API MiniMax tanpa tapisan: visi pada harga lantai

Hampir setiap API multimodal terhos meletakkan harga premium pada visi. Anda bayar kadar model teks untuk teks, kemudian anda bayar lebih — kadangkala beberapa kali ganda — sebaik sahaja imej masuk ke dalam gesaan. Di atas itu, input imej ialah tempat kelakuan penolakan paling agresif: model yang dengan senang hati membincangkan sesuatu topik dalam teks akan menolak untuk memerihalkan perkara yang sama dalam sekeping gambar. Hasilnya ialah produk yang mahal setiap panggilan dan tidak boleh diharap setiap panggilan, dan itu yang paling teruk daripada dua-dua dunia apabila anda memproses volum. MiniMax-M3 pada Shannon ialah jawapan kami untuk itu: $0.50 / $2.00 yang sama seperti yang anda bayar untuk model teks termurah kami, dikenakan pada asas yang dilatih multimodal dari langkah pertama, tanpa lapisan penolakan duduk di hadapannya.

01Apa sebenarnya maksud "model visi tanpa tapisan termurah" di sini

Katalog Shannon ialah dua belas model. Lima daripadanya menerima imej. Harganya, setiap juta token:

Model berkeupayaan visi	Input	Output	Output berstruktur
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 sahaja
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	json_schema + response_format

MiniMax-M3 berada pada lantai — $0.50 / $2.00 — seri dengan MiMo-V2.5 dan tiada apa di bawahnya, kerana $0.50 / $2.00 ialah lantai senarai harga kami. Berbanding puncak julat visi, ia 7.7× lebih murah pada input dan 9.6× lebih murah pada output daripada Kimi-K3.

Letakkan itu dalam satu beban kerja. Andaikan anda menyaring 1,000 imej — tangkapan skrin, halaman diimbas, foto produk — dengan purata kira-kira 1,200 token imej berserta gesaan masuk dan 300 token jawapan keluar:

Harga senarai Shannon, September 2026. Kiraan token bersifat ilustratif; pentokenan imej anda bergantung pada resolusi dan berapa banyak imej yang anda lampirkan setiap panggilan.

Dua lagi titik rujukan yang berguna untuk disimpan dalam kepala. Mengisi keseluruhan konteks 262,144 token sekali berharga kira-kira 13 sen. Respons panjang maksimum 16,384 token berharga kira-kira 3.3 sen. Itulah batas sebenar bagi satu permintaan kes-terburuk, dan ia cukup kecil sehingga kekangan menarik pada saluran visi berhenti menjadi wang dan mula menjadi daya pemprosesan.

02Keturunan MiniMax: makmal yang mengoptimumkan token, bukan tajuk berita

MiniMax AI ialah sebuah makmal di Shanghai yang seluruh rekod pemberat terbukanya berkisar pada satu soalan: bagaimana anda menjadikan perhatian cukup murah sehingga konteks panjang dan multimodaliti berhenti menjadi kemewahan? Setiap keluaran dalam barisan itu ialah jawapan kepada soalan tersebut, dan jawapan-jawapan itu bertindan atas satu sama lain.

MiniMax-01 — Lightning Attention, dan visi dari mula

Siri MiniMax-01 (diterbitkan sebagai arXiv 2501.08313) memperkenalkan Lightning Attention, satu pelaksanaan sedar-I/O bagi varian perhatian linear, di dalam model Campuran Pakar hibrid dengan 456B jumlah parameter dan 45.9B aktif setiap token. Siri itu dihantar berpasangan: MiniMax-Text-01 dan MiniMax-VL-01, model visinya. VL-01 menggunakan tindanan ViT-MLP-LLM yang kini biasa, tetapi dengan Vision Transformer 303 juta parameter yang dilatih dari kosong pada 694 juta pasangan imej-kapsyen dan bukan pengekod pinjaman, kemudian diselaraskan dan ditala halus bersama merentasi saluran berbilang peringkat yang memproses 512 bilion token.

Butiran itu penting bagi artikel yang anda baca ini. Visi dalam keturunan ini bukan penyesuai lewat yang dipasang pada model teks untuk menandakan satu kotak. MiniMax telah melatih menara visualnya sendiri sejak keluaran terbukanya yang pertama, dan itulah sebabnya pemahaman dokumen, pemahaman UI dan tangkapan skrin, serta pembacaan carta menjadi kekuatan konsisten keluarga ini dan bukan sekadar tambahan lewat.

