Ongecensureerde MiniMax API: vision voor de bodemprijs

Bijna elke gehoste multimodale API rekent vision als een premie. U betaalt het tarief van een tekstmodel voor tekst, en zodra er een afbeelding in de prompt komt betaalt u meer — soms een veelvoud. Daar bovenop is beeldinvoer precies waar weigeringsgedrag het agressiefst is: het model dat een onderwerp in tekst graag bespreekt, weigert hetzelfde op een foto te beschrijven. Het resultaat is een product dat duur is per aanroep én onbetrouwbaar per aanroep, en dat is het slechtste van twee werelden zodra u volume verwerkt. MiniMax-M3 op Shannon is ons antwoord daarop: dezelfde $0.50 / $2.00 die u voor ons goedkoopste tekstmodel betaalt, toegepast op een basismodel dat vanaf de eerste stap multimodaal is getraind, zonder weigeringslaag ervoor.

01Wat "goedkoopste ongecensureerde vision-model" hier werkelijk betekent

De Shannon-catalogus telt twaalf modellen. Vijf daarvan accepteren afbeeldingen. Hun prijzen, per miljoen tokens:

Model met vision	Invoer	Uitvoer	Gestructureerde uitvoer
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	alleen response_format
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	json_schema + response_format

MiniMax-M3 zit op de bodem — $0.50 / $2.00 — gelijk met MiMo-V2.5 en met niets eronder, omdat $0.50 / $2.00 nu eenmaal de bodem van onze prijslijst is. Tegenover de bovenkant van het vision-bereik is het 7.7× goedkoper op invoer en 9.6× goedkoper op uitvoer dan Kimi-K3.

Zet dat in een werklast. Stel dat u 1,000 afbeeldingen triageert — screenshots, gescande pagina's, productfoto's — met gemiddeld ruwweg 1,200 tokens aan afbeelding plus prompt erin en 300 tokens antwoord eruit:

Lijstprijzen van Shannon, september 2026. De tokenaantallen zijn illustratief; uw beeldtokenisatie hangt af van de resolutie en van hoeveel afbeeldingen u per aanroep meestuurt.

Nog twee referentiepunten die het waard zijn om te onthouden. Het eenmalig vullen van de volledige context van 262,144 tokens kost ongeveer 13 cent. Een antwoord van maximale lengte, 16,384 tokens, kost ongeveer 3.3 cent. Dat zijn de werkelijke grenzen van één worstcaseverzoek, en ze zijn klein genoeg dat de interessante beperking op een vision-pijplijn ophoudt geld te zijn en doorvoer wordt.

02De MiniMax-afstamming: een lab dat tokens optimaliseert, geen koppen

MiniMax AI is een lab in Shanghai waarvan het hele open-weights-trackrecord om één vraag draait: hoe maak je attentie goedkoop genoeg dat lange context en multimodaliteit ophouden luxeartikelen te zijn? Elke uitgave in de lijn is een antwoord op die vraag, en de antwoorden bouwen op elkaar voort.

MiniMax-01 — Lightning Attention, en vision vanaf het begin

De MiniMax-01-serie (gepubliceerd als arXiv 2501.08313) introduceerde Lightning Attention, een I/O-bewuste implementatie van een variant van lineaire attentie, binnen een hybride Mixture-of-Experts-model van 456B totale parameters met 45.9B actief per token. De serie verscheen als een paar: MiniMax-Text-01 en MiniMax-VL-01, het vision-model. VL-01 gebruikte de inmiddels bekende ViT-MLP-LLM-stapel, maar met een Vision Transformer van 303 miljoen parameters die vanaf nul is getraind op 694 miljoen beeld-bijschriftparen in plaats van een geleende encoder, en werd daarna uitgelijnd en gezamenlijk fijngesteld in een pijplijn met meerdere fasen die 512 miljard tokens verwerkte.

Dat detail doet ertoe voor het artikel dat u nu leest. Vision in deze afstamming is geen late adapter die op een tekstmodel is gebout om een vakje af te vinken. MiniMax traint zijn eigen visuele toren al sinds zijn eerste open uitgave, en daarom zijn documentbegrip, het begrijpen van interfaces en screenshots, en het lezen van grafieken consequente sterke punten van de familie in plaats van bijzaken.

