Necenzurované MiniMax API: videnie za spodnú cenu

Takmer každé hostované multimodálne API predáva videnie ako prémiu. Za text platíte sadzbu textového modelu a potom platíte viac — občas niekoľkonásobne viac — v okamihu, keď do promptu vstúpi obrázok. Navrch práve pri obrazových vstupoch býva odmietavé správanie najagresívnejšie: model, ktorý tému v texte ochotne rozoberie, odmietne opísať to isté na fotografii. Výsledkom je produkt, ktorý je za volanie drahý aj nespoľahlivý, čo je pri spracovaní objemu to najhoršie z oboch svetov. MiniMax-M3 na Shannone je naša odpoveď: tých istých 0,50 $ / 2,00 $, ktoré platíte za náš najlacnejší textový model, aplikovaných na základ trénovaný multimodálne od prvého kroku, bez vrstvy odmietania pred ním.

01Čo tu vlastne znamená „najlacnejší necenzurovaný model s videním“

Katalóg Shannonu tvorí dvanásť modelov. Päť z nich prijíma obrázky. Ich ceny za milión tokenov:

Model s videním	Vstup	Výstup	Štruktúrovaný výstup
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	len response_format
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	json_schema + response_format

MiniMax-M3 sedí na spodku — 0,50 $ / 2,00 $ — na rovnakej úrovni s MiMo-V2.5 a s ničím pod sebou, pretože 0,50 $ / 2,00 $ je spodná hranica nášho cenníka. Oproti hornému koncu rozsahu s videním je 7,7-krát lacnejší na vstupe a 9,6-krát lacnejší na výstupe než Kimi-K3.

Preložme to do záťaže. Predpokladajme, že triedite 1 000 obrázkov — snímky obrazovky, naskenované strany, fotografie produktov — pri zhruba 1 200 tokenoch obrázka a promptu na vstupe a 300 tokenoch odpovede na výstupe:

Cenníkové ceny Shannonu, september 2026. Počty tokenov sú ilustratívne; tokenizácia vašich obrázkov závisí od rozlíšenia a od toho, koľko obrázkov na volanie priložíte.

Ešte dva referenčné body, ktoré sa oplatí držať v hlave. Jednorazové naplnenie celého kontextu 262 144 tokenov stojí asi 13 centov. Odpoveď maximálnej dĺžky 16 384 tokenov stojí asi 3,3 centa. To sú skutočné hranice jedinej najhoršej požiadavky a sú dosť malé na to, aby zaujímavým obmedzením vizuálnej pipeline prestali byť peniaze a začala byť priepustnosť.

02Rodokmeň MiniMaxu: laboratórium, ktoré optimalizuje tokeny, nie titulky

MiniMax AI je šanghajské laboratórium, ktorého celá stopa v otvorených váhach točí okolo jedinej otázky: ako spraviť pozornosť dosť lacnou, aby dlhý kontext a multimodalita prestali byť luxusom? Každé vydanie v tejto línii je odpoveďou na túto otázku a odpovede na seba nadväzujú.

MiniMax-01 — Lightning Attention a videnie od začiatku

Séria MiniMax-01 (zverejnená ako arXiv 2501.08313) predstavila Lightning Attention, implementáciu variantu lineárnej pozornosti s ohľadom na I/O, vnútri hybridného modelu Mixture-of-Experts so 456 miliardami celkových parametrov a 45,9 miliardami aktívnych na token. Séria vyšla v páre: MiniMax-Text-01 a MiniMax-VL-01, vizuálny model. VL-01 použil dnes už známy stoh ViT-MLP-LLM, ale s Vision Transformerom s 303 miliónmi parametrov trénovaným od nuly na 694 miliónoch párov obrázok–popis, nie s požičaným enkodérom, ktorý sa potom zarovnal a spoločne doladil vo viacstupňovej pipeline spracúvajúcej 512 miliárd tokenov.

Tento detail je pre článok, ktorý čítate, podstatný. Videnie v tejto línii nie je neskorý adaptér priskrutkovaný k textovému modelu, aby sa odškrtla položka. MiniMax trénuje vlastnú vizuálnu vežu od svojho prvého otvoreného vydania, a práve preto sú porozumenie dokumentom, čítanie používateľských rozhraní a snímok obrazovky či čítanie grafov trvalými silnými stránkami tejto rodiny, nie dodatočnými nápadmi.