MiniMax-M1 — perhatian hibrid untuk penaakulan panjang

MiniMax-M1 (arXiv 2506.13585) diperihalkan oleh penulisnya sebagai model penaakulan perhatian-hibrid berskala besar dan berpemberat terbuka yang pertama. Ia mengekalkan badan MoE 456B / 45.9B dan menyelang-selikan dua jenis perhatian: satu blok transformer perhatian-softmax konvensional selepas setiap tujuh blok Lightning Attention. Ganjarannya diukur dalam pengiraan dan bukan kedudukan papan pendahulu — MiniMax melaporkan bahawa pada panjang penjanaan 100K token, M1 menggunakan kira-kira 25% daripada FLOP DeepSeek R1, sambil menyokong konteks sejuta token secara asli.

MiniMax-M2 — pusingan pengaktifan kecil

MiniMax-M2 mengambil arah bertentangan dari segi saiz dan menarik perhatian kerananya: penyahkod 62 lapisan dengan 229.9B jumlah parameter tetapi hanya ~9.8B aktif setiap token, menggunakan 256 pakar berbutir halus setiap lapisan MoE dengan penghalaan sigmoid kepada lapan daripadanya, kedudukan RoPE dan QK-RMSNorm untuk kestabilan latihan. Ia secara eksplisit ialah model pengekodan agentik — suntingan berbilang fail, gelung jalan-baiki, pembaikan disahkan ujian — dan ia memperkenalkan format pemikiran terselang, di mana penaakulan dibawa antara pusingan panggilan alat dan bukan dibuang selepas setiap pusingan. M2 ialah model yang mengasaskan reputasi MiniMax kerana menyampaikan kelakuan agentik hampir-sempadan pada sepecahan kos setiap token, semata-mata dengan mengekalkan pengaktifan yang kecil.

MiniMax-M3 — asas di bawah titik akhir ini

MiniMax-M3 dikeluarkan pada 1 Jun 2026, dengan pemberat di Hugging Face tidak lama selepas itu dan laporan teknikal di arXiv 2606.13392. Ia ialah model Campuran Pakar 428B parameter dengan kira-kira 23B aktif setiap token, konteks sejuta token yang didokumenkan, dan input imej dan video asli — MiniMax memerihalkannya sebagai dilatih modaliti-campuran "dari langkah yang paling pertama," dan bukan dipralatih teks kemudian disesuaikan secara multimodal. Pada angka terbitan MiniMax sendiri ia mencapai 80.5% pada SWE-bench Verified dan 59.0% pada SWE-bench Pro. Itu angka yang dilaporkan vendor pada penanda aras pengekodan, dan itulah tepatnya cara anda patut menimbangnya; kami memetiknya kerana ia dakwaan terbitan makmal itu, bukan kerana kami telah menghasilkannya semula secara bebas.

03MiniMax Sparse Attention: mengapa model visi boleh semurah ini

Kejuruteraan yang menarik dalam M3 ialah MiniMax Sparse Attention (MSA), dan ia sebab langsung mengapa model multimodal sebesar ini boleh duduk pada harga lantai kami. Imej mahal dari segi token. Segelintir halaman resolusi tinggi boleh memasukkan berpuluh ribu token ke dalam gesaan sebelum anda menulis satu arahan pun. Di bawah perhatian standard, kos itu berganda secara kuadratik, dan model yang membaca dua puluh halaman bukan dua kali lebih mahal daripada yang membaca sepuluh — ia jauh lebih teruk daripada dua kali.

MSA mengubah bentuk lengkung itu. Ia mekanisme jarang-blok yang dibina di atas tulang belakang Grouped Query Attention, terbahagi kepada dua cabang:

• Satu Cabang Indeks ringan yang memberi skor kepada blok kunci-nilai — skor kumpul-maksimum merentasi token dalam setiap blok — dan memilih top-k setiap kedudukan pertanyaan dan setiap kumpulan GQA, sentiasa termasuk blok setempat yang mengandungi pertanyaan itu sendiri untuk kestabilan latihan.
• Satu Cabang Utama yang menjalankan perhatian softmax biasa hanya ke atas blok yang dipilih indeks itu.

Konfigurasi dalam kertas MSA ialah k = 16 blok bersaiz 128 token, yang memberi setiap pertanyaan bajet tetap 2,048 token yang dihadiri. Tetap, bermakna ia tidak membesar dengan panjang jujukan. Itulah keseluruhan helahnya: apabila konteks membesar, kos perhatian garis dasar padat terus mendaki manakala kos cabang utama MSA kekal rata, jadi perhatian menskala secara linear dan bukan kuadratik.

