Nieocenzurowane API MiniMax: wizja w cenie podłogowej

Niemal każde hostowane API multimodalne wycenia wizję jako dodatek premium. Za tekst płacisz stawkę modelu tekstowego, a potem płacisz więcej — czasem kilkukrotnie więcej — w chwili, gdy do promptu wchodzi obraz. Do tego to właśnie przy wejściach obrazowych zachowania odmowne są najbardziej agresywne: model, który chętnie omówi temat w tekście, odmówi opisania tego samego na fotografii. Efektem jest produkt drogi w przeliczeniu na wywołanie i zawodny w przeliczeniu na wywołanie, czyli najgorsze z obu światów, gdy przetwarzasz wolumen. MiniMax-M3 w Shannon jest naszą odpowiedzią: te same $0.50 / $2.00, które płacisz za nasz najtańszy model tekstowy, zastosowane do fundamentu trenowanego multimodalnie od pierwszego kroku, bez warstwy odmów ustawionej przed nim.

01Co tu naprawdę znaczy „najtańszy nieocenzurowany model z wizją”

Katalog Shannon to dwanaście modeli. Pięć z nich przyjmuje obrazy. Ich ceny za milion tokenów:

Model z wizją	Wejście	Wyjście	Wyjście strukturalne
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	tylko response_format
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	json_schema + response_format

MiniMax-M3 stoi na podłodze — $0.50 / $2.00 — na równi z MiMo-V2.5, a niżej nie ma nic, bo $0.50 / $2.00 jest podłogą naszego cennika. Wobec górnej granicy zakresu z wizją jest 7.7× tańszy na wejściu i 9.6× tańszy na wyjściu niż Kimi-K3.

Przełóżmy to na obciążenie. Załóżmy, że segregujesz 1,000 obrazów — zrzuty ekranu, zeskanowane strony, zdjęcia produktów — średnio po mniej więcej 1,200 tokenów obrazu plus prompt na wejściu i 300 tokenów odpowiedzi na wyjściu:

Ceny katalogowe Shannon, wrzesień 2026. Liczby tokenów są poglądowe; tokenizacja twoich obrazów zależy od rozdzielczości i od tego, ile obrazów dołączasz do jednego wywołania.

Dwa dodatkowe punkty odniesienia, które warto mieć w głowie. Jednorazowe zapełnienie całego kontekstu 262,144 tokenów kosztuje około 13 centów. Odpowiedź o maksymalnej długości 16,384 tokenów kosztuje około 3.3 centa. To są faktyczne granice pojedynczego, najgorszego przypadku żądania i są na tyle małe, że ciekawym ograniczeniem potoku wizyjnego przestają być pieniądze, a zaczyna być przepustowość.

02Rodowód MiniMax: laboratorium, które optymalizuje tokeny, a nie nagłówki

MiniMax AI to szanghajskie laboratorium, którego cały dorobek z otwartymi wagami krąży wokół jednego pytania: jak sprawić, by uwaga była na tyle tania, że długi kontekst i multimodalność przestaną być luksusem? Każde wydanie w tej linii jest odpowiedzią na to pytanie, a odpowiedzi budują jedna na drugiej.

MiniMax-01 — Lightning Attention i wizja od samego początku

Seria MiniMax-01 (opublikowana jako arXiv 2501.08313) wprowadziła Lightning Attention, świadomą wejścia-wyjścia implementację wariantu uwagi liniowej, wewnątrz hybrydowego modelu Mixture-of-Experts o 456 miliardach parametrów łącznie i 45.9 miliarda aktywnych na token. Seria wyszła jako para: MiniMax-Text-01 i MiniMax-VL-01, model wizyjny. VL-01 używał znanego dziś stosu ViT-MLP-LLM, ale z Vision Transformerem o 303 milionach parametrów trenowanym od zera na 694 milionach par obraz-podpis zamiast pożyczonego enkodera, a następnie dostrojonym i wspólnie douczonym w wieloetapowym potoku przetwarzającym 512 miliardów tokenów.

Ten szczegół ma znaczenie dla artykułu, który czytasz. Wizja w tym rodowodzie nie jest późnym adapterem przykręconym do modelu tekstowego dla odhaczenia pola. MiniMax trenuje własną wieżę wizyjną od pierwszego otwartego wydania i dlatego rozumienie dokumentów, interfejsów i zrzutów ekranu oraz czytanie wykresów są konsekwentnymi mocnymi stronami tej rodziny, a nie doczepką.