MiniMax-M1 — hybride attentie voor langdurig redeneren

MiniMax-M1 (arXiv 2506.13585) werd door de auteurs beschreven als het eerste grootschalige open-weights-redeneermodel met hybride attentie. Het behield de MoE-romp van 456B / 45.9B en wisselde de twee soorten attentie af: na elke zeven Lightning Attention-blokken een conventioneel transformerblok met softmax-attentie. De opbrengst werd gemeten in rekenwerk in plaats van in een positie op een ranglijst — MiniMax rapporteerde dat M1 bij een generatielengte van 100K tokens ruwweg 25% van de FLOPs van DeepSeek R1 verbruikte, terwijl het native een context van één miljoen tokens ondersteunde.

MiniMax-M2 — de draai naar kleine activatie

MiniMax-M2 ging de andere kant op qua omvang en oogstte daarmee aandacht: een decoder van 62 lagen met 229.9B totale parameters maar slechts ~9.8B actief per token, met 256 fijnkorrelige experts per MoE-laag en sigmoïde routering naar acht daarvan, RoPE-posities en QK-RMSNorm voor stabiliteit tijdens het trainen. Het was expliciet een agentisch codeermodel — bewerkingen over meerdere bestanden, draai-en-repareer-lussen, door tests gevalideerde reparaties — en het introduceerde het formaat interleaved thinking, waarbij het redeneren tussen rondes van tool-aanroepen wordt meegedragen in plaats van na elke beurt te worden weggegooid. M2 is het model dat MiniMax de reputatie bezorgde agentisch gedrag dicht bij de frontier te leveren voor een fractie van de kosten per token, puur door de activaties klein te houden.

MiniMax-M3 — het basismodel onder dit endpoint

MiniMax-M3 verscheen op 1 juni 2026, met kort daarna de gewichten op Hugging Face en een technisch rapport als arXiv 2606.13392. Het is een Mixture-of-Experts-model van 428B parameters met ruwweg 23B actief per token, een gedocumenteerde context van één miljoen tokens, en native beeld- en video-invoer — MiniMax beschrijft het als getraind op gemengde modaliteiten "vanaf de allereerste stap", in plaats van eerst op tekst voorgetraind en daarna multimodaal aangepast. Op MiniMax' eigen gepubliceerde cijfers scoort het 80.5% op SWE-bench Verified en 59.0% op SWE-bench Pro. Dat zijn door de leverancier gerapporteerde cijfers op een codeerbenchmark, en precies zo hoort u ze te wegen; wij citeren ze omdat het de gepubliceerde claims van het lab zijn, niet omdat wij ze onafhankelijk hebben gereproduceerd.

03MiniMax Sparse Attention: waarom een vision-model zo goedkoop kan zijn

Het interessante ingenieurswerk in M3 is MiniMax Sparse Attention (MSA), en dat is de directe reden dat een multimodaal model van deze omvang op onze bodemprijs kan zitten. Afbeeldingen zijn duur in tokens. Een handvol pagina's met hoge resolutie kan tienduizenden tokens in een prompt zetten voordat u één instructie hebt geschreven. Onder standaardattentie loopt die kostenpost kwadratisch op, en het model dat twintig pagina's leest is niet twee keer zo duur als het model dat er tien leest — het is veel erger dan twee keer.

MSA verandert de vorm van die curve. Het is een blok-spaarzaam mechanisme gebouwd op een ruggengraat van Grouped Query Attention, opgesplitst in twee takken:

• Een lichte Index Branch die key-value-blokken van een score voorziet — met max-pooling over de tokens binnen elk blok — en de top-k selecteert per querypositie en per GQA-groep, waarbij het lokale blok met de query zelf altijd wordt meegenomen voor stabiliteit tijdens het trainen.
• Een Main Branch die gewone softmax-attentie draait alleen over de blokken die de index heeft geselecteerd.

De configuratie in het MSA-paper is k = 16 blokken van 128 tokens, wat elke query een vast budget van 2,048 aandachtige tokens geeft. Vast, in de zin dat het niet meegroeit met de sequentielengte. Dat is de hele truc: naarmate de context groeit, blijven de attentiekosten van een dichte baseline stijgen terwijl de kosten van de main branch van MSA vlak blijven, zodat attentie lineair schaalt in plaats van kwadratisch.

