API MiniMax tanpa sensor: visi di harga lantai

Hampir setiap API multimodal terkelola memasang harga premium untuk visi. Anda membayar tarif model teks untuk teks, lalu Anda membayar lebih — kadang beberapa kali lipat — begitu sebuah gambar masuk ke dalam prompt. Di atas itu, masukan gambar adalah tempat perilaku penolakan paling agresif: model yang dengan senang hati membahas sebuah topik dalam teks akan menolak menggambarkan hal yang sama dalam sebuah foto. Hasilnya adalah produk yang mahal per panggilan sekaligus tidak bisa diandalkan per panggilan, dan itu yang terburuk dari dua dunia ketika Anda memproses dalam volume. MiniMax-M3 di Shannon adalah jawaban kami untuk itu: $0.50 / $2.00 yang sama seperti yang Anda bayar untuk model teks termurah kami, diterapkan pada fondasi yang dilatih multimodal sejak langkah pertama, tanpa lapisan penolakan berdiri di depannya.

01Apa arti sebenarnya "model visi tanpa sensor termurah" di sini

Katalog Shannon berisi dua belas model. Lima di antaranya menerima gambar. Harganya, per satu juta token:

Model berkemampuan visi	Masukan	Keluaran	Output terstruktur
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 saja
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	json_schema + response_format

MiniMax-M3 duduk di lantai — $0.50 / $2.00 — seri dengan MiMo-V2.5 dan tidak ada apa pun di bawahnya, karena $0.50 / $2.00 memang lantai daftar harga kami. Dibanding puncak rentang visi, ia 7,7× lebih murah pada masukan dan 9,6× lebih murah pada keluaran dibanding Kimi-K3.

Terapkan itu ke sebuah beban kerja. Misalkan Anda menyortir 1.000 gambar — screenshot, halaman pindaian, foto produk — dengan rata-rata kira-kira 1.200 token gambar plus prompt masuk dan 300 token jawaban keluar:

Harga daftar Shannon, September 2026. Jumlah token bersifat ilustratif; tokenisasi gambar Anda bergantung pada resolusi dan berapa banyak gambar yang Anda lampirkan per panggilan.

Dua titik acuan lagi yang berguna disimpan di kepala. Mengisi seluruh konteks 262.144 token sekali berbiaya sekitar 13 sen. Respons sepanjang maksimum 16.384 token berbiaya sekitar 3,3 sen. Itulah batas nyata dari satu permintaan terburuk, dan angkanya cukup kecil sehingga kendala menarik pada sebuah pipeline visi berhenti menjadi uang dan mulai menjadi throughput.

02Silsilah MiniMax: lab yang mengoptimalkan token, bukan berita utama

MiniMax AI adalah lab di Shanghai yang seluruh rekam jejak bobot terbukanya berkisar pada satu pertanyaan: bagaimana membuat atensi cukup murah sehingga konteks panjang dan multimodalitas berhenti menjadi kemewahan? Setiap rilis dalam garis ini adalah jawaban atas pertanyaan itu, dan jawabannya saling menumpuk.

MiniMax-01 — Lightning Attention, dan visi sejak awal

Seri MiniMax-01 (dipublikasikan sebagai arXiv 2501.08313) memperkenalkan Lightning Attention, implementasi sadar-I/O dari sebuah varian atensi linier, di dalam model Mixture-of-Experts hybrid bertotal 456B parameter dengan 45,9B aktif per token. Serinya hadir berpasangan: MiniMax-Text-01 dan MiniMax-VL-01, model visinya. VL-01 memakai tumpukan ViT-MLP-LLM yang kini sudah lazim, tetapi dengan Vision Transformer 303 juta parameter yang dilatih dari nol pada 694 juta pasangan gambar-keterangan alih-alih encoder pinjaman, lalu diselaraskan dan di-fine-tune bersama lewat pipeline multitahap yang memproses 512 miliar token.

Detail itu penting untuk artikel yang sedang Anda baca. Visi dalam silsilah ini bukan adapter yang ditempelkan belakangan ke sebuah model teks demi mencentang kotak. MiniMax sudah melatih menara visualnya sendiri sejak rilis terbukanya yang pertama, dan itulah sebabnya pemahaman dokumen, pemahaman UI dan screenshot, serta pembacaan grafik konsisten menjadi kekuatan keluarga ini alih-alih renungan belakangan.