Angka daripada laporan MiniMax Sparse Attention (arXiv 2606.13392): pengurangan 28.4× dalam FLOP perhatian setiap token berbanding GQA yang dikonfigurasi setara pada konteks 1J, dan pecutan jam-dinding 14.2× prapengisian / 7.6× penyahkodan yang diukur pada perkakasan H800 dalam kajian 109B parameter kertas itu. MiniMax secara berasingan melaporkan pecutan 9× prapengisian dan 15× penyahkodan bagi M3 berbanding M2 pada konteks 1J. Semuanya dilaporkan makmal.

Kertas itu juga membuat semakan yang penting bagi artikel visi: pada MoE 109B yang multimodal secara asli, MSA mengekalkan prestasi setanding dengan garis dasar perhatian penuh merentasi penanda aras imej termasuk AI2D, ChartQA dan MMMU, dan merentasi penanda aras video termasuk EgoSchema, LongVideoBench dan VideoMME — dengan varian jarang kadangkala menambah baik tugas video berkonteks lebih panjang. Kejarangan di sini bukan cukai kualiti yang anda bayar untuk kelajuan; pada input panjang ia nampaknya lebih kurang percuma.

Mengapa anda patut ambil peduli sebagai pelanggan: kos penyajian itulah yang menetapkan harga senarai. Asas yang kos perhatiannya berhenti membesar ialah asas yang anda mampu acukan kepada seratus ribu imej. Itulah mekanisme di sebalik "model visi tanpa tapisan termurah" — ia bukan kadar promosi, ia satu seni bina.

04Apa maksud 3BIT-REAP, dan di mana ia merugikan anda

Model 428 bilion parameter tidak muat di mana-mana tempat yang selesa pada ketepatan penuh. Binaan MiniMax-M3 kami membawa akhiran 3BIT-REAP, yang memerihalkan dua operasi berasingan yang dikenakan mengikut urutan tertentu.

REAP: padamkan pakar sebelum anda memampatkannya

REAP — Router-weighted Expert Activation Pruning — ialah kaedah pemampatan MoE sekali tembak daripada Cerebras dan Universiti Calgary, diterbitkan sebagai arXiv 2510.13999 dan diterima di ICLR 2026. Hujahnya ialah bagi tugas generatif, memangkas pakar mengalahkan mencantumkannya: pencantuman memusnahkan kawalan berbutir halus penghala dan memperkenalkan ralat yang tidak boleh anda pulihkan. Jadi REAP sebaliknya memberi skor kepada setiap pakar dengan kriteria keserlahan yang menggabungkan nilai get penghala (berapa kerap dan berapa kuat penghala memilihnya) dan norma pengaktifan pakar (berapa banyak outputnya benar-benar menyumbang), kemudian memadamkan pakar yang paling kurang serlah terus.

Penulisnya melaporkan pembuangan sehingga 50% pakar daripada model sebesar satu trilion parameter sambil sebahagian besarnya mengekalkan kualiti garis dasar — pada Qwen3-480B-Coder-FP8 pada pemangkasan 50%, 97.6% daripada kemampuan pengekodan bukan-agentik garis dasar dan 96.7% pada SWE-Bench agentik dikekalkan. Itu angka kertas itu pada model kertas itu, bukan angka kami pada MiniMax-M3; kami memetiknya supaya anda boleh menilai kaedahnya, bukan untuk membayangkan pengukuran setara di sini.

Pemberat 3-bit, kedua

Pemberat yang terselamat kemudian disimpan pada 3 bit. Urutannya disengajakan dan itulah inti gabungan ini: pangkas dahulu, kuantumkan kemudian. Tiada gunanya membelanjakan tiga bit berharga setiap pemberat untuk mengekod dengan setia pakar yang anda hendak padamkan sebentar lagi. Pangkas ekor jarang itu, kemudian biarkan baki bajet pergi sepenuhnya kepada pakar yang benar-benar menyala.

