Necenzuriran MiniMax API: slike po najnižji ceni

Skoraj vsak gostovani večmodalni API slike zaračuna kot prestiž. Za besedilo plačate po ceni besedilnega modela, nato pa plačate več — včasih večkratnik — v trenutku, ko v poziv vstopi slika. Povrh tega so slikovni vhodi točka, kjer je vedenje ob zavračanju najbolj agresivno: model, ki bo o temi z veseljem razpravljal v besedilu, bo isto stvar na fotografiji zavrnil opisati. Rezultat je izdelek, ki je na klic drag in na klic nezanesljiv, kar je pri obdelavi količin najslabše od obojega. MiniMax-M3 na Shannonu je naš odgovor na to: istih $0.50 / $2.00, kot jih plačate za naš najcenejši besedilni model, uporabljenih na temelju, ki je bil od prvega koraka učen večmodalno in pred katerim ne stoji noben sloj zavračanja.

01Kaj tu pravzaprav pomeni »najcenejši necenzurirani model za slike«

Katalog Shannon je dvanajst modelov. Pet jih sprejema slike. Njihove cene na milijon žetonov:

Model z razumevanjem slik	Vhod	Izhod	Strukturiran izhod
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	samo response_format
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	json_schema + response_format

MiniMax-M3 sedi na dnu — $0.50 / $2.00 — izenačen z MiMo-V2.5 in brez ničesar pod seboj, ker $0.50 / $2.00 je dno našega cenika. Proti vrhu razreda za slike je 7,7-krat cenejši na vhodu in 9,6-krat cenejši na izhodu od Kimi-K3.

Postavite to v delovno obremenitev. Recimo, da razvrščate 1.000 slik — zaslonskih posnetkov, skeniranih strani, fotografij izdelkov — s približno 1.200 žetoni slike in poziva na vhodu ter 300 žetoni odgovora na izhodu:

Cenik Shannon, september 2026. Števila žetonov so ponazoritvena; vaše žetoniziranje slik je odvisno od ločljivosti in števila slik na klic.

Še dve referenčni točki, ki ju je koristno imeti v glavi. Enkratno polnjenje celotnega konteksta 262,144 žetonov stane približno 13 centov. Odgovor največje dolžine s 16,384 žetoni stane približno 3,3 centa. To sta dejanski meji ene same najslabše zahteve in dovolj majhni sta, da zanimiva omejitev slikovnega cevovoda neha biti denar in postane prepustnost.

02Rodovnica MiniMax: laboratorij, ki optimizira žetone, ne naslovnic

MiniMax AI je šanghajski laboratorij, čigar celotna zgodovina odprtih uteži se vrti okoli enega vprašanja: kako narediti pozornost dovolj poceni, da dolg kontekst in večmodalnost nehata biti razkošje? Vsaka izdaja v vrsti je odgovor na to vprašanje in odgovori se nadgrajujejo.

MiniMax-01 — Lightning Attention in slike od začetka

Serija MiniMax-01 (objavljena kot arXiv 2501.08313) je uvedla Lightning Attention, izvedbo različice linearne pozornosti, zavedajoče se V/I, znotraj hibridnega modela Mixture-of-Experts s 456B skupnimi parametri in 45,9B aktivnimi na žeton. Serija je prišla v paru: MiniMax-Text-01 in MiniMax-VL-01, model za slike. VL-01 je uporabil zdaj že znani sklad ViT-MLP-LLM, a s Vision Transformerjem s 303 milijoni parametrov, učenim od začetka na 694 milijonih parov slika-opis, namesto izposojenega kodirnika, nato pa poravnanim in skupno dodelanim v večstopenjskem cevovodu, ki je obdelal 512 milijard žetonov.

Ta podrobnost šteje za članek, ki ga berete. Slike v tej rodovnici niso pozen prilagojevalnik, privit na besedilni model, da se odkljuka polje. MiniMax uči svoj lastni vidni stolp že od prve odprte izdaje, in prav zato so razumevanje dokumentov, branje uporabniških vmesnikov in zaslonskih posnetkov ter branje grafov dosledne moči te družine, ne pa naknadne domislice.

