Necenzūruotas MiniMax API: rega už grindų kainą

Beveik kiekvienas teikiamas daugiamodalis API regą įkainoja kaip priedą. Už tekstą mokate teksto modelio tarifą, o vos į užklausą patenka vaizdas — mokate daugiau, kartais kelis kartus daugiau. Be to, būtent prie vaizdų įvesties atsisakymo elgsena yra agresyviausia: modelis, kuris mielai aptars temą tekstu, atsisakys aprašyti tą patį dalyką nuotraukoje. Rezultatas yra produktas, brangus vienam kvietimui ir nepatikimas vienam kvietimui, o tai yra blogiausia iš abiejų pasaulių, kai apdorojate srautus. MiniMax-M3 Shannon platformoje yra mūsų atsakymas į tai: tie patys $0.50 / $2.00, kuriuos mokate už pigiausią mūsų teksto modelį, pritaikyti pagrindui, kuris nuo pirmo žingsnio buvo mokomas daugiamodaliai, ir be prieš jį stovinčio atsisakymo sluoksnio.

01Ką čia iš tikrųjų reiškia „pigiausias necenzūruotas regos modelis“

Shannon katalogą sudaro dvylika modelių. Penki iš jų priima vaizdus. Jų kainos už milijoną žetonų:

Modelis su rega	Įvestis	Išvestis	Struktūrizuota išvestis
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	tik response_format
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	json_schema + response_format

MiniMax-M3 stovi ant grindų — $0.50 / $2.00 — kartu su MiMo-V2.5, ir žemiau nėra nieko, nes $0.50 / $2.00 ir yra mūsų kainoraščio grindys. Palyginti su regos diapazono viršūne, jis 7,7 karto pigesnis įvestyje ir 9,6 karto pigesnis išvestyje nei Kimi-K3.

Perkelkime tai į darbo krūvį. Tarkime, rūšiuojate 1 000 vaizdų — ekrano nuotraukų, nuskaitytų puslapių, prekių nuotraukų — vidutiniškai po maždaug 1 200 žetonų vaizdo ir užklausos į vidų ir 300 žetonų atsakymo į išorę:

Shannon kainoraščio kainos, 2026 m. rugsėjis. Žetonų skaičiai yra iliustraciniai; jūsų vaizdų žetonavimas priklauso nuo skiriamosios gebos ir nuo to, kiek vaizdų pridedate viename kvietime.

Dar du atskaitos taškai, kuriuos naudinga laikyti galvoje. Viso 262 144 žetonų konteksto užpildymas vieną kartą kainuoja apie 13 centų. Didžiausio ilgio 16 384 žetonų atsakymas kainuoja apie 3,3 cento. Tokios yra tikrosios blogiausio atvejo vienos užklausos ribos, ir jos pakankamai mažos, kad įdomiausias regos konvejerio apribojimas nustotų būti pinigai ir taptų pralaidumas.

02MiniMax linija: laboratorija, optimizuojanti žetonus, o ne antraštes

MiniMax AI yra Šanchajaus laboratorija, kurios visas atvirų svorių kelias sukasi apie vieną klausimą: kaip padaryti dėmesį pakankamai pigų, kad ilgas kontekstas ir daugiamodališkumas nustotų būti prabanga? Kiekvienas linijos leidimas yra atsakymas į šį klausimą, ir atsakymai remiasi vienas kitu.

MiniMax-01 — Lightning Attention ir rega nuo pat pradžių

MiniMax-01 serija (paskelbta kaip arXiv 2501.08313) pristatė Lightning Attention — įvesties ir išvesties srautus įvertinantį tiesinio dėmesio varianto įgyvendinimą — hibridiniame ekspertų mišinio modelyje su 456 mlrd. viso parametrų ir 45,9 mlrd. aktyvių vienam žetonui. Serija pasirodė pora: MiniMax-Text-01 ir MiniMax-VL-01, regos modelis. VL-01 naudojo dabar jau įprastą ViT-MLP-LLM krūvą, bet su 303 milijonų parametrų regos transformeriu, mokytu nuo nulio ant 694 milijonų vaizdo ir antraštės porų, o ne pasiskolintu koduotuvu, paskui suderintu ir bendrai pritaikytu daugiapakopiu konvejeriu, apdorojusiu 512 milijardų žetonų.