Kaveat yang jujur

3BIT-REAP ialah tingkat paling agresif yang kami hantar. Kami menggunakannya pada asas terbesar — MiniMax-M3, Kimi-K3, DeepSeek-V4-Pro, GLM-5.2, Nemotron3Ultra — kerana ia beza antara model itu tersedia pada harga waras dan tidak tersedia langsung. Di mana sesebuah asas cukup kecil hingga tidak memerlukannya, kami tidak menggunakannya: model W8A16 dalam katalog menjalankan pemberat 8-bit dengan pengaktifan 16-bit, dan W4A16-AUTOROUND-REAP berada di antaranya, menggunakan pembundaran terpelajar AutoRound untuk memulihkan ketepatan yang dilepaskan oleh kuantuman pembundaran-ke-terdekat yang naif. Pilih tingkat yang sepadan dengan toleransi anda. Jika anda mengekstrak medan daripada sepuluh ribu invois, 3-bit ialah pertukaran yang betul. Jika anda melakukan satu bacaan forensik berisiko tinggi ke atas satu imej, belanjakan wang itu pada Kimi-K3.

05Apa maksud "tiada lapisan penolakan" apabila inputnya sekeping imej

Tanpa tapisan ialah perkataan yang digunakan dengan longgar, jadi inilah dakwaan yang tepat: tiada lapisan penolakan dan tiada penapisan output pada titik akhir ini. Tiada pengelas memeriksa imej anda sebelum model melihatnya. Tiada model dasar memeriksa token dalam perjalanan keluar. Apa yang model hasilkan itulah yang anda terima.

Dalam teks, kesannya sudah biasa. Dalam visi, ia berbeza jenisnya, kerana kelakuan penolakan pada input imej ialah tempat API multimodal komersial paling konservatif dan paling sewenang-wenangnya. Kegagalan cirinya kelihatan begini:

• Penolakan identiti menyeluruh — menolak untuk memerihalkan orang dalam sekeping gambar langsung, termasuk sifat yang jelas kelihatan dan sepenuhnya tidak berbahaya, kerana satu dasar tidak dapat membezakan perihalan daripada pengenalpastian.
• Pengelakan berdasarkan subjek — menolak untuk mentranskripsi atau meringkaskan sesebuah dokumen kerana tentang apa dokumen itu, walaupun transkripsi ialah tugas mekanikal.
• Kegelian perubatan dan forensik — menolak untuk memerihalkan imej klinikal, dokumentasi kecederaan, atau gambar kemalangan yang perlu diperihalkan oleh seorang profesional.
• Positif palsu perkakasan keselamatan — menolak untuk membaca tangkapan skrin kerana ia mengandungi terminal, tangkapan paket, atau penyahpepijat.
• Kemerosotan senyap — yang paling teruk: bukan penolakan tetapi bukan-jawapan yang berpagar, yang lulus pengesahan skema anda dan meracuni set data anda tanpa pernah membangkitkan ralat.

Masalah operasi dengan kelima-limanya bukan kerana ia tidak adil. Ia kerana ia tidak boleh diukur. Jawapan yang salah ialah satu titik data; anda boleh memberinya skor, menangkapnya dalam penilaian, dan membetulkannya. Penolakan ialah satu lubang. Pada skala berkelompok, kadar penolakan 3% yang tertabur bukan secara rawak merentasi input anda — tertumpu, secara binaan, tepat pada kes yang sukar dan luar biasa — ialah bias sistematik dalam keputusan anda yang tiada jumlah pembersihan hiliran mampu pulihkan. Membuang lapisan penolakan membuang satu punca data hilang yang senyap dan berkorelasi.

Shannon dikendalikan oleh Shannon Lab LLC, New Mexico, USA, di bawah Dasar Penggunaan Bertanggungjawab kami. Tanpa tapisan bermakna model itu tidak memberi ulasan dasar tentang input anda; ia tidak bermakna akaun itu tiada terma.

06Spesifikasi penuh

Medan	MiniMax-M3 · 3BIT-REAP
Id model	MiniMax-M3-3BIT-REAP
Asas	MiniMax-M3 (MiniMax AI)
Tetingkap konteks	262,144 token
Output maks	16,384 token
Input imej	Ya
Input video	Tidak didedahkan
Penstriman	Ya
Panggilan alat	Ya
Penaakulan	Ya (reasoning_effort)
Output berstruktur	json_schema + response_format
Lapisan penolakan	Tiada
Titik akhir	/v1/chat/completions · /v1/messages · /v1/responses
Disajikan pada	Kluster GPU Shannon sendiri

Dua baris dalam jadual itu wajar ditekankan. Input video tidak didedahkan. Asas M3 huluan dilatih pada video dan MiniMax mendokumenkan input video; titik akhir kami menerima imej. Bina berdasarkan imej. Kedua, tetingkap 262,144 token itu milik kami, bukan angka sejuta huluan itu — rancang beban kerja dokumen panjang dan berbilang imej terhadap 262,144 dan anda tidak akan terkejut.