MiniMax-M1 — hibridna pozornost za dolgo sklepanje

MiniMax-M1 (arXiv 2506.13585) so avtorji opisali kot prvi obsežni model sklepanja s hibridno pozornostjo in odprtimi utežmi. Ohranil je telo MoE 456B / 45,9B in prepletel obe vrsti pozornosti: običajen transformerski blok s softmax pozornostjo po vsakih sedmih blokih Lightning Attention. Dobiček se je meril v računanju, ne v uvrstitvi na lestvici — MiniMax je poročal, da je M1 pri dolžini generiranja 100K žetonov porabil približno 25 % operacij FLOP v primerjavi z DeepSeek R1, ob izvorni podpori za kontekst milijona žetonov.

MiniMax-M2 — obrat k majhni aktivaciji

MiniMax-M2 je pri velikosti ubral nasprotno smer in si s tem prislužil pozornost: 62-plastni dekodirnik z 229,9B skupnimi parametri, a le ~9,8B aktivnimi na žeton, s 256 drobnozrnatimi strokovnjaki na plast MoE in sigmoidnim usmerjanjem k osmim, s položaji RoPE in QK-RMSNorm za stabilnost učenja. Bil je izrecno model za agentno programiranje — urejanje več datotek, zanke zaženi-popravi, popravki, potrjeni s testi — in uvedel je obliko prepletenega razmišljanja, pri kateri se sklepanje prenaša med krogi klicev orodij, namesto da bi se po vsakem obratu zavrglo. M2 je model, ki je MiniMaxu utemeljil sloves, da za delček stroška na žeton dostavi agentno vedenje blizu prednje črte, in to zgolj z majhnimi aktivacijami.

MiniMax-M3 — temelj pod to končno točko

MiniMax-M3 je izšel 1. junija 2026, uteži so kmalu zatem prišle na Hugging Face, tehnično poročilo pa je arXiv 2606.13392. Gre za model Mixture-of-Experts z 428B parametri in približno 23B aktivnimi na žeton, z dokumentiranim kontekstom milijona žetonov in izvornim slikovnim in videovhodom — MiniMax ga opisuje kot učenega z mešanimi modalnostmi »že od prvega koraka«, ne pa najprej besedilno predučenega in nato večmodalno prilagojenega. Po MiniMaxovih lastnih objavljenih številkah doseže 80,5 % na SWE-bench Verified in 59,0 % na SWE-bench Pro. To so ponudnikove številke na meritvi programiranja, kar je natanko teža, ki jim gre; navajamo jih, ker so laboratorijeve objavljene trditve, ne ker bi jih neodvisno ponovili.

03MiniMax Sparse Attention: zakaj je model za slike lahko tako poceni

Zanimivo inženirstvo v M3 je MiniMax Sparse Attention (MSA) in je neposreden razlog, da lahko večmodalni model te velikosti sedi na dnu našega cenika. Slike so žetonsko drage. Peščica strani visoke ločljivosti lahko v poziv vloži desettisoče žetonov, še preden napišete eno samo navodilo. Pri standardni pozornosti se ta strošek množi kvadratno, in model, ki prebere dvajset strani, ni dvakrat dražji od tistega, ki prebere deset — je precej slabše kot dvakrat.

MSA spremeni obliko te krivulje. Gre za bločno redek mehanizem, zgrajen na hrbtenici Grouped Query Attention, razdeljen na dve veji:

• Lahka indeksna veja, ki oceni bloke ključ-vrednost — z združevanjem po največji vrednosti čez žetone znotraj vsakega bloka — in izbere najboljših k na položaj poizvedbe in na skupino GQA, pri čemer zaradi stabilnosti učenja vedno vključi lokalni blok, ki vsebuje samo poizvedbo.
• Glavna veja, ki navadno softmax pozornost izvede samo čez bloke, ki jih je izbral indeks.

Nastavitev v članku o MSA je k = 16 blokov po 128 žetonov, kar vsaki poizvedbi da stalni proračun 2.048 obiskanih žetonov. Stalen pomeni, da ne raste z dolžino zaporedja. To je celotni trik: ko kontekst raste, strošek pozornosti pri gosti osnovi vztrajno pleza, strošek glavne veje MSA pa ostaja raven, tako da se pozornost razteza linearno namesto kvadratno.