Ši detalė svarbi šiam straipsniui. Rega šioje linijoje nėra vėlyvas adapteris, prisuktas prie teksto modelio varnelei uždėti. MiniMax savo regos bokštą mokė nuo pirmojo atviro leidimo, todėl dokumentų supratimas, sąsajų bei ekrano nuotraukų suvokimas ir diagramų skaitymas šioje šeimoje buvo nuoseklios stiprybės, o ne priedas po fakto.

MiniMax-M1 — hibridinis dėmesys ilgam samprotavimui

MiniMax-M1 (arXiv 2506.13585) autorių buvo apibūdintas kaip pirmasis atvirų svorių didelio masto hibridinio dėmesio samprotavimo modelis. Jis išlaikė 456 mlrd. / 45,9 mlrd. MoE kūną ir persipynė dviejų tipų dėmesį: įprastą softmax dėmesio transformerio bloką po kiekvienų septynių Lightning Attention blokų. Nauda buvo matuojama skaičiavimais, o ne vieta lentelėje — MiniMax pranešė, kad ties 100 tūkst. žetonų generavimo ilgiu M1 sunaudojo maždaug 25 % DeepSeek R1 FLOP skaičiaus, savaime palaikydamas milijono žetonų kontekstą.

MiniMax-M2 — posūkis į mažas aktyvacijas

MiniMax-M2 dydžio klausimu pasuko į kitą pusę ir tuo patraukė dėmesį: 62 sluoksnių dekoderis su 229,9 mlrd. viso parametrų, bet vos ~9,8 mlrd. aktyvių vienam žetonui, naudojantis 256 smulkius ekspertus viename MoE sluoksnyje su sigmoidiniu maršrutizavimu į aštuonis iš jų, RoPE pozicijas ir QK-RMSNorm mokymo stabilumui. Tai buvo aiškiai agentinio programavimo modelis — kelių failų taisymai, vykdymo ir taisymo kilpos, testais patvirtinti pataisymai — ir jis pristatė persipynusio mąstymo formatą, kai samprotavimas perkeliamas tarp įrankių iškvietimų raundų, o ne išmetamas po kiekvieno ėjimo. Būtent M2 sukūrė MiniMax reputaciją pateikiant beveik pažangiausią agentinę elgseną už dalį kainos vienam žetonui, vien išlaikant aktyvacijas mažas.

MiniMax-M3 — pagrindas po šiuo galiniu tašku

MiniMax-M3 buvo išleistas 2026 m. birželio 1 d., netrukus po to Hugging Face pasirodė svoriai, o techninė ataskaita — arXiv 2606.13392. Tai 428 mlrd. parametrų ekspertų mišinio modelis su maždaug 23 mlrd. aktyvių vienam žetonui, dokumentuotu milijono žetonų kontekstu ir savąja vaizdų bei vaizdo įrašų įvestimi — MiniMax jį apibūdina kaip mokytą mišria modalumo forma „nuo pat pirmojo žingsnio“, o ne mokytą tekstu ir tik paskui pritaikytą daugiamodaliai. Pagal pačios MiniMax paskelbtus skaičius jis surenka 80,5 % SWE-bench Verified ir 59,0 % SWE-bench Pro. Tai tiekėjo pateikti skaičiai programavimo etalone, ir būtent taip juos ir reikėtų sverti; cituojame juos todėl, kad tai paskelbti laboratorijos teiginiai, o ne todėl, kad būtume nepriklausomai pakartoję.