07Memanggil API MiniMax tanpa tapisan

Tiga dialek, model yang sama di sebalik kesemuanya, penstriman pada ketiga-tiganya. Guna mana-mana yang klien sedia ada anda sudah bertutur; tiada beza keupayaan antara mereka. Acukan URL asas anda kepada Shannon dan tukar id model.

Pemahaman imej melalui 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:// jauh dan URL data base64 kedua-duanya berfungsi dalam bahagian image_url. Lampirkan beberapa bahagian imej dalam satu mesej apabila anda perlukan perbandingan silang halaman — anda ada 262,144 token untuk dibelanjakan dan, pada $0.50 setiap juta, membelanjakannya itu murah.

Pengekstrakan bertaip dengan skema JSON

Di mana model ini mendapat tempatnya dalam sesebuah saluran ialah gabungan visi + skema ketat + harga lantai. Bukan setiap model dalam katalog kami ada ketiga-tiganya: Laguna-S-2.1 dan inkling tidak menyokong json_schema. MiniMax-M3 menyokongnya, yang bermakna anda boleh mendapatkan objek yang disahkan daripada sekeping imej tanpa lapisan penghurai:

{
  "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
      }
    }
  }
}

Usaha penaakulan

Model ini mendedahkan reasoning_effort. Pada pengelasan imej pukal, kekalkan ia rendah — anda menanya soalan persepsi, dan token penaakulan ialah token output yang anda bayar. Naikkan ia untuk panggilan yang imejnya menjadi bukti dalam hujah yang lebih panjang: membaca rajah terhadap sesuatu spesifikasi, menyelaraskan carta dengan jadual, memutuskan sama ada dua tangkapan skrin menunjukkan kecacatan yang sama.

Rujukan parameter yang lengkap, semantik ralat, dan format penstriman bagi ketiga-tiga dialek ada dalam dokumentasi API Shannon.

08Di mana MiniMax-M3 pilihan yang betul — dan di mana ia bukan

Capai ia apabila

• Kerja imej bervolum. Pelabelan set data, penyelidikan penyederhanaan, pengayaan katalog, penyaringan tangkapan skrin, OCR-dan-struktur berkelompok ke atas dokumen diimbas. Harga lantai itulah keseluruhan hujahnya.
• Imej menjadi rekod bertaip. Visi berserta json_schema ketat berserta token termurah dalam katalog ialah gabungan yang hanya dua model di sini tawarkan.
• Konteks multimodal panjang. Banyak halaman, atau banyak bingkai, dalam satu permintaan — seni bina di bawahnya dibina tepat untuk bentuk input ini.
• Penyelidikan yang penolakannya merosakkan sampel. Mana-mana kajian yang kesahihannya bergantung pada model menjawab setiap item, termasuk yang tidak selesa.
• Gelung agentik yang membaca skrin. Keturunan siri-M secara eksplisit agentik, dan panggilan alat tersedia.

Capai sesuatu yang lain apabila

• Anda perlukan siling visi tertinggi dan bajetnya ada. Kimi-K3 · 3BIT-REAP ialah 7.7× harga input atas satu sebab; pada satu bacaan berisiko tinggi, itu wang yang betul untuk dibelanjakan.
• Anda perlukan pemberat berkesetiaan maksimum. 3-bit ialah tingkat paling agresif kami. Model W8A16 menukar harga dengan ketepatan, dan MiMo-V2.5 · W8A16 berkeupayaan visi pada $0.50 / $2.00 yang sama jika kesetiaan setiap pemberat itulah yang anda optimumkan.
• Anda perlukan video. Kami tidak mendedahkan input video pada titik akhir ini.
• Tugasnya teks tulen di sempadan. DeepSeek-V4-Pro-0813 wujud untuk itu; anda akan membayar untuk menara visi yang tidak pernah anda guna.

Angka seni bina, penanda aras dan pecutan bagi keluarga MiniMax dilaporkan makmal oleh MiniMax AI; angka REAP dilaporkan oleh penulis REAP pada model mereka sendiri dan bukan pengukuran binaan ini. Harga Shannon, tetingkap konteks dan bendera keupayaan ialah milik kami dan dibaca daripada katalog model langsung kami.

09Soalan lazim

---

Sumber: Kad 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 penanda aras dan pecutan MiniMax dilaporkan makmal dan bersifat sementara sementara menunggu pengesahan bebas. Harga dan bendera keupayaan Shannon adalah semasa setakat 5 September 2026.