MiniMax-M1 — hybridná pozornosť pre dlhé uvažovanie

MiniMax-M1 (arXiv 2506.13585) opísali jeho autori ako prvý veľký model na uvažovanie s otvorenými váhami a hybridnou pozornosťou. Ponechal telo MoE 456B / 45,9B a preložil oba typy pozornosti: klasický blok softmaxovej pozornosti po každých siedmich blokoch Lightning Attention. Výnos sa meral vo výpočte, nie v pozícii v rebríčku — MiniMax uviedol, že pri generovaní dĺžky 100K tokenov spotreboval M1 zhruba 25 % FLOPov modelu DeepSeek R1, pričom natívne podporoval kontext s miliónom tokenov.

MiniMax-M2 — obrat k malým aktiváciám

MiniMax-M2 šiel vo veľkosti opačným smerom a získal si tým pozornosť: 62-vrstvový dekodér s 229,9 miliardami celkových parametrov, ale len ~9,8 miliardami aktívnych na token, so 256 jemne zrnitými expertmi na MoE vrstvu a sigmoidovým smerovaním k ôsmim z nich, s pozíciami RoPE a QK-RMSNorm pre stabilitu tréningu. Bol výslovne modelom na agentské programovanie — úpravy cez viac súborov, cykly spusti–oprav, opravy overené testami — a zaviedol formát preloženého myslenia, kde sa uvažovanie prenáša medzi kolami volania nástrojov namiesto toho, aby sa po každom kole zahodilo. M2 je model, ktorý MiniMaxu vybudoval povesť dodávateľa agentského správania na hranici špičky za zlomok ceny za token, čisto tým, že drží aktivácie drobné.

MiniMax-M3 — základ pod týmto koncovým bodom

MiniMax-M3 vyšiel 1. júna 2026, s váhami na Hugging Face krátko nato a technickou správou na arXiv 2606.13392. Je to model typu Mixture-of-Experts so 428 miliardami parametrov, z ktorých je zhruba 23 miliárd aktívnych na token, s dokumentovaným kontextom jedného milióna tokenov a natívnym obrazovým aj video vstupom — MiniMax ho opisuje ako trénovaný v zmiešaných modalitách „od úplne prvého kroku“, nie ako textovo predtrénovaný a až potom multimodálne prispôsobený. Podľa vlastných zverejnených čísel MiniMaxu skóruje 80,5 % na SWE-bench Verified a 59,0 % na SWE-bench Pro. Sú to čísla od výrobcu na programátorskom benchmarku, a presne tak by ste ich mali vážiť; uvádzame ich preto, že sú to zverejnené tvrdenia laboratória, nie preto, že by sme ich nezávisle zreprodukovali.

03MiniMax Sparse Attention: prečo môže byť model s videním takto lacný

Zaujímavým inžinierstvom v M3 je MiniMax Sparse Attention (MSA) a je priamym dôvodom, prečo môže multimodálny model tejto veľkosti sedieť na našej spodnej cene. Obrázky sú tokenovo drahé. Hŕstka strán vo vysokom rozlíšení dokáže dostať do promptu desaťtisíce tokenov skôr, než napíšete jedinú inštrukciu. Pri štandardnej pozornosti sa táto cena skladá kvadraticky a model, ktorý číta dvadsať strán, nie je dvakrát drahší než ten, čo číta desať — je oveľa horší než dvakrát.

MSA mení tvar tejto krivky. Je to blokovo riedky mechanizmus postavený na kostre Grouped Query Attention, rozdelený do dvoch vetiev:

• Ľahká indexová vetva, ktorá hodnotí bloky kľúč–hodnota — maximálnym združovaním skóre cez tokeny v každom bloku — a vyberá top-k na pozíciu dotazu a na GQA skupinu, pričom vždy zahŕňa lokálny blok obsahujúci samotný dotaz kvôli stabilite tréningu.
• Hlavná vetva, ktorá spúšťa obyčajnú softmaxovú pozornosť len nad blokmi, ktoré index vybral.

Konfigurácia v práci o MSA je k = 16 blokov po 128 tokenoch, čo dáva každému dotazu pevný rozpočet 2 048 tokenov, ktorým sa venuje. Pevný znamená, že s dĺžkou sekvencie nerastie. To je celý trik: keď kontext rastie, cena pozornosti hustej referencie stále stúpa, kým cena hlavnej vetvy MSA zostáva plochá, takže pozornosť škáluje lineárne namiesto kvadraticky.