MiniMax-M1 — hybrydowa uwaga do rozumowania na długim dystansie

MiniMax-M1 (arXiv 2506.13585) był opisany przez autorów jako pierwszy wielkoskalowy model rozumujący z otwartymi wagami i hybrydową uwagą. Zachował korpus MoE 456B / 45.9B i przeplótł dwa typy uwagi: konwencjonalny blok transformera z uwagą softmax po każdych siedmiu blokach Lightning Attention. Zysk mierzono w obliczeniach, a nie w miejscu w rankingu — MiniMax raportował, że przy generacji o długości 100K tokenów M1 zużywał mniej więcej 25% FLOPs DeepSeek R1, natywnie obsługując przy tym kontekst miliona tokenów.

MiniMax-M2 — zwrot ku małej aktywacji

MiniMax-M2 poszedł w rozmiarze w drugą stronę i zdobył tym uwagę: 62-warstwowy dekoder o 229.9 miliarda parametrów łącznie, ale zaledwie ~9.8 miliarda aktywnych na token, z 256 drobnoziarnistymi ekspertami na warstwę MoE i routingiem sigmoidalnym do ośmiu z nich, pozycjami RoPE i QK-RMSNorm dla stabilności treningu. Był wprost modelem do agentowego kodowania — edycje wielu plików, pętle uruchom-napraw, poprawki walidowane testami — i wprowadził format przeplatanego myślenia, w którym rozumowanie jest przenoszone między rundami wywołań narzędzi, zamiast być odrzucane po każdej turze. To M2 ugruntował reputację MiniMax jako dostawcy zachowań agentowych bliskich czołówce za ułamek kosztu na token, wyłącznie dzięki utrzymywaniu maleńkich aktywacji.

MiniMax-M3 — fundament pod tym endpointem

MiniMax-M3 został wydany 1 czerwca 2026, z wagami na Hugging Face wkrótce potem i raportem technicznym pod arXiv 2606.13392. To model Mixture-of-Experts o 428 miliardach parametrów z mniej więcej 23 miliardami aktywnych na token, udokumentowanym kontekstem miliona tokenów oraz natywnym wejściem obrazowym i wideo — MiniMax opisuje go jako trenowany mieszaną modalnością „od pierwszego kroku”, a nie pretrenowany tekstowo i dopiero potem przystosowany multimodalnie. Według liczb opublikowanych przez samo MiniMax osiąga 80.5% na SWE-bench Verified i 59.0% na SWE-bench Pro. To wyniki podane przez dostawcę na benchmarku kodowania i dokładnie z taką wagą należy je traktować; cytujemy je, bo są opublikowanymi deklaracjami laboratorium, a nie dlatego, że sami je niezależnie odtworzyliśmy.

03MiniMax Sparse Attention: dlaczego model z wizją może być tak tani

Ciekawą inżynierią w M3 jest MiniMax Sparse Attention (MSA) i to ona jest bezpośrednim powodem, dla którego model multimodalny tej wielkości może stać w naszej cenie podłogowej. Obrazy są kosztowne tokenowo. Garść stron w wysokiej rozdzielczości potrafi wrzucić do promptu dziesiątki tysięcy tokenów, zanim napiszesz choć jedną instrukcję. Przy standardowej uwadze ten koszt narasta kwadratowo, a model czytający dwadzieścia stron nie jest dwa razy droższy od tego czytającego dziesięć — jest dużo gorzej niż dwa razy.

MSA zmienia kształt tej krzywej. To mechanizm blokowo rzadki zbudowany na szkielecie Grouped Query Attention, podzielony na dwie gałęzie:

• Lekka gałąź indeksująca, która ocenia bloki klucz-wartość — agregując wyniki przez max-pooling po tokenach w każdym bloku — i wybiera top-k na pozycję zapytania i na grupę GQA, zawsze włączając lokalny blok zawierający samo zapytanie, dla stabilności treningu.
• Gałąź główna, która uruchamia zwykłą uwagę softmax wyłącznie na blokach wybranych przez indeks.

Konfiguracja z artykułu o MSA to k = 16 bloków po 128 tokenów, co daje każdemu zapytaniu stały budżet 2,048 tokenów objętych uwagą. Stały, czyli nierosnący wraz z długością sekwencji. To cała sztuczka: gdy kontekst rośnie, koszt uwagi gęstej linii bazowej wciąż się wspina, a koszt gałęzi głównej MSA pozostaje płaski, więc uwaga skaluje się liniowo zamiast kwadratowo.