Cijfers uit het rapport over MiniMax Sparse Attention (arXiv 2606.13392): een reductie van 28.4× in attentie-FLOPs per token ten opzichte van gelijkwaardig geconfigureerde GQA bij 1M context, en versnellingen in kloktijd van 14.2× voor prefill en 7.6× voor decode, gemeten op H800-hardware in de studie met 109B parameters uit het paper. MiniMax rapporteert daarnaast versnellingen van 9× voor prefill en 15× voor decode voor M3 ten opzichte van M2 bij 1M context. Alle cijfers zijn door het lab gerapporteerd.

Het paper doet ook de controle die er voor een vision-artikel toe doet: op een native multimodale MoE van 109B hield MSA prestaties aan die vergelijkbaar zijn met een baseline met volledige attentie, over beeldbenchmarks als AI2D, ChartQA en MMMU, en over videobenchmarks als EgoSchema, LongVideoBench en VideoMME — waarbij de spaarzame varianten soms zelfs beter presteerden op de videotaken met langere context. Spaarzaamheid is hier geen kwaliteitsheffing die u voor snelheid betaalt; op lange invoer lijkt ze ruwweg gratis.

Waarom u zich daar als klant druk om zou maken: de serveerkosten bepalen de lijstprijs. Een basismodel waarvan de attentiekosten ophouden te groeien, is een basismodel dat u zich kunt veroorloven op honderdduizend afbeeldingen te richten. Dat is het mechanisme achter "goedkoopste ongecensureerde vision-model" — het is geen actietarief, het is een architectuur.

04Wat 3BIT-REAP betekent, en waar het u iets kost

Een model van 428 miljard parameters past bij volledige precisie nergens gemakkelijk. Onze MiniMax-M3-build draagt het achtervoegsel 3BIT-REAP, dat twee afzonderlijke bewerkingen in een specifieke volgorde beschrijft.

REAP: verwijder experts voordat u ze comprimeert

REAP — Router-weighted Expert Activation Pruning — is een MoE-compressiemethode in één stap van Cerebras en de University of Calgary, gepubliceerd als arXiv 2510.13999 en geaccepteerd voor ICLR 2026. Het argument luidt dat voor generatieve taken het snoeien van experts beter werkt dan het samenvoegen ervan: samenvoegen vernietigt de fijnkorrelige regie van de router en introduceert een fout die u nooit meer terugwint. REAP geeft daarom elke expert een score met een saillantiecriterium dat gate-waarden van de router (hoe vaak en hoe sterk de router hem kiest) combineert met activatienormen van de expert (hoeveel zijn uitvoer daadwerkelijk bijdraagt), en verwijdert vervolgens de minst saillante experts volledig.

De auteurs rapporteren dat zij tot 50% van de experts uit modellen tot één biljoen parameters verwijderden met grotendeels behoud van de basiskwaliteit — op Qwen3-480B-Coder-FP8 bij 50% snoeien bleef 97.6% van de niet-agentische codeervaardigheid van de baseline en 96.7% op agentische SWE-Bench behouden. Dat zijn de cijfers van het paper op de modellen van het paper, niet de onze op MiniMax-M3; wij citeren ze zodat u de methode kunt beoordelen, niet om een gelijkwaardige meting hier te suggereren.

Daarna gewichten van 3 bits

De overgebleven gewichten worden vervolgens op 3 bits opgeslagen. De volgorde is bewust en is precies de bedoeling van de combinatie: eerst snoeien, dan kwantiseren. Het heeft geen zin uw kostbare drie bits per gewicht te besteden aan het getrouw coderen van experts die u op het punt staat te verwijderen. Snoei de spaarzame staart, en laat het resterende budget volledig naar experts gaan die daadwerkelijk vuren.