Številke iz poročila o MiniMax Sparse Attention (arXiv 2606.13392): 28,4-kratno zmanjšanje operacij FLOP pozornosti na žeton v primerjavi z enakovredno nastavljenim GQA pri kontekstu 1M ter 14,2-kratna pospešitev polnjenja in 7,6-kratna pospešitev dekodiranja po uri, izmerjeni na strojni opremi H800 v študiji članka z modelom s 109B parametri. MiniMax ločeno poroča o 9-kratni pospešitvi polnjenja in 15-kratni pospešitvi dekodiranja pri M3 v primerjavi z M2 pri kontekstu 1M. Vse poroča laboratorij.

Članek opravi tudi preverbo, ki za članek o slikah šteje: na izvorno večmodalnem MoE s 109B parametri je MSA ohranil zmogljivost, primerljivo z osnovo s polno pozornostjo, čez slikovne meritve, med njimi AI2D, ChartQA in MMMU, ter čez videomeritve, med njimi EgoSchema, LongVideoBench in VideoMME — pri čemer so redke različice pri videonalogah z daljšim kontekstom rezultat včasih celo izboljšale. Redkost tu ni davek na kakovost, ki ga plačate za hitrost; pri dolgih vhodih je videti tako rekoč zastonj.

Zakaj naj vas to kot stranko zanima: strežni strošek določa ceno na ceniku. Temelj, čigar strošek pozornosti neha rasti, je temelj, ki si ga lahko privoščite usmeriti na sto tisoč slik. To je mehanizem za »najcenejšim necenzuriranim modelom za slike« — ni promocijska cena, je arhitektura.

04Kaj pomeni 3BIT-REAP in kje vas to stane

Model s 428 milijardami parametrov pri polni natančnosti nikamor priročno ne gre. Naša izvedba MiniMax-M3 nosi pripono 3BIT-REAP, ki opisuje dve ločeni operaciji, uporabljeni v določenem vrstnem redu.

REAP: strokovnjake izbrišite, preden jih stisnete

REAP — Router-weighted Expert Activation Pruning — je enkoračna metoda stiskanja MoE iz Cerebras in Univerze v Calgaryju, objavljena kot arXiv 2510.13999 in sprejeta na ICLR 2026. Njen argument je, da je pri generativnih nalogah obrezovanje strokovnjakov boljše od njihovega zlivanja: zlivanje uniči drobnozrnati nadzor usmerjevalnika in vnese napako, ki je nikoli ne povrnete. REAP zato vsakega strokovnjaka oceni po merilu izstopanja, ki združi vrednosti vrat usmerjevalnika (kako pogosto in kako močno ga izbere) in norme aktivacije strokovnjaka (koliko njegov izhod dejansko prispeva), nato pa najmanj izstopajoče trajno izbriše.

Avtorji poročajo o odstranitvi do 50 % strokovnjakov pri modelih velikosti do enega bilijona parametrov ob večinoma ohranjeni izhodiščni kakovosti — pri Qwen3-480B-Coder-FP8 z 50-odstotnim obrezovanjem je bilo ohranjenih 97,6 % izhodiščne neagentne sposobnosti programiranja in 96,7 % na agentnem SWE-Bench. To so številke članka na modelih članka, ne naše na MiniMax-M3; navajamo jih, da lahko presodite metodo, ne pa da bi nakazovali enakovredno meritev tukaj.

3-bitne uteži, drugič

Preživele uteži so nato shranjene pri 3 bitih. Vrstni red je nameren in je bistvo kombinacije: najprej obrezati, nato kvantizirati. Nesmiselno je dragocene tri bite na utež porabljati za zvesto kodiranje strokovnjakov, ki jih boste izbrisali. Obrežite redek rep, nato pa naj preostali proračun v celoti pripade strokovnjakom, ki se dejansko sprožijo.