MiniMax-M1 — atensi hybrid untuk penalaran panjang

MiniMax-M1 (arXiv 2506.13585) digambarkan penulisnya sebagai model penalaran atensi-hybrid berskala besar dan berbobot terbuka yang pertama. Ia mempertahankan tubuh MoE 456B / 45,9B dan menyelang-nyelingkan dua jenis atensi: satu blok transformer atensi-softmax konvensional setelah setiap tujuh blok Lightning Attention. Hasilnya diukur dalam komputasi alih-alih posisi papan peringkat — MiniMax melaporkan bahwa pada panjang generasi 100K token, M1 mengonsumsi kira-kira 25% FLOPs milik DeepSeek R1, sambil mendukung konteks satu juta token secara native.

MiniMax-M2 — belokan ke aktivasi kecil

MiniMax-M2 bergerak ke arah sebaliknya soal ukuran dan justru menarik perhatian karenanya: decoder 62 lapisan dengan total 229,9B parameter tetapi hanya ~9,8B aktif per token, memakai 256 expert berbutir halus per lapisan MoE dengan perutean sigmoid ke delapan di antaranya, posisi RoPE dan QK-RMSNorm demi stabilitas pelatihan. Ia secara eksplisit adalah model coding agentik — suntingan lintas berkas, loop jalankan-perbaiki, perbaikan tervalidasi tes — dan ia memperkenalkan format penalaran terselang, di mana penalaran dibawa antar-ronde tool call alih-alih dibuang setiap giliran. M2 adalah model yang membangun reputasi MiniMax dalam menghadirkan perilaku agentik nyaris kelas depan dengan biaya per-token sepersekian, murni dengan menjaga aktivasi tetap mungil.

MiniMax-M3 — fondasi di balik endpoint ini

MiniMax-M3 dirilis 1 Juni 2026, dengan bobot di Hugging Face tak lama sesudahnya dan laporan teknis di arXiv 2606.13392. Ia adalah model Mixture-of-Experts 428B parameter dengan kira-kira 23B aktif per token, konteks satu juta token yang terdokumentasi, dan masukan gambar dan video native — MiniMax menggambarkannya sebagai dilatih modalitas-campuran "sejak langkah paling pertama", alih-alih dipra-latih teks lalu diadaptasi multimodal. Menurut angka yang dipublikasikan MiniMax sendiri, ia meraih 80,5% pada SWE-bench Verified dan 59,0% pada SWE-bench Pro. Itu angka yang dilaporkan vendor pada benchmark coding, dan persis begitulah cara Anda seharusnya menimbangnya; kami mengutipnya karena itu klaim yang dipublikasikan lab tersebut, bukan karena kami sudah mereproduksinya secara independen.

03MiniMax Sparse Attention: kenapa sebuah model visi bisa semurah ini

Rekayasa menarik di M3 adalah MiniMax Sparse Attention (MSA), dan itulah alasan langsung sebuah model multimodal sebesar ini bisa duduk di harga lantai kami. Gambar itu mahal dalam token. Segenggam halaman beresolusi tinggi bisa menaruh puluhan ribu token ke dalam prompt sebelum Anda menulis satu instruksi pun. Di bawah atensi standar, biaya itu bertumpuk secara kuadratik, dan model yang membaca dua puluh halaman bukanlah dua kali lebih mahal dari yang membaca sepuluh — ia jauh lebih buruk daripada dua kali.

MSA mengubah bentuk kurva itu. Ia adalah mekanisme block-sparse yang dibangun di atas tulang punggung Grouped Query Attention, terbelah menjadi dua cabang:

• Sebuah Index Branch ringan yang menilai blok key-value — melakukan max-pooling skor lintas token di dalam tiap blok — dan memilih top-k per posisi query dan per grup GQA, selalu menyertakan blok lokal yang memuat query itu sendiri demi stabilitas pelatihan.
• Sebuah Main Branch yang menjalankan atensi softmax biasa hanya pada blok yang dipilih indeks.

Konfigurasi dalam makalah MSA adalah k = 16 blok berisi 128 token, yang memberi tiap query anggaran tetap 2.048 token yang diperhatikan. Tetap, artinya ia tidak tumbuh seiring panjang urutan. Itulah seluruh triknya: seiring konteks membesar, biaya atensi baseline yang padat terus mendaki sementara biaya main-branch MSA tetap datar, jadi atensi berskala linier alih-alih kuadratik.

