MiniMax API bez cenzure: vid po najnižoj cijeni

Gotovo svaki hostirani multimodalni API vid naplaćuje kao premiju. Za tekst plaćate cijenu tekstualnog modela, a zatim plaćate više — katkad višestruko više — čim slika uđe u prompt. Povrh toga, slikovni je ulaz mjesto gdje je ponašanje odbijanja najagresivnije: model koji će o nekoj temi rado raspravljati u tekstu odbit će opisati istu stvar na fotografiji. Ishod je proizvod skup po pozivu i nepouzdan po pozivu, što je najgore od oba svijeta kad obrađujete količinu. MiniMax-M3 na Shannonu naš je odgovor na to: istih 0,50 $ / 2,00 $ koliko plaćate za naš najjeftiniji tekstualni model, primijenjeno na temelj koji je od prvog koraka treniran multimodalno, bez sloja odbijanja ispred njega.

01Što ovdje zapravo znači „najjeftiniji model s vidom bez cenzure”

Shannonov katalog broji dvanaest modela. Pet ih prima slike. Njihove cijene, po milijunu tokena:

Model s vidom	Ulaz	Izlaz	Strukturirani izlaz
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	samo response_format
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	json_schema + response_format

MiniMax-M3 sjedi na dnu — 0,50 $ / 2,00 $ — izjednačen s MiMo-V2.5 i bez ičega ispod sebe, jer 0,50 $ / 2,00 $ jest dno našeg cjenika. U odnosu na vrh raspona s vidom 7,7 puta je jeftiniji na ulazu i 9,6 puta na izlazu od Kimija-K3.

Stavite to u radno opterećenje. Recimo da trijažirate 1.000 slika — snimke zaslona, skenirane stranice, fotografije proizvoda — s prosječno oko 1.200 tokena slike i prompta na ulazu te 300 tokena odgovora na izlazu:

Shannonove cijene iz cjenika, rujan 2026. Broj tokena je ilustrativan; vaša tokenizacija slika ovisi o razlučivosti i o tome koliko slika prilažete po pozivu.

Još dvije referentne točke koje je korisno držati u glavi. Jednokratno punjenje cijelog konteksta od 262.144 tokena stoji otprilike 13 centi. Odgovor najveće duljine od 16.384 tokena stoji otprilike 3,3 centa. To su stvarne granice jednog najgoreg mogućeg zahtjeva i dovoljno su male da zanimljivo ograničenje vašeg vizualnog proizvodnog lanca prestane biti novac, a postane propusnost.

02Loza MiniMaxa: laboratorij koji optimizira tokene, a ne naslove

MiniMax AI šangajski je laboratorij čiji se cjelokupni učinak na polju otvorenih težina vrti oko jednog pitanja: kako učiniti pažnju dovoljno jeftinom da dugi kontekst i multimodalnost prestanu biti luksuz? Svako izdanje u nizu odgovor je na to pitanje, a odgovori se nadograđuju jedan na drugi.

MiniMax-01 — Lightning Attention i vid od početka

Serija MiniMax-01 (objavljena kao arXiv 2501.08313) uvela je Lightning Attention, izvedbu varijante linearne pažnje svjesnu ulazno-izlaznih troškova, unutar hibridnog modela tipa Mixture-of-Experts s ukupno 456 milijardi parametara i 45,9 milijardi aktivnih po tokenu. Serija je stigla u paru: MiniMax-Text-01 i MiniMax-VL-01, model za vid. VL-01 koristio je sada već poznati slog ViT-MLP-LLM, ali s Vision Transformerom od 303 milijuna parametara treniranim od nule na 694 milijuna parova slike i opisa umjesto s posuđenim koderom, potom poravnatim i zajednički fino ugođenim kroz višefazni proizvodni lanac koji je obradio 512 milijardi tokena.

Taj je detalj važan za članak koji čitate. Vid u ovoj lozi nije naknadni prilagodnik prikucan na tekstualni model radi kvačice na popisu. MiniMax vlastiti vizualni toranj trenira od svojeg prvog otvorenog izdanja, zbog čega su razumijevanje dokumenata, čitanje sučelja i snimki zaslona te čitanje grafikona dosljedne snage ove obitelji, a ne naknadna pomisao.

