghràinneach an rianadair agus a' toirt a-steach mearachd nach urrainn dhut fhaighinn air ais gu bràth. Mar sin bidh REAP an àite sin a' toirt sgòr do gach eòlaiche le slat-thomhais follaiseachd a' co-mheasgadh luachan geata an rianadair (dè cho tric 's cho làidir 's a thaghas an rianadair e) agus tomhasan gnìomhachaidh nan eòlaichean (dè uimhir a chuireas an toradh aca ris dha-rìribh), an uair sin a' toirt air falbh na feadhainn as lugha follaiseachd gu buan.

Bidh na h-ùghdaran ag aithris toirt air falbh suas ri 50% de dh'eòlaichean o mhodailean cho mòr ri trillean paramadair fhad 's a chumas iad a' mhòr-chuid de chàileachd bunaiteach — air Qwen3-480B-Coder-FP8 aig 50% bearraidh, chaidh 97.6% de chomas còdaidh neo-àidseantach bunaiteach agus 96.7% air SWE-Bench àidseantach a chumail. 'S e àireamhan a' phàipeir air modailean a' phàipeir a th' annta, chan e ar feadhainn fhìn air MiniMax-M3; tha sinn gan ainmeachadh ionnas gum b' urrainn dhut breithneachadh a dhèanamh air an dòigh, chan ann gus tomhas co-ionann an seo a chur an cèill.

Cuideaman 3-bit, san dàrna àite

Thèid na cuideaman a mhaireas an uair sin a stòradh aig 3 bit. Tha an t-òrdugh a dh'aon ghnothach agus 's e sin puing a' cho-cheangail: bearr an toiseach, cuantaich san dàrna àite. Chan eil ciall ann a bhith a' cosg do thrì bit luachmhor gach cuideam a' còdachadh gu dìleas eòlaichean air a bheil thu an impis toirt air falbh. Bearr an t-earball fànaisdeach, an uair sin leig leis a' bhuidseat a tha air fhàgail a dhol gu tur gu eòlaichean a bhios dha-rìribh a' losgadh.

An caveat onarach

'S e 3BIT-REAP an ìre as dàna a chuireas sinn a-mach. Cleachdaidh sinn e air na bunaitean as motha — MiniMax-M3, Kimi-K3, DeepSeek-V4-Pro, GLM-5.2, Nemotron3Ultra — oir 's e sin an diofar eadar na modailean sin a bhith ri fhaighinn aig prìs reusanta agus gun a bhith ri fhaighinn idir. Far a bheil bunait beag gu leòr gun fheum air, chan eil sinn ga chleachdadh: bidh na modailean W8A16 sa chatalog a' ruith cuideaman 8-bit le gnìomhachaidhean 16-bit, agus tha W4A16-AUTOROUND-REAP eadar an dà, a' cleachdadh cruinneachadh ionnsaichte AutoRound gus cruinneas aiseag nach toir cuantachadh cruinneachadh-sìmplidh seachad. Tagh an ìre a fhreagras air an fhulangas agad. Ma tha thu ag às-tharraing raointean o dheich mìle cunntas-cinnidh, 's e 3-bit an co-mhalairt ceart. Ma tha thu a' dèanamh aon leughadh forensaig àrd-chunnairt de aon dealbh, cosg an t-airgead air Kimi-K3.

05Dè tha "gun sreath diùltaidh" a' ciallachadh nuair as e dealbh an t-ionchur

'S e facal a thathar a' cleachdadh gu sgaoilte a th' ann an gun chaisgireachd, agus mar sin seo an tagradh pongail: chan eil sreath diùltaidh ann agus chan eil sìoladh toraidh air an oir-phuing seo. Chan eil seòrsaichear a' sgrùdadh an deilbh agad mus fhaic am modail e. Chan eil modail phoileasaidh a' sgrùdadh nan tokenan air an t-slighe a-mach. 'S e na chruthaicheas am modail na gheibh thu.

Ann an teacsa, tha buil sin aithnichte. Ann an lèirsinn, tha e eadar-dhealaichte na sheòrsa, oir 's ann le ionchuran dhealbh as motha a tha giùlan diùltaidh aig APIan ioma-mhodhach malairteach aig an as glèidhte agus as neo-thuairmsiche. Seo coltas nam fàilligidhean àbhaisteach:

• Diùltaidhean dearbh-aithne uile-choitcheann — a' diùltadh daoine a mhìneachadh ann an dealbh idir, a' gabhail a-steach feartan a tha follaiseach agus gu tur neo-chronail, oir chan urrainn do phoileasaidh mìneachadh a sgaradh o aithneachadh.
• Teicheadh cuspair — a' diùltadh sgrìobhainn a thar-sgrìobhadh no a ghearr-chunntas air sgàth dè a th' anns an sgrìobhainn, ged nach eil ann an tar-sgrìobhadh ach obair mheacanaigeach.
• Frionas meidigeach is forensaig — a' diùltadh ìomhaigheachd clionaigeach, sgrìobhainneachadh leòin, no dealbhan tubaist a dh'fheumas proifeasanta a mhìneachadh.
• Comharran-meallta innealan tèarainteachd — a' diùltadh glacadh-sgrìn a leughadh oir tha tèirmineal, glacadh pacaid, no dì-bhugaiche ann.
• Crìonadh sàmhach — am fear as miosa: chan e diùltadh a th' ann ach neo-fhreagairt eagalach, a shoirbhicheas le dearbhadh do sgeama agus a phuinnseanaicheas do sheata-dàta gun mhearachd a-riamh a thogail.

Chan e nach eil iad cothromach an duilgheadas obrachaidh leis a' chòignear sin. 'S e nach gabh iad a thomhas. 'S e puing dàta a th' ann am freagairt cheàrr; 's urrainn dhut a sgòradh, a ghlacadh ann am measadh, agus ceartachadh air a shon. 'S e toll a th' ann an diùltadh. Aig sgèile baidse, tha ìre diùltaidh 3% air a sgaoileadh gu neo-thuairmseach thar an ionchuir agad — cruinnichte, a rèir togail, dìreach air na cùisean duilich, neo-àbhaisteach — na claonadh siostamach anns na toraidhean agad nach fhaigh glanadh sam bith às a dhèidh air ais. Bidh toirt air falbh sreath diùltaidh a' toirt air falbh tùs dàta a dhìth, sàmhach agus co-cheangailte.

Tha Shannon air a ruith le Shannon Lab LLC, New Mexico, na SA, fo ar Poileasaidh Cleachdaidh Chunntachail. Tha gun chaisgireachd a' ciallachadh nach dèan am modail deasachadh air do dh'ionchuran; chan eil e a' ciallachadh nach eil teirmichean aig a' chunntas.

06An làn-mhìneachadh

Raon	MiniMax-M3 · 3BIT-REAP
Aithne modail	MiniMax-M3-3BIT-REAP
Bunait	MiniMax-M3 (MiniMax AI)
Uinneag cho-theacsa	262,144 token
Toradh as motha	16,384 token
Ionchur dhealbh	Tha
Ionchur bhidio	Chan eil ga nochdadh
Sruthadh	Tha
Gairm-inneal	Tha
Reusanachadh	Tha (reasoning_effort)
Toradh structarach	json_schema + response_format
Sreath diùltaidh	Chan eil gin
Oir-phuingean	/v1/chat/completions · /v1/messages · /v1/responses
Air fhrithealadh air	A' chruinneachadh GPU fhèin aig Shannon

Tha dà loidhne san chlàr sin airidh air cuideam. Chan eil ionchur bhidio air a nochdadh. Chaidh bunait M3 an-àirde a thrèanadh air bhidio agus tha MiniMax a' doicimeanachadh ionchur bhidio; bidh an oir-phuing againn a' gabhail ri dealbhan. Tog an aghaidh dhealbhan. San dàrna àite, 's ann againn fhìn a tha an uinneag 262,144-token, chan ann bhon àireimh mhillean an-àirde — dealbhaich uallaichean-obrach sgrìobhainn fhada is ioma-dhealbh an aghaidh 262,144 agus cha bhith iongnadh ort a-riamh.

07A' gairm API MiniMax gun chaisgireachd

Trì dualchainntean, an aon mhodail air an cùlaibh uile, sruthadh air na trì. Cleachd ge b' e dè a bhruidhneas an cliant a th' agad mu thràth; chan eil diofar comais eatarra. Cuir am bun-URL agad ri Shannon agus atharraich aithne a' mhodail.

Tuigse dhealbhan tron dualchainnt 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": "Tar-sgrìobh gach raon san sganadh seo. Na dèan gearr-chunntas." },
        { "type": "image_url",
          "image_url": { "url": "data:image/png;base64,iVBORw0KGgo..." } }
      ]
    }],
    "max_tokens": 4096,
    "stream": true
  }'

Bidh URLan https:// cèin agus URLan dàta base64 le chèile ag obair sa phìos image_url. Ceangail grunn phìosan dealbh ann an aon teachdaireachd nuair a dh'fheumas tu coimeas thar dhuilleagan — tha 262,144 token agad ri chosg agus, aig $0.50 gach millean, tha an cosg saor.