Angka dari laporan MiniMax Sparse Attention (arXiv 2606.13392): pengurangan 28,4× pada FLOPs atensi per-token dibanding GQA yang dikonfigurasi setara di konteks 1M, serta percepatan waktu-nyata 14,2× prefill / 7,6× decode yang diukur pada perangkat keras H800 dalam studi 109B parameter di makalah itu. Secara terpisah MiniMax melaporkan percepatan 9× prefill dan 15× decode untuk M3 dibanding M2 di konteks 1M. Semuanya dilaporkan lab.

Makalah itu juga melakukan pemeriksaan yang penting untuk artikel tentang visi: pada MoE 109B yang multimodal secara native, MSA mempertahankan performa yang sebanding dengan baseline atensi penuh di benchmark gambar termasuk AI2D, ChartQA dan MMMU, serta di benchmark video termasuk EgoSchema, LongVideoBench dan VideoMME — dengan varian sparse kadang justru memperbaiki hasil pada tugas video berkonteks lebih panjang. Sparsity di sini bukan pajak kualitas yang Anda bayar demi kecepatan; pada masukan panjang ia tampak nyaris gratis.

Kenapa Anda perlu peduli sebagai pelanggan: biaya penyajianlah yang menetapkan harga daftar. Fondasi yang biaya atensinya berhenti tumbuh adalah fondasi yang sanggup Anda arahkan ke seratus ribu gambar. Itulah mekanisme di balik "model visi tanpa sensor termurah" — ia bukan tarif promosi, ia arsitektur.

04Apa arti 3BIT-REAP, dan di mana ia menagih Anda

Model 428 miliar parameter tidak muat di tempat mana pun yang nyaman pada presisi penuh. Build MiniMax-M3 kami membawa akhiran 3BIT-REAP, yang menggambarkan dua operasi terpisah yang diterapkan dalam urutan tertentu.

REAP: hapus expert sebelum Anda mengompresinya

REAP — Router-weighted Expert Activation Pruning — adalah metode kompresi MoE sekali-jalan dari Cerebras dan University of Calgary, dipublikasikan sebagai arXiv 2510.13999 dan diterima di ICLR 2026. Argumennya: untuk tugas generatif, memangkas expert mengalahkan menggabungkannya, karena penggabungan merusak kendali berbutir halus milik router dan menyuntikkan galat yang tak pernah bisa Anda pulihkan. Maka REAP justru menilai tiap expert dengan kriteria saliensi yang memadukan nilai gerbang router (seberapa sering dan seberapa kuat router memilihnya) dan norma aktivasi expert (seberapa besar keluarannya benar-benar menyumbang), lalu menghapus expert yang paling tidak menonjol sekaligus.

Para penulis melaporkan penyingkiran hingga 50% expert dari model sebesar satu triliun parameter sambil sebagian besar mempertahankan kualitas dasar — pada Qwen3-480B-Coder-FP8 dengan pemangkasan 50%, 97,6% kemampuan coding non-agentik dasar dan 96,7% pada SWE-Bench agentik tetap terjaga. Itu angka makalah pada model makalah itu, bukan angka kami pada MiniMax-M3; kami mengutipnya agar Anda bisa menilai metodenya, bukan untuk menyiratkan pengukuran setara di sini.

Bobot 3-bit, kedua

Bobot yang selamat lalu disimpan pada 3 bit. Urutannya disengaja dan itulah inti kombinasinya: pangkas dulu, kuantisasi kemudian. Tidak ada gunanya membelanjakan tiga bit berharga per bobot untuk mengodekan dengan setia expert yang sebentar lagi Anda hapus. Pangkas ekor yang sparse, lalu biarkan sisa anggaran mengalir seluruhnya ke expert yang memang menyala.

Catatan jujurnya

3BIT-REAP adalah tingkat paling agresif yang kami kirimkan. Kami memakainya pada fondasi terbesar — MiniMax-M3, Kimi-K3, DeepSeek-V4-Pro, GLM-5.2, Nemotron3Ultra — karena itulah beda antara model-model itu tersedia pada harga waras dan tidak tersedia sama sekali. Ketika sebuah fondasi cukup kecil sehingga tak membutuhkannya, kami tidak memakainya: model W8A16 di katalog berjalan dengan bobot 8-bit dan aktivasi 16-bit, dan W4A16-AUTOROUND-REAP duduk di antaranya, memakai pembulatan terpelajar AutoRound untuk memulihkan akurasi yang direlakan kuantisasi pembulatan-ke-terdekat yang naif. Pilih tingkat yang cocok dengan toleransi Anda. Kalau Anda mengekstrak field dari sepuluh ribu faktur, 3-bit adalah pertukaran yang benar. Kalau Anda melakukan satu pembacaan forensik bertaruhan tinggi atas satu gambar, belanjakan uangnya di Kimi-K3.