Liczby z raportu MiniMax Sparse Attention (arXiv 2606.13392): 28.4× redukcja FLOPs uwagi na token wobec równoważnie skonfigurowanego GQA przy kontekście 1M oraz przyspieszenia zegarowe 14.2× dla prefill i 7.6× dla dekodowania, zmierzone na sprzęcie H800 w opisanym w artykule badaniu modelu o 109 miliardach parametrów. Osobno MiniMax raportuje dla M3 wobec M2 przyspieszenia 9× dla prefill i 15× dla dekodowania przy kontekście 1M. Wszystkie te liczby pochodzą z laboratorium.

Artykuł wykonuje też sprawdzian, który ma znaczenie dla tekstu o wizji: na natywnie multimodalnym MoE o 109 miliardach parametrów MSA utrzymała wyniki porównywalne z linią bazową pełnej uwagi na benchmarkach obrazowych, w tym AI2D, ChartQA i MMMU, oraz na benchmarkach wideo, w tym EgoSchema, LongVideoBench i VideoMME — przy czym warianty rzadkie czasem poprawiały wyniki na zadaniach wideo o dłuższym kontekście. Rzadkość nie jest tu podatkiem od jakości płaconym za szybkość; na długich wejściach wygląda na w przybliżeniu darmową.

Dlaczego ma cię to obchodzić jako klienta: to koszt serwowania ustala cenę katalogową. Fundament, którego koszt uwagi przestaje rosnąć, to fundament, na który stać cię przy stu tysiącach obrazów. Taki jest mechanizm za hasłem „najtańszy nieocenzurowany model z wizją” — to nie stawka promocyjna, to architektura.

04Co oznacza 3BIT-REAP i gdzie cię to kosztuje

Model o 428 miliardach parametrów nie mieści się w pełnej precyzji nigdzie, gdzie byłoby wygodnie. Nasza kompilacja MiniMax-M3 nosi sufiks 3BIT-REAP, który opisuje dwie osobne operacje zastosowane w określonej kolejności.

REAP: usuń ekspertów, zanim ich skompresujesz

REAP — Router-weighted Expert Activation Pruning — to jednoprzebiegowa metoda kompresji MoE z Cerebras i Uniwersytetu Calgary, opublikowana jako arXiv 2510.13999 i przyjęta na ICLR 2026. Jej argument brzmi tak: przy zadaniach generatywnych przycinanie ekspertów bije ich scalanie, bo scalanie niszczy drobnoziarnistą kontrolę routera i wprowadza błąd, którego nigdy nie da się odzyskać. Zamiast tego REAP ocenia każdego eksperta kryterium istotności łączącym wartości bramek routera (jak często i jak mocno router go wybiera) z normami aktywacji eksperta (jak bardzo jego wyjście faktycznie się przyczynia), a potem wprost usuwa najmniej istotnych.

Autorzy raportują usunięcie do 50% ekspertów z modeli tak dużych jak bilion parametrów przy zachowaniu w dużej mierze bazowej jakości — na Qwen3-480B-Coder-FP8 przy przycięciu 50% zachowano 97.6% bazowej zdolności kodowania nieagentowego i 96.7% na agentowym SWE-Bench. To liczby z artykułu na modelach z artykułu, a nie nasze na MiniMax-M3; cytujemy je, żebyś mógł ocenić metodę, a nie po to, by sugerować równoważny pomiar tutaj.

Wagi 3-bitowe, w drugiej kolejności

Ocalałe wagi są następnie przechowywane na 3 bitach. Kolejność jest zamierzona i stanowi sedno tego połączenia: najpierw przycinanie, potem kwantyzacja. Nie ma sensu wydawać cennych trzech bitów na wagę, wiernie kodując ekspertów, których zaraz usuniesz. Przytnij rzadki ogon, a potem pozwól, by cały pozostały budżet poszedł do ekspertów, którzy faktycznie się odpalają.

Uczciwe zastrzeżenie

3BIT-REAP to najbardziej agresywny poziom, jaki wypuszczamy. Stosujemy go na największych fundamentach — MiniMax-M3, Kimi-K3, DeepSeek-V4-Pro, GLM-5.2, Nemotron3Ultra — bo to różnica między tym, że te modele są dostępne w rozsądnej cenie, a tym, że nie są dostępne wcale. Tam, gdzie fundament jest na tyle mały, że go nie potrzebuje, nie używamy go: modele W8A16 w katalogu chodzą na wagach 8-bitowych z aktywacjami 16-bitowymi, a W4A16-AUTOROUND-REAP plasuje się pośrodku, używając wyuczonego zaokrąglania AutoRound do odzyskania dokładności, którą naiwna kwantyzacja przez zaokrąglenie do najbliższego oddaje za darmo. Wybierz poziom pasujący do twojej tolerancji. Jeśli wyciągasz pola z dziesięciu tysięcy faktur, 3 bity to właściwy kompromis. Jeśli robisz jeden odczyt kryminalistyczny wysokiej stawki na pojedynczym obrazie, wydaj pieniądze na Kimi-K3.