Às-tharraing dèarbhte le sgeama JSON

'S ann far a chosnas am modail seo àite ann am pìoban a tha an co-thruiseadh de lèirsinn + sgeama teann + prìs làr. Chan eil na trì aig gach modail sa chatalog againn: chan eil taic aig Laguna-S-2.1 agus inkling do json_schema. Tha taic aig MiniMax-M3, agus mar sin gheibh thu nì dearbhte air ais o dhealbh gun sreath parsaidh:

{
  "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
      }
    }
  }
}

Spàirn reusanachaidh

Bidh am modail a' nochdadh reasoning_effort. Air seòrsachadh dhealbhan mòr-thomhas, cùm ìseal e — tha thu a' faighneachd ceist mhothachail, agus 's e tokenan toraidh a phàigheas tu air a shon a th' ann an tokenan reusanachaidh. Àrdaich e airson na gairmean far a bheil an dealbh na fhianais ann an argamaid nas fhaide: a' leughadh diagram an aghaidh sònrachaidh, a' rèiteachadh clàr le clàr-dàta, a' co-dhùnadh a bheil dà ghlacadh-sgrìn a' sealltainn an aon fhàillinn.

Tha iomradh slàn air paramadairean, semantaigs mhearachdan, agus cruthan sruthaidh airson na trì dualchainntean beò ann an sgrìobhainnean API Shannon.

08Càite a bheil MiniMax-M3 an taghadh ceart — agus càite nach eil

Ruigh air nuair a tha thu

• Ag obair dhealbhan aig tomhas. Bileachadh seata-dàta, rannsachadh maorsainneachd, beairteachadh catalog, triage glacaidh-sgrìn, OCR-agus-structar baidse thar sgrìobhainnean sganaichte. 'S e a' phrìs làr an argamaid air fad.
• Dealbhan gu clàran dèarbhte. 'S e cothlamadh nach tairg ach dà mhodail an seo lèirsinn a bharrachd air sgeama JSON teann a bharrachd air na tokenan as saoire sa chatalog.
• Co-theacsa ioma-mhodhach fada. Mòran dhuilleagan, no mòran fhrèaman, ann an aon iarrtas — chaidh an ailtireachd fodha a thogail dìreach airson a' chumaidh seo de dh'ionchur.
• Rannsachadh far am mill diùltaidhean an sampall. Sgrùdadh sam bith aig a bheil dligheachas an urra ris a' mhodail a' freagairt gach nì, a' gabhail a-steach na feadhainn mhì-chomhfhurtail.
• Lùban àidseantach a leughas sgrìn. Tha sinnsireachd an t-sreath M gu soilleir àidseantach, agus tha gairm-inneal ri fhaighinn.

Ruigh air rudeigin eile nuair a tha thu

• Ag iarraidh an ìre lèirsinn as àirde agus an cuid airgid ann. Tha Kimi-K3 · 3BIT-REAP 7.7× prìs an ionchuir airson adhbhar; air aon leughadh àrd-chunnairt, sin an t-airgead ceart a chosg.
• Ag iarraidh cuideaman na dìlseachd as motha. 'S e 3-bit an ìre as dàna againn. Bidh na modailean W8A16 a' malairteachadh prìs airson mionaideachd, agus tha MiMo-V2.5 · W8A16 le comas lèirsinn aig an aon $0.50 / $2.00 ma 's e mionaideachd gach cuideam air a bheil thu ag amas.
• Ag iarraidh bhidio. Chan eil sinn a' nochdadh ionchur bhidio air an oir-phuing seo.
• 'S e teacsa fìor-ghlan aig an fhìor-thoiseach a tha san obair. Tha DeepSeek-V4-Pro-0813 ann air a shon sin; bhiodh tu a' pàigheadh airson stiùc lèirsinn nach cleachd thu a-riamh.

Tha àireamhan ailtireachd, deuchainn-choimeis agus luathachaidh airson teaghlach MiniMax air an aithris leis an obair-lann fhèin aig MiniMax AI; tha àireamhan REAP air an aithris le ùghdaran REAP air na modailean aca fhèin agus chan e tomhas air an togail seo a th' annta. 'S e feadhainn Shannon a th' ann am prìsean, uinneag cho-theacsa, agus brataichean comais, agus tha iad air an leughadh bhon chatalog bheò againn.

09Ceistean cumanta

---

Tùsan: Cairt mhodail 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. Tha àireamhan deuchainn-choimeis agus luathachaidh MiniMax air an aithris leis an obair-lann agus sealach fhad 's a tha dearbhadh neo-eisimeileach ri thighinn. Tha prìsean agus brataichean comais Shannon mar a bha 5 Sultain 2026.