05Apa arti "tanpa lapisan penolakan" ketika masukannya berupa gambar

Tanpa sensor adalah kata yang dipakai serampangan, jadi inilah klaim persisnya: tidak ada lapisan penolakan dan tidak ada penyaringan keluaran di endpoint ini. Tidak ada pengklasifikasi yang memeriksa gambar Anda sebelum modelnya melihatnya. Tidak ada model kebijakan yang memeriksa token dalam perjalanan keluar. Apa yang diproduksi model itulah yang Anda terima.

Dalam teks, efeknya sudah akrab. Dalam visi, ia berbeda secara jenis, karena perilaku penolakan pada masukan gambar adalah tempat API multimodal komersial paling konservatif sekaligus paling sewenang-wenang. Kegagalan khasnya terlihat seperti ini:

• Penolakan identitas menyeluruh — menolak menggambarkan orang dalam sebuah foto sama sekali, termasuk atribut yang kasatmata dan sepenuhnya tak berbahaya, karena sebuah kebijakan tidak bisa membedakan deskripsi dari identifikasi.
• Kabur karena pokok bahasan — menolak menyalin atau merangkum sebuah dokumen karena isi dokumennya, padahal transkripsi adalah tugas mekanis.
• Kejijikan medis dan forensik — menolak menggambarkan citra klinis, dokumentasi cedera, atau foto kecelakaan yang justru perlu dideskripsikan oleh seorang profesional.
• Positif palsu pada perkakas keamanan — menolak membaca sebuah screenshot karena di dalamnya ada terminal, tangkapan paket, atau debugger.
• Degradasi senyap — yang terburuk: bukan penolakan melainkan jawaban mengambang, yang lolos validasi skema Anda dan meracuni dataset Anda tanpa pernah memunculkan galat.

Masalah operasional dari kelimanya bukan bahwa mereka tidak adil. Masalahnya mereka tak terukur. Jawaban keliru adalah titik data; Anda bisa menilainya, menangkapnya dalam evaluasi, dan mengoreksinya. Penolakan adalah lubang. Pada skala batch, tingkat penolakan 3% yang tersebar tidak acak di seluruh masukan Anda — terpusat, secara konstruksi, persis pada kasus yang sulit dan tidak biasa — adalah bias sistematis dalam hasil Anda yang tidak bisa dipulihkan oleh pembersihan hilir sebanyak apa pun. Menghapus lapisan penolakan menghapus satu sumber data hilang yang senyap dan berkorelasi.

Shannon dioperasikan oleh Shannon Lab LLC, New Mexico, USA, di bawah Kebijakan Penggunaan Bertanggung Jawab kami. Tanpa sensor berarti modelnya tidak berkomentar-komentar soal masukan Anda; itu tidak berarti akunnya tanpa ketentuan.

06Spesifikasi lengkap

Field	MiniMax-M3 · 3BIT-REAP
ID model	MiniMax-M3-3BIT-REAP
Fondasi	MiniMax-M3 (MiniMax AI)
Jendela konteks	262.144 token
Keluaran maks	16.384 token
Masukan gambar	Ya
Masukan video	Tidak dibuka
Streaming	Ya
Tool calling	Ya
Penalaran	Ya (reasoning_effort)
Output terstruktur	json_schema + response_format
Lapisan penolakan	Tidak ada
Endpoint	/v1/chat/completions · /v1/messages · /v1/responses
Dilayani di	Klaster GPU milik Shannon sendiri

Dua baris di tabel itu layak ditegaskan. Masukan video tidak dibuka. Fondasi M3 di hulu dilatih pada video dan MiniMax mendokumentasikan masukan video; endpoint kami menerima gambar. Bangunlah untuk gambar. Kedua, jendela 262.144 token adalah milik kami, bukan angka satu juta di hulu — rencanakan beban kerja dokumen panjang dan banyak-gambar terhadap 262.144 dan Anda tidak akan pernah terkejut.