Údaje zo správy o MiniMax Sparse Attention (arXiv 2606.13392): 28,4-násobné zníženie FLOPov pozornosti na token oproti rovnako nakonfigurovanému GQA pri kontexte 1M a 14,2-násobné zrýchlenie prefillu / 7,6-násobné zrýchlenie dekódovania v reálnom čase, namerané na hardvéri H800 v štúdii práce s modelom so 109 miliardami parametrov. MiniMax samostatne uvádza 9-násobné zrýchlenie prefillu a 15-násobné zrýchlenie dekódovania pre M3 oproti M2 pri kontexte 1M. Všetko sú čísla od laboratória.

Práca robí aj kontrolu, na ktorej pri článku o videní záleží: na natívne multimodálnom MoE so 109 miliardami parametrov si MSA udržala výkon porovnateľný s referenciou s plnou pozornosťou naprieč obrazovými benchmarkmi vrátane AI2D, ChartQA a MMMU aj naprieč video benchmarkmi vrátane EgoSchema, LongVideoBench a VideoMME — pričom riedke varianty sa na video úlohách s dlhším kontextom miestami dokonca zlepšili. Riedkosť tu nie je daň na kvalite, ktorú platíte za rýchlosť; na dlhých vstupoch pôsobí zhruba zadarmo.

Prečo by vás to ako zákazníka malo zaujímať: cenníkovú cenu určuje cena servírovania. Základ, ktorého cena pozornosti prestane rásť, je základ, ktorý si môžete dovoliť namieriť na stotisíc obrázkov. To je mechanizmus za „najlacnejším necenzurovaným modelom s videním“ — nie je to akciová sadzba, je to architektúra.

04Čo znamená 3BIT-REAP a kde vás to stojí

Model so 428 miliardami parametrov sa v plnej presnosti nezmestí nikam pohodlne. Náš build MiniMax-M3 nesie príponu 3BIT-REAP, ktorá opisuje dve samostatné operácie aplikované v určitom poradí.

REAP: expertov vymažte skôr, než ich skomprimujete

REAP — Router-weighted Expert Activation Pruning — je jednorazová metóda kompresie MoE z Cerebras a University of Calgary, zverejnená ako arXiv 2510.13999 a prijatá na ICLR 2026. Jej argument znie, že pri generatívnych úlohách prerezávanie expertov poráža ich zlučovanie: zlučovanie ničí jemnú kontrolu smerovača a zanáša chybu, ktorú už nikdy nezískate späť. REAP preto hodnotí každého experta kritériom výraznosti kombinujúcim hodnoty brány smerovača (ako často a ako silno ho smerovač vyberá) a normy aktivácií experta (koľko jeho výstup naozaj prispieva) a potom najmenej výrazných expertov rovno vymaže.

Autori uvádzajú odstránenie až 50 % expertov z modelov veľkých ako bilión parametrov pri prevažne zachovanej východiskovej kvalite — na Qwen3-480B-Coder-FP8 pri 50 % prerezaní sa zachovalo 97,6 % východiskovej neagentskej schopnosti programovať a 96,7 % na agentskom SWE-Bench. To sú čísla z tej práce na jej vlastných modeloch, nie naše na MiniMax-M3; uvádzame ich, aby ste mohli posúdiť metódu, nie aby sme naznačovali rovnaké meranie tu.

3-bitové váhy až druhé

Prežívajúce váhy sa potom ukladajú v troch bitoch. Poradie je zámerné a je pointou celej kombinácie: najprv prerezať, potom kvantizovať. Nemá zmysel míňať vzácne tri bity na váhu na verné zakódovanie expertov, ktorých sa chystáte vymazať. Prerežte riedky chvost a nechajte zvyšný rozpočet padnúť celý na expertov, ktorí sa naozaj zapaľujú.