Pošteno opozorilo

3BIT-REAP je najagresivnejša stopnja, ki jo ponujamo. Uporabljamo jo na največjih temeljih — MiniMax-M3, Kimi-K3, DeepSeek-V4-Pro, GLM-5.2, Nemotron3Ultra — ker je razlika med tem, da so ti modeli na voljo po razumni ceni, in tem, da jih sploh ni. Kjer je temelj dovolj majhen, da je ne potrebuje, je ne uporabljamo: modeli W8A16 v katalogu tečejo z 8-bitnimi utežmi in 16-bitnimi aktivacijami, W4A16-AUTOROUND-REAP pa je vmes in z naučenim zaokroževanjem AutoRound povrne natančnost, ki jo naivno zaokroževanje na najbližjo vrednost izgubi. Izberite stopnjo, ki ustreza vaši toleranci. Če iz deset tisoč računov luščite polja, so 3 biti pravilna menjava. Če opravljate eno samo forenzično branje ene slike z visokimi vložki, denar porabite za Kimi-K3.

05Kaj pomeni »brez sloja zavračanja«, ko je vhod slika

Necenzuriran je beseda, ki se rabi ohlapno, zato je tu natančna trditev: na tej končni točki ni sloja zavračanja in ni filtriranja izhoda. Noben razvrščevalnik ne pregleda vaše slike, preden jo vidi model. Noben politični model ne pregleda žetonov na poti ven. Kar model ustvari, to prejmete.

V besedilu je učinek tega znan. Pri slikah je drugačen po vrsti, ker so slikovni vhodi točka, kjer so komercialni večmodalni API najbolj konservativni in najbolj samovoljni. Značilne odpovedi so videti takole:

• Pavšalna zavračanja identitete — model ljudi na fotografiji sploh noče opisati, tudi lastnosti, ki so očitno vidne in povsem nedolžne, ker politika ne zna ločiti opisa od prepoznave.
• Umik zaradi teme — zavrne prepis ali povzetek dokumenta zaradi tega, o čem dokument govori, čeprav je prepis mehansko opravilo.
• Zdravstvena in forenzična preobčutljivost — noče opisati kliničnih posnetkov, dokumentacije poškodb ali fotografij nesreč, ki jih strokovnjak potrebuje opisane.
• Lažni pozitivi pri varnostnih orodjih — zavrne branje zaslonskega posnetka, ker vsebuje terminal, zajem paketov ali razhroščevalnik.
• Tiho poslabšanje — najhujše: ne zavrnitev, ampak zavarovan neodgovor, ki prestane vašo preverbo sheme in zastrupi vašo podatkovno zbirko, ne da bi kdaj sprožil napako.

Delovna težava vseh petih ni v tem, da so nepošteni. Je v tem, da so nemerljivi. Napačen odgovor je podatkovna točka; lahko ga ocenite, ujamete v vrednotenju in popravite. Zavrnitev je luknja. Pri paketnem obsegu je 3-odstotni delež zavrnitev, nenaključno porazdeljen po vaših vhodih — po sami zasnovi zgoščen natanko na težkih in nenavadnih primerih — sistematska pristranskost v vaših rezultatih, ki je nobeno naknadno čiščenje ne povrne. Odstranitev sloja zavračanja odstrani vir tihih, koreliranih manjkajočih podatkov.

Shannon upravlja Shannon Lab LLC, Nova Mehika, ZDA, pod našo Politiko odgovorne uporabe. Necenzuriran pomeni, da model o vaših vhodih ne piše uvodnikov; ne pomeni, da račun nima pogojev.

06Celotna specifikacija

Polje	MiniMax-M3 · 3BIT-REAP
ID modela	MiniMax-M3-3BIT-REAP
Temelj	MiniMax-M3 (MiniMax AI)
Okno konteksta	262,144 žetonov
Največ izhoda	16,384 žetonov
Slikovni vhod	Da
Videovhod	Ni izpostavljen
Pretakanje	Da
Klicanje orodij	Da
Sklepanje	Da (reasoning_effort)
Strukturiran izhod	json_schema + response_format
Sloj zavračanja	Ga ni
Končne točke	/v1/chat/completions · /v1/messages · /v1/responses
Strežen na	Shannonovem lastnem grozdu GPU

Dve vrstici v tej razpredelnici si zaslužita poudarek. Videovhod ni izpostavljen. Izvorni temelj M3 je bil učen na videu in MiniMax videovhod dokumentira; naša končna točka sprejema slike. Gradite na slikah. Drugič, okno 262,144 žetonov je naše, ne izvorna številka enega milijona — dolge dokumente in obremenitve z več slikami načrtujte proti 262,144 in nikoli ne boste presenečeni.