De eerlijke kanttekening

3BIT-REAP is het agressiefste niveau dat wij leveren. Wij gebruiken het op de grootste basismodellen — MiniMax-M3, Kimi-K3, DeepSeek-V4-Pro, GLM-5.2, Nemotron3Ultra — omdat het het verschil is tussen die modellen tegen een redelijke prijs beschikbaar hebben en ze helemaal niet beschikbaar hebben. Waar een basismodel klein genoeg is om het niet nodig te hebben, gebruiken wij het niet: de W8A16-modellen in de catalogus draaien gewichten van 8 bits met activaties van 16 bits, en W4A16-AUTOROUND-REAP zit ertussenin, met het geleerde afronden van AutoRound om nauwkeurigheid terug te winnen die naïeve kwantisatie met afronden op de dichtstbijzijnde waarde weggeeft. Kies het niveau dat bij uw tolerantie past. Haalt u velden uit tienduizend facturen, dan is 3 bits de juiste afweging. Doet u één forensische lezing met hoge inzet van één afbeelding, geef dan het geld uit aan Kimi-K3.

05Wat "geen weigeringslaag" betekent wanneer de invoer een afbeelding is

Ongecensureerd is een woord dat losjes wordt gebruikt, dus hier de precieze claim: er is op dit endpoint geen weigeringslaag en geen filtering van de uitvoer. Geen classifier inspecteert uw afbeelding voordat het model haar ziet. Geen beleidsmodel inspecteert de tokens op de weg naar buiten. Wat het model produceert, is wat u ontvangt.

In tekst is dat effect bekend. Bij vision is het van een andere orde, want weigeringsgedrag op beeldinvoer is waar commerciële multimodale API's op hun meest behoudende en meest willekeurige zijn. De karakteristieke fouten zien er zo uit:

• Categorische identiteitsweigeringen — helemaal weigeren mensen op een foto te beschrijven, ook eigenschappen die duidelijk zichtbaar en volstrekt onschuldig zijn, omdat een beleidsregel beschrijving niet van identificatie kan onderscheiden.
• Afhaken op het onderwerp — weigeren een document te transcriberen of samen te vatten vanwege waar het document over gaat, hoewel transcriptie een mechanische taak is.
• Medische en forensische preutsheid — weigeren klinisch beeldmateriaal, letseldocumentatie of ongevalsfoto's te beschrijven die een professional beschreven nodig heeft.
• Vals-positieven bij beveiligingsgereedschap — weigeren een screenshot te lezen omdat er een terminal, een packet capture of een debugger op staat.
• Stille verslechtering — de ergste: geen weigering maar een omfloerst niet-antwoord, dat uw schemavalidatie passeert en uw dataset vergiftigt zonder ooit een fout op te werpen.

Het operationele probleem met alle vijf is niet dat ze oneerlijk zijn. Het is dat ze niet meetbaar zijn. Een fout antwoord is een datapunt; u kunt het scoren, in de evaluatie betrappen en ervoor corrigeren. Een weigering is een gat. Op batchschaal is een weigeringspercentage van 3% dat niet-willekeurig over uw invoer is verdeeld — per constructie geconcentreerd op precies de moeilijke en ongewone gevallen — een systematische vertekening in uw resultaten die geen enkele opschoning achteraf terugdraait. Het verwijderen van de weigeringslaag verwijdert een bron van stille, gecorreleerde ontbrekende data.

Shannon wordt geëxploiteerd door Shannon Lab LLC, New Mexico, VS, onder ons beleid voor verantwoord gebruik. Ongecensureerd betekent dat het model geen commentaar levert op uw invoer; het betekent niet dat er voor het account geen voorwaarden gelden.

06De volledige specificatie

Veld	MiniMax-M3 · 3BIT-REAP
Model-id	MiniMax-M3-3BIT-REAP
Basismodel	MiniMax-M3 (MiniMax AI)
Contextvenster	262,144 tokens
Max. uitvoer	16,384 tokens
Beeldinvoer	Ja
Video-invoer	Niet beschikbaar
Streaming	Ja
Tool calling	Ja
Redeneren	Ja (reasoning_effort)
Gestructureerde uitvoer	json_schema + response_format
Weigeringslaag	Geen
Endpoints	/v1/chat/completions · /v1/messages · /v1/responses
Geserveerd op	Shannons eigen GPU-cluster

Twee regels in die tabel verdienen nadruk. Video-invoer wordt niet aangeboden. Het bovenstroomse M3-basismodel is op video getraind en MiniMax documenteert video-invoer; ons endpoint accepteert afbeeldingen. Bouw op afbeeldingen. Ten tweede is het venster van 262,144 tokens het onze, niet het bovenstroomse cijfer van één miljoen — plan werklasten met lange documenten en veel afbeeldingen op 262,144 en u wordt nooit verrast.