MiniMax-M1 — hibridna pažnja za promišljanje u duljini

MiniMax-M1 (arXiv 2506.13585) autori su opisali kao prvi veliki model za promišljanje otvorenih težina s hibridnom pažnjom. Zadržao je MoE tijelo od 456 / 45,9 milijardi i isprepleo dvije vrste pažnje: konvencionalni transformerski blok sa softmax pažnjom nakon svakih sedam blokova Lightning Attentiona. Isplata je izmjerena u računu, a ne u mjestu na ljestvici — MiniMax je izvijestio da je pri duljini generiranja od 100 tisuća tokena M1 potrošio otprilike 25 % FLOP-ova DeepSeeka R1, uz izvornu podršku za kontekst od milijun tokena.

MiniMax-M2 — zaokret prema maloj aktivaciji

MiniMax-M2 po veličini je otišao u suprotnom smjeru i time privukao pozornost: dekoder od 62 sloja s 229,9 milijardi ukupnih, ali samo oko 9,8 milijardi aktivnih parametara po tokenu, s 256 sitnozrnatih stručnjaka po MoE sloju i sigmoidnim usmjeravanjem na njih osam, RoPE pozicijama i QK-RMSNormom radi stabilnosti treniranja. Bio je izričito model za agentsko programiranje — izmjene preko više datoteka, petlje pokreni-popravi, popravci potvrđeni testovima — i uveo je format isprepletenog promišljanja, u kojem se promišljanje prenosi između krugova pozivanja alata umjesto da se nakon svakog poteza odbaci. M2 je model koji je MiniMaxu izgradio reputaciju isporučitelja agentskog ponašanja blizu vrha uz djelić troška po tokenu, i to isključivo držeći aktivacije sitnima.

MiniMax-M3 — temelj ispod ove krajnje točke

MiniMax-M3 objavljen je 1. lipnja 2026., s težinama na Hugging Faceu ubrzo nakon toga i tehničkim izvještajem na arXivu 2606.13392. To je model tipa Mixture-of-Experts s 428 milijardi parametara i otprilike 23 milijarde aktivnih po tokenu, dokumentiranim kontekstom od milijun tokena te izvornim slikovnim i video ulazom — MiniMax ga opisuje kao treniran mješovito po modalnostima „od samog prvog koraka”, a ne predtreniran na tekstu pa multimodalno prilagođen. Po MiniMaxovim vlastitim objavljenim brojkama postiže 80,5 % na SWE-benchu Verified i 59,0 % na SWE-benchu Pro. To su proizvođačeve brojke na mjerilu za programiranje, što je točno težina koju im treba dati; navodimo ih jer su to objavljene tvrdnje laboratorija, a ne zato što smo ih neovisno reproducirali.

03MiniMax Sparse Attention: zašto model s vidom može biti ovako jeftin

Zanimljivo inženjerstvo u M3 jest MiniMax Sparse Attention (MSA) i ono je izravan razlog zašto multimodalni model ove veličine može stajati na našoj najnižoj cijeni. Slike su skupe u tokenima. Šačica stranica visoke razlučivosti može u prompt ubaciti desetke tisuća tokena prije nego što napišete i jednu uputu. Pod standardnom pažnjom taj trošak raste kvadratno, pa model koji čita dvadeset stranica nije dvaput skuplji od onoga koji čita deset — mnogo je gori od dvaput.

MSA mijenja oblik te krivulje. Riječ je o blokovno rijetkom mehanizmu izgrađenom na kralježnici Grouped Query Attentiona, razdvojenom u dvije grane:

• Lagana indeksna grana koja ocjenjuje blokove ključeva i vrijednosti — sažimanjem maksimuma po tokenima unutar svakog bloka — i bira najboljih k po poziciji upita i po GQA skupini, uvijek uključujući lokalni blok u kojem je i sam upit, radi stabilnosti treniranja.
• Glavna grana koja obično softmax pažnju pokreće samo nad blokovima koje je indeks odabrao.

Postava u radu o MSA-u je k = 16 blokova po 128 tokena, što svakom upitu daje fiksni proračun od 2.048 tokena kojima pridaje pažnju. Fiksni, u smislu da ne raste s duljinom niza. To je cijeli trik: kako kontekst raste, trošak pažnje guste polazne izvedbe i dalje se penje, dok trošak glavne grane MSA-a ostaje ravan, pa pažnja skalira linearno umjesto kvadratno.