07Klicanje necenzuriranega API MiniMax

Tri narečja, isti model za vsemi, pretakanje na vseh treh. Uporabite tisto, ki ga vaš obstoječi odjemalec že govori; med njimi ni razlike v zmožnostih. Osnovni URL usmerite na Shannon in zamenjajte ID modela.

Razumevanje slik prek narečja 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 delu image_url delujejo tako oddaljeni naslovi https:// kot podatkovni naslovi base64. Kadar potrebujete primerjavo čez strani, v eno sporočilo pripnite več slikovnih delov — na voljo imate 262,144 žetonov in pri $0.50 na milijon je njihova poraba poceni.

Tipizirano luščenje s shemo JSON

Kjer si ta model prisluži mesto v cevovodu, je kombinacija slike + stroga shema + najnižja cena. Vsi modeli v našem katalogu nimajo vseh treh: Laguna-S-2.1 in inkling ne podpirata json_schema. MiniMax-M3 ga podpira, kar pomeni, da iz slike dobite preverjen objekt brez razčlenjevalnega sloja:

{
  "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
      }
    }
  }
}

Napor sklepanja

Model izpostavlja reasoning_effort. Pri množičnem razvrščanju slik ga držite nizko — postavljate zaznavno vprašanje, žetoni sklepanja pa so izhodni žetoni, ki jih plačate. Zvišajte ga pri klicih, kjer je slika dokaz v daljšem argumentu: branje diagrama proti specifikaciji, usklajevanje grafa z razpredelnico, odločanje, ali dva zaslonska posnetka kažeta isto napako.

Popoln pregled parametrov, semantika napak in oblike pretakanja za vsa tri narečja živijo v dokumentaciji API Shannon.

08Kje je MiniMax-M3 prava izbira — in kje ni

Posezite po njem, kadar

• Slikovno delo v količini. Označevanje podatkovnih zbirk, raziskave moderiranja, bogatenje katalogov, razvrščanje zaslonskih posnetkov, paketni OCR in strukturiranje skeniranih dokumentov. Najnižja cena je celoten argument.
• Slike v tipizirane zapise. Slike plus strogi json_schema plus najcenejši žetoni v katalogu so kombinacija, ki jo tu ponujata le dva modela.
• Dolg večmodalni kontekst. Veliko strani ali veliko sličic v eni zahtevi — arhitektura spodaj je zgrajena natanko za takšno obliko vhoda.
• Raziskave, pri katerih zavrnitve pokvarijo vzorec. Vsaka študija, katere veljavnost je odvisna od tega, da model odgovori na vsako postavko, tudi na neprijetne.
• Agentne zanke, ki berejo zaslon. Rodovnica serije M je izrecno agentna, klicanje orodij pa je na voljo.

Posezite po čem drugem, kadar

• Potrebujete najvišji vrh pri slikah in proračun obstaja. Kimi-K3 · 3BIT-REAP ima 7,7-kratno vhodno ceno z razlogom; pri enem branju z visokimi vložki je to pravi denar za porabo.
• Potrebujete uteži najvišje zvestobe. 3 biti so naša najagresivnejša stopnja. Modeli W8A16 menjajo ceno za natančnost, MiMo-V2.5 · W8A16 pa razume slike pri istih $0.50 / $2.00, če optimizirate zvestobo na utež.
• Potrebujete video. Na tej končni točki videovhoda ne izpostavljamo.
• Naloga je čisto besedilo na prednji črti. Za to obstaja DeepSeek-V4-Pro-0813; sicer bi plačevali vidni stolp, ki ga nikoli ne uporabite.

Številke o arhitekturi, meritvah in pospešitvah za družino MiniMax poroča laboratorij MiniMax AI; številke o REAP poročajo avtorji REAP na svojih modelih in niso meritev te izvedbe. Cene, okno konteksta in zastavice zmožnosti pri Shannonu so naše in se berejo iz našega živega kataloga modelov.

09Pogosta vprašanja

---

Viri: kartica modela 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. Številke o meritvah in pospešitvah pri MiniMaxu poroča laboratorij in so začasne do neodvisne potrditve. Cene in zastavice zmožnosti pri Shannonu veljajo na dan 5. septembra 2026.