03MiniMax Sparse Attention: kodėl regos modelis gali būti toks pigus

Įdomiausia M3 inžinerija yra MiniMax Sparse Attention (MSA), ir būtent ji tiesiogiai leidžia tokio dydžio daugiamodaliam modeliui stovėti ant mūsų grindų kainos. Vaizdai brangūs žetonais. Sauja didelės skiriamosios gebos puslapių gali įmesti į užklausą dešimtis tūkstančių žetonų dar prieš jums parašant vieną nurodymą. Su įprastu dėmesiu ta kaina auga kvadratiškai, ir modelis, skaitantis dvidešimt puslapių, nėra dvigubai brangesnis už skaitantį dešimt — jis gerokai brangesnis nei dvigubai.

MSA keičia tos kreivės formą. Tai blokais retas mechanizmas, pastatytas ant grupuotų užklausų dėmesio karkaso, padalytas į dvi šakas:

• Lengva indeksavimo šaka, kuri įvertina raktų ir reikšmių blokus — sujungdama didžiausias reikšmes per bloke esančius žetonus — ir parenka geriausius k vienai užklausos pozicijai ir vienai GQA grupei, visada įtraukdama vietinį bloką su pačia užklausa, kad mokymas būtų stabilus.
• Pagrindinė šaka, vykdanti įprastą softmax dėmesį tik ties tais blokais, kuriuos parinko indeksas.

MSA straipsnyje aprašyta konfigūracija yra k = 16 blokų po 128 žetonus, o tai kiekvienai užklausai duoda fiksuotą 2 048 apžvelgiamų žetonų biudžetą. Fiksuotą — vadinasi, jis su sekos ilgiu neauga. Tai ir yra visas triukas: kontekstui augant, tankaus atskaitos taško dėmesio kaina toliau kyla, o MSA pagrindinės šakos kaina lieka plokščia, todėl dėmesys mastelį didina tiesiškai, o ne kvadratiškai.

Skaičiai iš MiniMax Sparse Attention ataskaitos (arXiv 2606.13392): 28,4 karto mažesnis dėmesio FLOP skaičius vienam žetonui, palyginti su lygiaverčiai sukonfigūruota GQA ties 1 mln. konteksto, ir 14,2 karto pildymo / 7,6 karto dekodavimo laiko pagreičiai, išmatuoti H800 įrangoje straipsnio 109 mlrd. parametrų tyrime. MiniMax atskirai praneša apie 9 kartų pildymo ir 15 kartų dekodavimo pagreitį M3, palyginti su M2, ties 1 mln. konteksto. Visus šiuos skaičius pateikė laboratorija.

Straipsnyje atliktas ir patikrinimas, svarbus regos straipsniui: ant savaime daugiamodalio 109 mlrd. MoE modelio MSA išlaikė našumą, panašų į pilno dėmesio atskaitos tašką, per vaizdų etalonus, įskaitant AI2D, ChartQA ir MMMU, ir per vaizdo įrašų etalonus, įskaitant EgoSchema, LongVideoBench ir VideoMME — o retieji variantai ilgesnio konteksto vaizdo įrašų užduotyse kartais net pagerėdavo. Retumas čia nėra kokybės mokestis už greitį; ilgose įvestyse jis atrodo maždaug nemokamas.

Kodėl tai turėtų rūpėti klientui: aptarnavimo sąnaudos nulemia kainoraščio kainą. Pagrindas, kurio dėmesio kaina nustoja augti, yra pagrindas, kurį galite sau leisti nukreipti į šimtą tūkstančių vaizdų. Toks yra „pigiausio necenzūruoto regos modelio“ mechanizmas — tai ne reklaminis tarifas, o architektūra.

04Ką reiškia 3BIT-REAP ir kur jis jums kainuoja

428 milijardų parametrų modelis pilnu tikslumu niekur patogiai netelpa. Mūsų MiniMax-M3 versija turi 3BIT-REAP priesagą, kuri aprašo dvi atskiras operacijas, atliktas konkrečia tvarka.