Brojke iz izvještaja o MiniMax Sparse Attentionu (arXiv 2606.13392): 28,4 puta manje FLOP-ova pažnje po tokenu u odnosu na jednako postavljeni GQA pri kontekstu od 1M te ubrzanja u stvarnom vremenu od 14,2 puta na prefillu i 7,6 puta na dekodiranju, izmjerena na hardveru H800 u studiji na modelu od 109 milijardi parametara. MiniMax zasebno izvještava o 9 puta bržem prefillu i 15 puta bržem dekodiranju za M3 u odnosu na M2 pri kontekstu od 1M. Sve su brojke laboratorijske.

Rad radi i provjeru koja je za članak o vidu najvažnija: na izvorno multimodalnom MoE-u od 109 milijardi parametara MSA je zadržao izvedbu usporedivu s polaznom punom pažnjom kroz slikovna mjerila uključujući AI2D, ChartQA i MMMU te kroz video mjerila uključujući EgoSchema, LongVideoBench i VideoMME — pri čemu su rijetke varijante na video zadacima s duljim kontekstom katkad i poboljšale rezultat. Rijetkost ovdje nije porez na kvalitetu koji plaćate za brzinu; na dugim ulazima čini se otprilike besplatnom.

Zašto vam je to kao kupcu važno: trošak posluživanja određuje cijenu iz cjenika. Temelj čiji trošak pažnje prestaje rasti temelj je koji si možete priuštiti usmjeriti na sto tisuća slika. To je mehanizam iza „najjeftinijeg modela s vidom bez cenzure” — nije to promotivna cijena, nego arhitektura.

04Što znači 3BIT-REAP i gdje vas to košta

Model od 428 milijardi parametara u punoj preciznosti ne stane nigdje zgodno. Naša izvedba MiniMaxa-M3 nosi sufiks 3BIT-REAP, koji opisuje dva odvojena postupka primijenjena određenim redoslijedom.

REAP: obrišite stručnjake prije nego što ih komprimirate

REAP — Router-weighted Expert Activation Pruning — jednokratna je metoda kompresije MoE-a iz Cerebrasa i Sveučilišta u Calgaryju, objavljena kao arXiv 2510.13999 i prihvaćena na ICLR 2026. Njezin je argument da za generativne zadatke obrezivanje stručnjaka pobjeđuje njihovo spajanje: spajanje uništava sitnozrnati nadzor usmjerivača i unosi pogrešku koju više nikada ne možete povratiti. Zato REAP svakog stručnjaka umjesto toga ocjenjuje kriterijem istaknutosti koji spaja vrijednosti usmjerivačkih vrata (koliko ga često i koliko snažno usmjerivač bira) i norme aktivacije stručnjaka (koliko njegov izlaz zapravo doprinosi), a zatim najmanje istaknute stručnjake izravno briše.

Autori izvještavaju o uklanjanju do 50 % stručnjaka iz modela velikih i do bilijun parametara uz uglavnom očuvanu polaznu kvalitetu — na Qwen3-480B-Coder-FP8 uz 50 % obrezivanja zadržano je 97,6 % polazne neagentske sposobnosti programiranja i 96,7 % na agentskom SWE-Benchu. To su brojke iz rada na modelima iz rada, a ne naše na MiniMaxu-M3; navodimo ih da možete prosuditi metodu, a ne da bismo natuknuli istovjetno mjerenje ovdje.

Zatim 3-bitne težine

Preživjele se težine potom pohranjuju na 3 bita. Redoslijed je namjeran i u njemu je smisao kombinacije: prvo obrezivanje, zatim kvantizacija. Nema smisla dragocjena tri bita po težini trošiti na vjerno kodiranje stručnjaka koje se spremate obrisati. Obrežite rijetki rep, pa neka preostali proračun ode u cijelosti stručnjacima koji doista okidaju.