07Memanggil API MiniMax tanpa sensor

Tiga dialek, model yang sama di balik semuanya, streaming di ketiganya. Pakai yang sudah dipahami klien Anda; tidak ada perbedaan kemampuan di antara ketiganya. Arahkan base URL Anda ke Shannon dan ganti id modelnya.

Pemahaman gambar lewat dialek 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
  }'

URL https:// jarak jauh maupun data URL base64 sama-sama bekerja di bagian image_url. Lampirkan beberapa bagian gambar dalam satu pesan ketika Anda butuh perbandingan lintas halaman — Anda punya 262.144 token untuk dibelanjakan dan, pada $0.50 per satu juta, membelanjakannya itu murah.

Ekstraksi bertipe dengan JSON schema

Tempat model ini benar-benar layak masuk pipeline adalah kombinasi visi + skema ketat + harga lantai. Tidak setiap model di katalog kami punya ketiganya: Laguna-S-2.1 dan inkling tidak mendukung json_schema. MiniMax-M3 mendukungnya, artinya Anda bisa mendapatkan objek tervalidasi dari sebuah gambar tanpa lapisan parsing:

{
  "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
      }
    }
  }
}

Upaya penalaran

Model ini membuka reasoning_effort. Pada klasifikasi gambar massal, tahan tetap rendah — Anda mengajukan pertanyaan perseptual, dan token penalaran adalah token keluaran yang Anda bayar. Naikkan untuk panggilan yang gambarnya menjadi bukti dalam argumen yang lebih panjang: membaca diagram terhadap sebuah spesifikasi, mencocokkan grafik dengan tabel, memutuskan apakah dua screenshot menunjukkan cacat yang sama.

Referensi parameter lengkap, semantik galat, dan format streaming untuk ketiga dialek ada di dokumentasi API Shannon.

08Kapan MiniMax-M3 pilihan yang tepat — dan kapan tidak

Raih ia ketika

• Kerja gambar bervolume. Pelabelan dataset, riset moderasi, pengayaan katalog, penyortiran screenshot, OCR-dan-struktur massal atas dokumen pindaian. Harga lantai adalah seluruh argumennya.
• Gambar menjadi rekaman bertipe. Visi plus json_schema ketat plus token termurah di katalog adalah kombinasi yang hanya ditawarkan dua model di sini.
• Konteks multimodal panjang. Banyak halaman, atau banyak frame, dalam satu permintaan — arsitektur di bawahnya dibangun persis untuk bentuk masukan ini.
• Riset yang penolakannya merusak sampel. Studi apa pun yang validitasnya bergantung pada model menjawab setiap item, termasuk yang tidak nyaman.
• Loop agentik yang membaca layar. Silsilah seri M memang eksplisit agentik, dan tool calling tersedia.

Raih yang lain ketika

• Anda butuh plafon visi tertinggi dan anggarannya ada. Kimi-K3 · 3BIT-REAP berharga 7,7× lipat pada masukan bukan tanpa alasan; pada satu pembacaan bertaruhan tinggi, itulah uang yang benar untuk dibelanjakan.
• Anda butuh bobot berkesetiaan maksimum. 3-bit adalah tingkat paling agresif kami. Model W8A16 menukar harga dengan presisi, dan MiMo-V2.5 · W8A16 berkemampuan visi pada $0.50 / $2.00 yang sama kalau kesetiaan per bobot yang Anda optimalkan.
• Anda butuh video. Kami tidak membuka masukan video di endpoint ini.
• Tugasnya murni teks di garis depan. DeepSeek-V4-Pro-0813 ada untuk itu; selain itu Anda akan membayar menara visi yang tidak pernah Anda pakai.

Angka arsitektur, benchmark, dan percepatan untuk keluarga MiniMax dilaporkan oleh lab MiniMax AI; angka REAP dilaporkan penulis REAP pada model mereka sendiri dan bukan pengukuran atas build ini. Harga Shannon, jendela konteks, dan flag kemampuan adalah milik kami dan dibaca dari katalog model kami yang aktif.

09Pertanyaan yang sering diajukan

---

Sumber: Kartu model 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. Angka benchmark dan percepatan MiniMax dilaporkan lab dan bersifat sementara sampai ada verifikasi independen. Harga dan flag kemampuan Shannon berlaku per 5 September 2026.