07De ongecensureerde MiniMax API aanroepen

Drie dialecten, hetzelfde model erachter, streaming op alle drie. Gebruik het dialect dat uw bestaande client al spreekt; er is geen verschil in capaciteit tussen de drie. Richt uw base-URL op Shannon en verander de model-id.

Beeldbegrip via het OpenAI-dialect

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
  }'

Zowel externe https://-URL's als base64-data-URL's werken in het image_url-onderdeel. Hang meerdere beeldonderdelen aan één bericht wanneer u pagina's met elkaar moet vergelijken — u hebt 262,144 tokens te besteden en tegen $0.50 per miljoen is besteden goedkoop.

Getypeerde extractie met een JSON-schema

Waar dit model zijn plaats in een pijplijn verdient, is de combinatie van vision + strikt schema + bodemprijs. Niet elk model in onze catalogus heeft alle drie: Laguna-S-2.1 en inkling ondersteunen json_schema niet. MiniMax-M3 wel, wat betekent dat u een gevalideerd object uit een afbeelding kunt halen zonder een parseerlaag:

{
  "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
      }
    }
  }
}

Redeneerinspanning

Het model biedt reasoning_effort. Houd die bij bulkclassificatie van afbeeldingen laag — u stelt een waarnemingsvraag, en redeneertokens zijn uitvoertokens waarvoor u betaalt. Zet hem hoger voor de aanroepen waarin de afbeelding bewijsmateriaal is in een langer betoog: een diagram lezen tegen een specificatie, een grafiek verzoenen met een tabel, beslissen of twee screenshots hetzelfde defect tonen.

De volledige parameterreferentie, de foutsemantiek en de streamingformaten voor alle drie de dialecten staan in de Shannon API-documentatie.

08Waar MiniMax-M3 de juiste keuze is — en waar niet

Grijp ernaar wanneer

• Beeldwerk op volume. Datasets labelen, moderatieonderzoek, catalogusverrijking, screenshottriage, OCR-en-structuur in batch over gescande documenten. De bodemprijs is het hele argument.
• Afbeeldingen naar getypeerde records. Vision plus strikt json_schema plus de goedkoopste tokens in de catalogus is een combinatie die hier maar twee modellen bieden.
• Lange multimodale context. Veel pagina's, of veel frames, in één verzoek — de architectuur eronder is precies voor deze vorm van invoer gebouwd.
• Onderzoek waarin weigeringen de steekproef bederven. Elke studie waarvan de geldigheid afhangt van een model dat elk item beantwoordt, ook de ongemakkelijke.
• Agentische lussen die een scherm lezen. De M-serie is expliciet agentisch, en tool calling is beschikbaar.

Grijp naar iets anders wanneer

• U het hoogste vision-plafond nodig hebt en het budget er is. Kimi-K3 · 3BIT-REAP kost niet voor niets 7.7× de invoerprijs; bij één lezing met hoge inzet is dat het juiste geld om uit te geven.
• U gewichten met maximale getrouwheid nodig hebt. 3 bits is ons agressiefste niveau. De W8A16-modellen ruilen prijs voor precisie, en MiMo-V2.5 · W8A16 heeft vision voor dezelfde $0.50 / $2.00 als getrouwheid per gewicht is waarop u optimaliseert.
• U video nodig hebt. Wij bieden op dit endpoint geen video-invoer aan.
• De taak pure tekst aan de frontier is. Daarvoor bestaat DeepSeek-V4-Pro-0813; u zou betalen voor een visuele toren die u nooit gebruikt.

De cijfers over architectuur, benchmarks en versnellingen voor de MiniMax-familie zijn door MiniMax AI zelf gerapporteerd; de REAP-cijfers zijn door de REAP-auteurs op hun eigen modellen gerapporteerd en zijn geen meting van deze build. De prijzen, het contextvenster en de capaciteitsvlaggen van Shannon zijn van onszelf en worden uit onze live modelcatalogus gelezen.

09Veelgestelde vragen

---

Bronnen: modelkaart 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. De benchmark- en versnellingscijfers van MiniMax zijn door het lab gerapporteerd en voorlopig, in afwachting van onafhankelijke verificatie. De prijzen en capaciteitsvlaggen van Shannon zijn actueel per 5 september 2026.