05Co znaczy „brak warstwy odmów”, gdy wejściem jest obraz

Słowo „nieocenzurowany” bywa używane luźno, więc oto precyzyjna deklaracja: na tym endpoincie nie ma warstwy odmów ani filtrowania wyjścia. Żaden klasyfikator nie prześwietla twojego obrazu, zanim zobaczy go model. Żaden model polityki nie prześwietla tokenów w drodze na zewnątrz. To, co model wyprodukuje, jest tym, co otrzymasz.

W tekście efekt tego jest znany. W wizji jest inny co do rodzaju, bo to właśnie przy wejściach obrazowych komercyjne API multimodalne są najbardziej zachowawcze i najbardziej arbitralne. Charakterystyczne awarie wyglądają tak:

• Blankietowe odmowy tożsamościowe — odmowa opisania osób na fotografii w ogóle, łącznie z cechami wyraźnie widocznymi i całkowicie niegroźnymi, bo polityka nie odróżnia opisu od identyfikacji.
• Ucieczki od tematu — odmowa transkrypcji albo streszczenia dokumentu z powodu tego, o czym dokument jest, mimo że transkrypcja to zadanie mechaniczne.
• Medyczna i kryminalistyczna drażliwość — odmowa opisania obrazowania klinicznego, dokumentacji obrażeń albo zdjęć z wypadku, które profesjonalista potrzebuje mieć opisane.
• Fałszywe alarmy przy narzędziach bezpieczeństwa — odmowa odczytania zrzutu ekranu, bo widać na nim terminal, zrzut pakietów albo debugger.
• Cicha degradacja — najgorsza: nie odmowa, lecz asekurancka nie-odpowiedź, która przechodzi walidację twojego schematu i zatruwa zbiór danych, nigdy nie zgłaszając błędu.

Operacyjny problem z tą piątką nie polega na tym, że są niesprawiedliwe. Polega na tym, że są niemierzalne. Zła odpowiedź to punkt danych; można ją ocenić, wyłapać w ewaluacji i skorygować. Odmowa to dziura. W skali wsadowej 3% wskaźnik odmów rozłożony nielosowo po twoich wejściach — z konstrukcji skoncentrowany dokładnie na przypadkach trudnych i nietypowych — jest systematycznym obciążeniem wyników, którego żadne późniejsze czyszczenie nie odwróci. Usunięcie warstwy odmów usuwa źródło cichych, skorelowanych braków w danych.

Shannon jest prowadzony przez Shannon Lab LLC, Nowy Meksyk, USA, zgodnie z naszą Polityką Odpowiedzialnego Korzystania. Nieocenzurowany znaczy, że model nie komentuje moralnie twoich wejść; nie znaczy, że konto nie ma regulaminu.

06Pełna specyfikacja

Pole	MiniMax-M3 · 3BIT-REAP
Id modelu	MiniMax-M3-3BIT-REAP
Fundament	MiniMax-M3 (MiniMax AI)
Okno kontekstu	262,144 tokeny
Maks. wyjście	16,384 tokeny
Wejście obrazowe	Tak
Wejście wideo	Nieudostępniane
Streaming	Tak
Wywoływanie narzędzi	Tak
Rozumowanie	Tak (reasoning_effort)
Wyjście strukturalne	json_schema + response_format
Warstwa odmów	Brak
Endpointy	/v1/chat/completions · /v1/messages · /v1/responses
Serwowany na	własnym klastrze GPU Shannon

Dwa wiersze w tej tabeli zasługują na podkreślenie. Wejście wideo nie jest udostępniane. Źródłowy fundament M3 był trenowany na wideo, a MiniMax dokumentuje wejście wideo; nasz endpoint przyjmuje obrazy. Buduj pod obrazy. Po drugie, okno 262,144 tokenów jest nasze, a nie źródłową liczbą miliona — planuj obciążenia z długimi dokumentami i wieloma obrazami pod 262,144, a nigdy się nie zdziwisz.