Poctivá výhrada

3BIT-REAP je najagresívnejšia úroveň, akú dodávame. Používame ju na najväčších základoch — MiniMax-M3, Kimi-K3, DeepSeek-V4-Pro, GLM-5.2, Nemotron3Ultra — pretože je rozdielom medzi tým, či sú tieto modely dostupné za rozumnú cenu, a tým, či sú dostupné vôbec. Tam, kde je základ dosť malý na to, aby ju nepotreboval, ju nepoužívame: modely W8A16 v katalógu bežia s 8-bitovými váhami a 16-bitovými aktiváciami a W4A16-AUTOROUND-REAP leží medzi tým, pričom naučeným zaokrúhľovaním AutoRound získava späť presnosť, ktorú naivná kvantizácia na najbližšiu hodnotu stráca. Vyberte si úroveň, ktorá zodpovedá vašej tolerancii. Ak vyťahujete polia z desaťtisíc faktúr, tri bity sú správny kompromis. Ak robíte jediné forenzné čítanie jedného obrázka s vysokou stávkou, minte peniaze na Kimi-K3.

05Čo znamená „žiadna vrstva odmietania“, keď je vstupom obrázok

Necenzurované je slovo, ktoré sa používa voľne, takže tu je presné tvrdenie: na tomto koncovom bode neexistuje žiadna vrstva odmietania ani filtrovanie výstupu. Žiadny klasifikátor neskúma váš obrázok skôr, než ho uvidí model. Žiadny politický model neskúma tokeny cestou von. To, čo model vyprodukuje, je to, čo dostanete.

V texte je ten účinok známy. Pri videní je iný svojou povahou, pretože práve pri obrazových vstupoch sú komerčné multimodálne API najkonzervatívnejšie a najsvojvoľnejšie. Charakteristické zlyhania vyzerajú takto:

• Plošné odmietnutia identity — odmietnutie opísať ľudí na fotografii vôbec, vrátane vlastností, ktoré sú zjavne viditeľné a úplne neškodné, pretože politika nevie odlíšiť opis od identifikácie.
• Únik pred témou — odmietnutie prepísať alebo zhrnúť dokument kvôli tomu, o čom dokument je, hoci prepis je mechanická úloha.
• Medicínska a forenzná háklivosť — odmietnutie opísať klinické zobrazenia, dokumentáciu poranení alebo fotografie z nehôd, ktoré profesionál potrebuje mať opísané.
• Falošné poplachy pri bezpečnostných nástrojoch — odmietnutie prečítať snímku obrazovky, pretože obsahuje terminál, zachytené pakety alebo debugger.
• Tichá degradácia — tá najhoršia: nie odmietnutie, ale vyhýbavá neodpoveď, ktorá prejde vašou validáciou schémy a otrávi vám dátovú sadu bez toho, aby kedy vyvolala chybu.

Prevádzkovým problémom všetkých piatich nie je to, že sú nespravodlivé. Je to, že sú nemerateľné. Nesprávna odpoveď je dátový bod; dá sa oskórovať, zachytiť pri vyhodnotení a korigovať. Odmietnutie je diera. Pri dávkovom rozsahu je 3 % miera odmietnutí rozložená nenáhodne naprieč vašimi vstupmi — sústredená, zo svojej podstaty, presne na ťažké a nezvyčajné prípady — systematickým skreslením vašich výsledkov, ktoré nezachráni žiadne dodatočné čistenie. Odstránenie vrstvy odmietania odstraňuje zdroj tichých, korelovaných chýbajúcich dát.

Shannon prevádzkuje Shannon Lab LLC, Nové Mexiko, USA, podľa našich Zásad zodpovedného používania. Necenzurované znamená, že model nekomentuje vaše vstupy; neznamená, že účet nemá podmienky.

06Úplná špecifikácia

Položka	MiniMax-M3 · 3BIT-REAP
Id modelu	MiniMax-M3-3BIT-REAP
Základ	MiniMax-M3 (MiniMax AI)
Kontextové okno	262 144 tokenov
Max. výstup	16 384 tokenov
Obrazový vstup	Áno
Video vstup	Nesprístupnený
Streamovanie	Áno
Volanie nástrojov	Áno
Uvažovanie	Áno (reasoning_effort)
Štruktúrovaný výstup	json_schema + response_format
Vrstva odmietania	Žiadna
Koncové body	/v1/chat/completions · /v1/messages · /v1/responses
Servírované na	vlastnom GPU klastri Shannonu

Dva riadky v tejto tabuľke si zaslúžia dôraz. Video vstup nie je sprístupnený. Základ M3 bol trénovaný aj na videu a MiniMax video vstup dokumentuje; náš koncový bod prijíma obrázky. Stavajte na obrázkoch. Po druhé, okno 262 144 tokenov je naše, nie ten milión zo základu — plánujte záťaže s dlhými dokumentmi a mnohými obrázkami voči 262 144 a nikdy vás to neprekvapí.