REAP: pašalinkite ekspertus prieš juos glaudindami

REAP — maršrutizatoriumi svertinis ekspertų aktyvacijos genėjimas — yra vieno žingsnio MoE glaudinimo metodas iš Cerebras ir Kalgario universiteto, paskelbtas kaip arXiv 2510.13999 ir priimtas į ICLR 2026. Jo argumentas toks: generatyvinėms užduotims ekspertų genėjimas pranoksta jų liejimą, nes liejimas sugriauna smulkią maršrutizatoriaus kontrolę ir įneša klaidą, kurios niekada nebeatgausite. Todėl REAP kiekvienam ekspertui skiria svarbos įvertį, jungiantį maršrutizatoriaus vartų reikšmes (kaip dažnai ir kaip stipriai jį parenka maršrutizatorius) ir eksperto aktyvacijos normas (kiek jo išvestis iš tikrųjų prisideda), o paskui mažiausiai svarbius ekspertus pašalina visiškai.

Autoriai praneša pašalinantys iki 50 % ekspertų iš net vieno trilijono parametrų modelių, iš esmės išlaikant pradinę kokybę — su Qwen3-480B-Coder-FP8 esant 50 % genėjimui buvo išlaikyta 97,6 % pradinių neagentinio programavimo gebėjimų ir 96,7 % agentiniame SWE-Bench. Tai straipsnio skaičiai apie straipsnio modelius, o ne mūsų skaičiai apie MiniMax-M3; cituojame juos, kad galėtumėte įvertinti metodą, o ne norėdami užsiminti apie lygiavertį matavimą čia.

Antra — 3 bitų svoriai

Išlikę svoriai paskui saugomi 3 bitais. Eiliškumas yra sąmoningas ir jis yra viso derinio esmė: pirma genėti, paskui kvantuoti. Nėra jokios prasmės savo brangius tris bitus vienam svoriui leisti ištikimai užkoduojant ekspertus, kuriuos tuoj ištrinsite. Nugenėkite retąją uodegą, o likusį biudžetą visą atiduokite ekspertams, kurie iš tikrųjų suveikia.

Sąžininga išlyga

3BIT-REAP yra agresyviausia mūsų teikiama pakopa. Naudojame ją didžiausiems pagrindams — MiniMax-M3, Kimi-K3, DeepSeek-V4-Pro, GLM-5.2, Nemotron3Ultra — nes tai skirtumas tarp šių modelių prieinamumo už protingą kainą ir jų nebuvimo apskritai. Kur pagrindas pakankamai mažas, kad jos nereikėtų, jos ir nenaudojame: W8A16 modeliai kataloge veikia su 8 bitų svoriais ir 16 bitų aktyvacijomis, o W4A16-AUTOROUND-REAP yra per vidurį, naudodamas AutoRound išmoktą apvalinimą tikslumui, kurį naivus apvalinimas iki artimiausio atiduoda, atgauti. Rinkitės pakopą pagal savo toleranciją. Jei ištraukiate laukus iš dešimties tūkstančių sąskaitų faktūrų, 3 bitai yra teisingas mainas. Jei atliekate vieną didelės rizikos teismo ekspertizės vieno vaizdo skaitymą, išleiskite pinigus Kimi-K3.

05Ką reiškia „jokio atsisakymo sluoksnio“, kai įvestis yra vaizdas

Žodis „necenzūruotas“ vartojamas laisvai, todėl štai tikslus teiginys: šiame galiniame taške nėra jokio atsisakymo sluoksnio ir jokio išvesties filtravimo. Joks klasifikatorius netikrina jūsų vaizdo prieš tai, kai jį pamato modelis. Joks politikos modelis netikrina žetonų kelyje į išorę. Ką modelis pagamina, tą jūs ir gaunate.