07Wywoływanie nieocenzurowanego API MiniMax

Trzy dialekty, ten sam model za każdym z nich, streaming we wszystkich trzech. Użyj tego, którym twój obecny klient już mówi; nie ma między nimi różnicy w możliwościach. Skieruj bazowy URL na Shannon i zmień id modelu.

Rozumienie obrazów przez dialekt 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
  }'

W części image_url działają zarówno zdalne adresy https://, jak i adresy data URL w base64. Dołącz kilka części obrazowych w jednej wiadomości, gdy potrzebujesz porównania między stronami — masz do wydania 262,144 tokeny, a przy $0.50 za milion wydawanie ich jest tanie.

Typowana ekstrakcja z JSON Schema

Ten model zarabia na swoje miejsce w potoku połączeniem wizji + ścisłego schematu + ceny podłogowej. Nie każdy model w naszym katalogu ma wszystkie trzy: Laguna-S-2.1 i inkling nie obsługują json_schema. MiniMax-M3 obsługuje, co znaczy, że możesz wyciągnąć z obrazu zwalidowany obiekt bez warstwy parsującej:

{
  "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
      }
    }
  }
}

Wysiłek rozumowania

Model udostępnia reasoning_effort. Przy masowej klasyfikacji obrazów trzymaj go nisko — zadajesz pytanie percepcyjne, a tokeny rozumowania są tokenami wyjścia, za które płacisz. Podnieś go dla wywołań, w których obraz jest dowodem w dłuższym wywodzie: czytanie diagramu w zestawieniu ze specyfikacją, uzgadnianie wykresu z tabelą, decydowanie, czy dwa zrzuty ekranu pokazują tę samą usterkę.

Pełne odniesienie do parametrów, semantyka błędów i formaty streamingu dla wszystkich trzech dialektów znajdują się w dokumentacji API Shannon.

08Kiedy MiniMax-M3 jest właściwym wyborem — a kiedy nie

Sięgnij po niego, gdy

• Praca obrazowa na wolumenie. Etykietowanie zbiorów danych, badania nad moderacją, wzbogacanie katalogu, segregacja zrzutów ekranu, wsadowe OCR-i-struktura na zeskanowanych dokumentach. Cena podłogowa to cały argument.
• Obrazy w typowane rekordy. Wizja plus ścisły json_schema plus najtańsze tokeny w katalogu to połączenie, które oferują tu tylko dwa modele.
• Długi kontekst multimodalny. Wiele stron albo wiele klatek w jednym żądaniu — architektura pod spodem jest zbudowana dokładnie pod ten kształt wejścia.
• Badania, w których odmowy psują próbę. Każde badanie, którego rzetelność zależy od tego, że model odpowie na każdą pozycję, także tę niewygodną.
• Pętle agentowe czytające ekran. Rodowód serii M jest jawnie agentowy, a wywoływanie narzędzi jest dostępne.

Sięgnij po coś innego, gdy

• Potrzebujesz najwyższego sufitu wizyjnego, a budżet istnieje. Kimi-K3 · 3BIT-REAP jest 7.7× droższy na wejściu nie bez powodu; przy jednym odczycie o wysokiej stawce to właściwe pieniądze do wydania.
• Potrzebujesz wag o maksymalnej wierności. 3 bity to nasz najbardziej agresywny poziom. Modele W8A16 wymieniają cenę na precyzję, a MiMo-V2.5 · W8A16 ma wizję w tej samej cenie $0.50 / $2.00, jeśli to wierność na wagę optymalizujesz.
• Potrzebujesz wideo. Nie udostępniamy wejścia wideo na tym endpoincie.
• Zadanie to czysty tekst na poziomie czołówki. Do tego istnieje DeepSeek-V4-Pro-0813; inaczej płaciłbyś za wieżę wizyjną, z której nigdy nie skorzystasz.

Dane o architekturze, benchmarkach i przyspieszeniach dla rodziny MiniMax są raportowane przez laboratorium MiniMax AI; liczby dotyczące REAP są raportowane przez autorów REAP na ich własnych modelach i nie są pomiarem tej kompilacji. Ceny Shannon, okno kontekstu i flagi możliwości są nasze i odczytane z naszego działającego katalogu modeli.

09Najczęściej zadawane pytania

---

Źródła: karta modelu 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. Wyniki benchmarkowe i przyspieszenia MiniMax są raportowane przez laboratorium i mają charakter wstępny do czasu niezależnej weryfikacji. Ceny Shannon i flagi możliwości są aktualne na dzień 5 września 2026.