07Ako zavolať necenzurované MiniMax API

Tri dialekty, za všetkými ten istý model, streamovanie na všetkých troch. Použite ten, ktorým váš klient už hovorí; v schopnostiach medzi nimi rozdiel nie je. Namierte základnú URL na Shannon a zmeňte id modelu.

Rozpoznávanie obrázkov cez 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
  }'

V časti image_url fungujú vzdialené https:// URL aj base64 data URL. Ak potrebujete porovnanie cez strany, priložte do jednej správy niekoľko obrazových častí — máte 262 144 tokenov, ktoré môžete minúť, a pri 0,50 $ za milión je ich míňanie lacné.

Typovaná extrakcia s JSON schémou

Miesto v pipeline si tento model zaslúži kombináciou videnie + prísna schéma + spodná cena. Nie každý model v našom katalógu má všetky tri: Laguna-S-2.1 a inkling nepodporujú json_schema. MiniMax-M3 áno, čo znamená, že z obrázka dostanete overený objekt bez parsovacej vrstvy:

{
  "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
      }
    }
  }
}

Miera uvažovania

Model sprístupňuje reasoning_effort. Pri hromadnej klasifikácii obrázkov ho držte nízko — kladiete percepčnú otázku a tokeny uvažovania sú výstupné tokeny, ktoré platíte. Zvýšte ho pri volaniach, kde je obrázok dôkazom v dlhšej argumentácii: čítanie schémy oproti špecifikácii, zosúladenie grafu s tabuľkou, rozhodovanie, či dve snímky obrazovky ukazujú tú istú chybu.

Úplná referencia parametrov, sémantika chýb a formáty streamovania pre všetky tri dialekty žijú v dokumentácii API Shannonu.

08Kde je MiniMax-M3 správnou voľbou — a kde nie

Siahnite po ňom, keď

• Objemová práca s obrázkami. Označovanie dátových sád, výskum moderácie, obohacovanie katalógu, triedenie snímok obrazovky, dávkové OCR a štruktúrovanie naskenovaných dokumentov. Spodná cena je celý argument.
• Obrázky do typovaných záznamov. Videnie plus prísna json_schema plus najlacnejšie tokeny v katalógu je kombinácia, ktorú tu ponúkajú len dva modely.
• Dlhý multimodálny kontext. Veľa strán alebo veľa snímok v jednej požiadavke — architektúra pod tým je stavaná presne na tento tvar vstupu.
• Výskum, kde odmietnutia kazia vzorku. Akákoľvek štúdia, ktorej platnosť závisí od toho, že model odpovie na každú položku, aj na tie nepohodlné.
• Agentské slučky, ktoré čítajú obrazovku. Línia M je výslovne agentská a volanie nástrojov je k dispozícii.

Siahnite po niečom inom, keď

• Potrebujete najvyšší strop videnia a rozpočet máte. Kimi-K3 · 3BIT-REAP stojí na vstupe 7,7-krát viac z dobrého dôvodu; pri jedinom čítaní s vysokou stávkou sú to správne minuté peniaze.
• Potrebujete váhy s maximálnou vernosťou. Tri bity sú naša najagresívnejšia úroveň. Modely W8A16 vymieňajú cenu za presnosť a MiMo-V2.5 · W8A16 vidí za tých istých 0,50 $ / 2,00 $, ak optimalizujete vernosť na váhu.
• Potrebujete video. Video vstup na tomto koncovom bode nesprístupňujeme.
• Úloha je čistý text na hranici špičky. Na to existuje DeepSeek-V4-Pro-0813; inak by ste platili za vizuálnu vežu, ktorú nikdy nepoužijete.

Údaje o architektúre, benchmarkoch a zrýchleniach rodiny MiniMax uvádza laboratórium MiniMax AI; čísla o REAP uvádzajú autori REAP na vlastných modeloch a nie sú meraním tohto buildu. Ceny Shannonu, kontextové okno a príznaky schopností sú naše a čítajú sa z nášho živého katalógu modelov.

09Často kladené otázky

---

Zdroje: 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. Benchmarkové čísla a zrýchlenia MiniMaxu uvádza laboratórium a sú predbežné, kým ich nezávisle neoverí tretia strana. Ceny Shannonu a príznaky schopností sú platné k 5. septembru 2026.