Tekste to poveikis pažįstamas. Regoje jis kitoks iš esmės, nes būtent prie vaizdų įvesties komerciniai daugiamodaliai API yra konservatyviausi ir savavališkiausi. Būdingos nesėkmės atrodo taip:

• Visuotiniai tapatybės atsisakymai — apskritai atsisakoma apibūdinti nuotraukoje esančius žmones, įskaitant akivaizdžiai matomus ir visiškai nekaltus požymius, nes politika neatskiria apibūdinimo nuo atpažinimo.
• Pasitraukimai dėl temos — atsisakoma perrašyti ar apibendrinti dokumentą dėl to, apie ką jis, nors perrašymas yra mechaninė užduotis.
• Medicininis ir teismo ekspertizės jautrumas — atsisakoma apibūdinti klinikinius vaizdus, sužalojimų dokumentaciją ar nelaimingų atsitikimų nuotraukas, kurių apibūdinimo reikia specialistui.
• Saugumo įrankių klaidingi teigiami — atsisakoma skaityti ekrano nuotrauką, nes joje yra terminalas, paketų perėmimas ar derintuvė.
• Tylus prastėjimas — blogiausias variantas: ne atsisakymas, o išsisukinėjantis neatsakymas, kuris praeina jūsų schemos patikrą ir užnuodija duomenų rinkinį niekada nesukeldamas klaidos.

Praktinė visų penkių bėda ne ta, kad jie nesąžiningi. Bėda ta, kad jie neišmatuojami. Neteisingas atsakymas yra duomenų taškas; jį galima įvertinti, pagauti vertinime ir pataisyti. Atsisakymas yra skylė. Paketiniu mastu 3 % atsisakymų dalis, pasiskirsčiusi neatsitiktinai per jūsų įvestis — sutelkta, iš esmės, kaip tik ties sunkiais ir neįprastais atvejais — yra sisteminis jūsų rezultatų šališkumas, kurio joks vėlesnis valymas neatstato. Pašalinus atsisakymo sluoksnį pašalinamas tylių, koreliuotų trūkstamų duomenų šaltinis.

Shannon valdo Shannon Lab LLC, Naujoji Meksika, JAV, pagal mūsų Atsakingo naudojimo politiką. Necenzūruotas reiškia, kad modelis nekomentuoja jūsų įvesčių; tai nereiškia, kad paskyrai netaikomos sąlygos.

06Visa specifikacija

Laukas	MiniMax-M3 · 3BIT-REAP
Modelio id	MiniMax-M3-3BIT-REAP
Pagrindas	MiniMax-M3 (MiniMax AI)
Konteksto langas	262 144 žetonai
Didžiausia išvestis	16 384 žetonai
Vaizdų įvestis	Taip
Vaizdo įrašų įvestis	Neatverta
Srautinis perdavimas	Taip
Įrankių iškvietimas	Taip
Samprotavimas	Taip (reasoning_effort)
Struktūrizuota išvestis	json_schema + response_format
Atsisakymo sluoksnis	Nėra
Galiniai taškai	/v1/chat/completions · /v1/messages · /v1/responses
Teikiamas	Mūsų pačių GPU klasteryje

Dvi tos lentelės eilutės nusipelno pabrėžimo. Vaizdo įrašų įvestis neatverta. Pirminis M3 pagrindas buvo mokytas su vaizdo įrašais ir MiniMax vaizdo įrašų įvestį dokumentuoja; mūsų galinis taškas priima vaizdus. Kurkite su vaizdais. Antra, 262 144 žetonų langas yra mūsų, o ne pirminis milijono skaičius — planuokite ilgų dokumentų ir daugelio vaizdų krūvius ties 262 144 ir niekada nenustebsite.

07Kaip kviesti necenzūruotą MiniMax API

Trys dialektai, tas pats modelis už visų jų, srautinis perdavimas visuose trijuose. Naudokite tą, kurį jūsų esamas klientas jau moka; galimybių skirtumo tarp jų nėra. Nukreipkite savo bazinį URL į Shannon ir pakeiskite modelio id.

Vaizdų supratimas per OpenAI dialektą

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
  }'

Nutolę https:// URL ir base64 duomenų URL veikia abu image_url dalyje. Kai reikia palyginti puslapius, pridėkite kelias vaizdų dalis viename pranešime — turite 262 144 žetonus, o už $0.50 už milijoną juos leisti pigu.