Poštena ograda

3BIT-REAP najagresivnija je razina koju isporučujemo. Koristimo je na najvećim temeljima — MiniMax-M3, Kimi-K3, DeepSeek-V4-Pro, GLM-5.2, Nemotron3Ultra — jer je ona razlika između toga da su ti modeli dostupni po razumnoj cijeni i toga da nisu dostupni uopće. Gdje je temelj dovoljno malen da mu ne treba, ne koristimo je: modeli W8A16 u katalogu rade s 8-bitnim težinama i 16-bitnim aktivacijama, a W4A16-AUTOROUND-REAP stoji između njih, koristeći AutoRoundovo naučeno zaokruživanje da vrati točnost koju naivno zaokruživanje na najbliže poklanja. Birajte razinu koja odgovara vašoj toleranciji. Ako izlučujete polja iz deset tisuća računa, 3 bita su ispravna nagodba. Ako radite jedno forenzičko čitanje jedne slike s velikim ulogom, potrošite novac na Kimi-K3.

05Što znači „bez sloja odbijanja” kad je ulaz slika

„Bez cenzure” je riječ koja se koristi olako, pa evo precizne tvrdnje: na ovoj krajnjoj točki nema sloja odbijanja niti filtriranja izlaza. Nijedan klasifikator ne pregledava vašu sliku prije nego što je model vidi. Nijedan model pravila ne pregledava tokene na izlazu. Ono što model proizvede jest ono što primite.

U tekstu je učinak toga poznat. Kod vida je različit po vrsti, jer je ponašanje odbijanja na slikovnim ulazima mjesto na kojem su komercijalni multimodalni API-ji najkonzervativniji i najproizvoljniji. Karakteristični kvarovi izgledaju ovako:

• Paušalna odbijanja identiteta — odbijanje da se ljudi na fotografiji uopće opišu, uključujući obilježja koja su očito vidljiva i posve bezazlena, jer pravilo ne razlikuje opis od identifikacije.
• Bijeg od predmeta — odbijanje prijepisa ili sažimanja dokumenta zbog toga o čemu dokument govori, iako je prijepis mehanički zadatak.
• Medicinska i forenzička gadljivost — odbijanje opisa kliničkih snimki, dokumentacije o ozljedama ili fotografija s nesreća koje stručnjak treba opisane.
• Lažne uzbune na sigurnosnom alatu — odbijanje čitanja snimke zaslona jer sadrži terminal, snimku mrežnog prometa ili program za ispravljanje pogrešaka.
• Tiha degradacija — najgora od svih: ne odbijanje, nego ograđeni neodgovor, koji prolazi vašu provjeru sheme i truje vaš skup podataka a da nikad ne podigne pogrešku.

Operativni problem svih pet nije to što su nepravedni. Problem je što su nemjerljivi. Pogrešan odgovor je podatak; možete ga ocijeniti, uhvatiti u evaluaciji i korigirati. Odbijanje je rupa. Na razini serije, stopa odbijanja od 3 % raspoređena nenasumično po vašim ulazima — koncentrirana, po samoj konstrukciji, upravo na teškim i neuobičajenim slučajevima — sustavna je pristranost u vašim rezultatima koju nikakvo naknadno čišćenje ne vraća. Uklanjanje sloja odbijanja uklanja izvor tihih, koreliranih podataka koji nedostaju.

Shannon vodi Shannon Lab LLC, New Mexico, SAD, pod našim Pravilima odgovorne uporabe. Bez cenzure znači da model ne komentira vaše ulaze; ne znači da račun nema uvjete.

06Potpuna specifikacija

Polje	MiniMax-M3 · 3BIT-REAP
Id modela	MiniMax-M3-3BIT-REAP
Temelj	MiniMax-M3 (MiniMax AI)
Kontekstni prozor	262.144 tokena
Najveći izlaz	16.384 tokena
Slikovni ulaz	Da
Video ulaz	Nije izložen
Streaming	Da
Pozivanje alata	Da
Promišljanje	Da (reasoning_effort)
Strukturirani izlaz	json_schema + response_format
Sloj odbijanja	Nema
Krajnje točke	/v1/chat/completions · /v1/messages · /v1/responses
Posluženo na	Shannonovu vlastitom GPU klasteru

Dva retka u toj tablici zaslužuju naglasak. Video ulaz nije izložen. Izvorni temelj M3 treniran je na videu i MiniMax dokumentira video ulaz; naša krajnja točka prima slike. Gradite na slikama. Drugo, prozor od 262.144 tokena naš je, a ne izvorna brojka od milijun — planirajte radna opterećenja s dugim dokumentima i s mnogo slika prema 262.144 i nikad vas neće iznenaditi.