Tipizuotas ištraukimas su JSON schema

Savo vietą konvejeryje šis modelis užsitarnauja deriniu rega + griežta schema + grindų kaina. Ne kiekvienas mūsų katalogo modelis turi visus tris: Laguna-S-2.1 ir inkling nepalaiko json_schema. MiniMax-M3 palaiko, o tai reiškia, kad iš vaizdo galite gauti patikrintą objektą be analizavimo sluoksnio:

{
  "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
      }
    }
  }
}

Samprotavimo intensyvumas

Modelis atveria reasoning_effort. Masiniame vaizdų klasifikavime laikykite jį žemą — užduodate suvokimo klausimą, o samprotavimo žetonai yra išvesties žetonai, už kuriuos mokate. Kelkite jį tiems kvietimams, kuriuose vaizdas yra įrodymas ilgesniame argumente: skaitant diagramą pagal specifikaciją, derinant diagramą su lentele, sprendžiant, ar dvi ekrano nuotraukos rodo tą patį defektą.

Visa parametrų nuoroda, klaidų semantika ir srautinio perdavimo formatai visiems trims dialektams yra Shannon API dokumentacijoje.

08Kur MiniMax-M3 yra teisingas pasirinkimas — ir kur ne

Rinkitės jį, kai

• Didelės apimties darbas su vaizdais. Duomenų rinkinių žymėjimas, moderavimo tyrimai, katalogo praturtinimas, ekrano nuotraukų rūšiavimas, paketinis OCR ir struktūrizavimas per nuskaitytus dokumentus. Grindų kaina yra visas argumentas.
• Vaizdai į tipizuotus įrašus. Rega plius griežta json_schema plius pigiausi žetonai kataloge yra derinys, kurį čia siūlo tik du modeliai.
• Ilgas daugiamodalis kontekstas. Daug puslapių arba daug kadrų vienoje užklausoje — architektūra po apačia sukurta būtent tokiai įvesties formai.
• Tyrimai, kuriuose atsisakymai iškraipo imtį. Bet koks tyrimas, kurio pagrįstumas priklauso nuo to, ar modelis atsako į kiekvieną elementą, įskaitant nepatogius.
• Agentinės kilpos, skaitančios ekraną. M serijos linija yra aiškiai agentinė, o įrankių iškvietimas prieinamas.

Rinkitės ką nors kita, kai

• Reikia aukščiausių regos lubų ir biudžetas yra. Kimi-K3 · 3BIT-REAP kainuoja 7,7 karto daugiau įvestyje ne šiaip sau; vienam didelės rizikos skaitymui tai teisingai išleisti pinigai.
• Reikia didžiausios ištikimybės svorių. 3 bitai yra agresyviausia mūsų pakopa. W8A16 modeliai kainą maino į tikslumą, o MiMo-V2.5 · W8A16 turi regą už tuos pačius $0.50 / $2.00, jei optimizuojate ištikimybę vienam svoriui.
• Reikia vaizdo įrašų. Šiame galiniame taške vaizdo įrašų įvesties neatveriame.
• Užduotis yra grynas tekstas ties pažangos riba. Tam yra DeepSeek-V4-Pro-0813; kitaip mokėtumėte už regos bokštą, kurio niekada nenaudojate.

MiniMax šeimos architektūros, etalonų ir pagreičio skaičius pateikė MiniMax AI laboratorija; REAP skaičius pateikė REAP autoriai apie savo pačių modelius ir jie nėra šios versijos matavimas. Shannon kainos, konteksto langas ir galimybių žymos yra mūsų ir nuskaitytos iš mūsų gyvo modelių katalogo.

09Dažnai užduodami klausimai

---

Šaltiniai: MiniMax-M3 modelio kortelė · 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. MiniMax etalonų ir pagreičio skaičius pateikė laboratorija, jie yra preliminarūs, kol bus nepriklausomai patikrinti. Shannon kainos ir galimybių žymos galioja 2026 m. rugsėjo 5 d.