07Pozivanje MiniMax API-ja bez cenzure

Tri dijalekta, isti model iza svih njih, streaming na sva tri. Koristite onaj koji vaš postojeći klijent već govori; među njima nema razlike u mogućnostima. Usmjerite osnovni URL na Shannon i promijenite id modela.

Razumijevanje slika kroz OpenAI dijalekt

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
  }'

U dijelu image_url rade i udaljeni https:// URL-ovi i base64 data URL-ovi. Priložite više slikovnih dijelova u jednoj poruci kad trebate usporedbu preko stranica — na raspolaganju vam je 262.144 tokena, a uz 0,50 $ po milijunu njihovo je trošenje jeftino.

Tipizirano izlučivanje uz JSON shemu

Mjesto na kojem ovaj model u proizvodnom lancu zaslužuje svoje mjesto jest kombinacija vida, stroge sheme i najniže cijene. Nemaju sva tri svi modeli u našem katalogu: Laguna-S-2.1 i inkling ne podržavaju json_schema. MiniMax-M3 podržava, što znači da iz slike možete dobiti provjereni objekt bez sloja za raščlanjivanje:

{
  "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
      }
    }
  }
}

Napor promišljanja

Model izlaže reasoning_effort. Na masovnoj klasifikaciji slika držite ga niskim — postavljate pitanje o opažanju, a tokeni promišljanja izlazni su tokeni koje plaćate. Podignite ga za pozive u kojima je slika dokaz u duljem dokazivanju: čitanje dijagrama u odnosu na specifikaciju, usklađivanje grafikona s tablicom, odluka pokazuju li dvije snimke zaslona isti kvar.

Potpun pregled parametara, semantika pogrešaka i formati streaminga za sva tri dijalekta nalaze se u dokumentaciji Shannon API-ja.

08Gdje je MiniMax-M3 pravi izbor — a gdje nije

Posegnite za njim kada

• Radite sa slikama u količini. Označavanje skupova podataka, istraživanje moderacije, obogaćivanje kataloga, trijaža snimki zaslona, serijski OCR i strukturiranje skeniranih dokumenata. Najniža cijena cijeli je argument.
• Slike pretvarate u tipizirane zapise. Vid plus strogi json_schema plus najjeftiniji tokeni u katalogu kombinacija je koju ovdje nude samo dva modela.
• Trebate dug multimodalni kontekst. Mnogo stranica ili mnogo sličica u jednom zahtjevu — arhitektura ispod izgrađena je upravo za takav oblik ulaza.
• Radite istraživanje u kojem odbijanja kvare uzorak. Svaka studija čija valjanost ovisi o tome da model odgovori na svaku stavku, uključujući neugodne.
• Vodite agentske petlje koje čitaju zaslon. Loza M-serije izričito je agentska, a pozivanje alata je dostupno.

Posegnite za nečim drugim kada

• Trebate najviši strop u vidu, a proračun postoji. Kimi-K3 · 3BIT-REAP ima 7,7 puta veću cijenu ulaza s razlogom; na jednom čitanju s velikim ulogom to je pravi novac za potrošiti.
• Trebate težine najveće vjernosti. 3 bita naša su najagresivnija razina. Modeli W8A16 mijenjaju cijenu za preciznost, a MiMo-V2.5 · W8A16 ima vid po istih 0,50 $ / 2,00 $ ako optimizirate vjernost po težini.
• Trebate video. Video ulaz na ovoj krajnjoj točki ne izlažemo.
• Zadatak je čisti tekst na vrhu. Za to postoji DeepSeek-V4-Pro-0813; ovdje biste plaćali vizualni toranj koji nikad ne koristite.

Brojke o arhitekturi, mjerilima i ubrzanjima za obitelj MiniMax laboratorijske su i objavio ih je MiniMax AI; REAP brojke objavili su autori REAP-a na vlastitim modelima i nisu mjerenje ove izvedbe. Shannonove cijene, kontekstni prozor i zastavice mogućnosti naši su i očitani su iz našeg živog kataloga modela.

09Često postavljana pitanja

---

Izvori: Kartica modela 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. MiniMaxove brojke s mjerila i o ubrzanjima laboratorijske su i privremene do neovisne provjere. Shannonove cijene i zastavice mogućnosti vrijede na dan 5. rujna 2026.