MiniMax API bez cenzure: vizuelno razumevanje po najnižoj ceni

Skoro svaki hostovani multimodalni API naplaćuje vid kao premijum. Plaćate cenu tekstualnog modela za tekst, a onda plaćate više — ponekad višestruko više — čim slika uđe u prompt. Povrh toga, ulazi u vidu slike su mesto gde je ponašanje odbijanja najagresivnije: model koji će rado razgovarati o nekoj temi u tekstu odbiće da opiše istu stvar na fotografiji. Rezultat je proizvod koji je skup po pozivu i nepouzdan po pozivu, što je najgore od oba sveta kada obrađujete velike količine. MiniMax-M3 na Shannonu je naš odgovor na to: istih $0.50 / $2.00 koje plaćate za naš najjeftiniji tekstualni model, primenjeno na temelj koji je od prvog koraka treniran multimodalno, bez sloja odbijanja ispred njega.

01Šta ovde zapravo znači „najjeftiniji vizuelni model bez cenzure"

Shannonov katalog čini dvanaest modela. Pet njih prihvata slike. Njihove cene, po milionu tokena:

Model sa podrškom za sliku	Ulaz	Izlaz	Strukturirani izlaz
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 stoji na dnu — $0.50 / $2.00 — izjednačen sa MiMo-V2.5 i bez ičega ispod sebe, zato što $0.50 / $2.00 jeste dno našeg cenovnika. U odnosu na vrh vizuelnog opsega, 7,7× je jeftiniji na ulazu i 9,6× jeftiniji na izlazu od modela Kimi-K3.

Stavite to u realan posao. Recimo da trijažirate 1.000 slika — snimke ekrana, skenirane stranice, fotografije proizvoda — sa otprilike 1.200 tokena slike plus prompta na ulazu i 300 tokena odgovora na izlazu:

Shannonove cene sa cenovnika, septembar 2026. Broj tokena je ilustrativan; vaša tokenizacija slike zavisi od rezolucije i od toga koliko slika prilažete po pozivu.

Još dve referentne tačke koje je korisno držati u glavi. Jednokratno popunjavanje celog konteksta od 262.144 tokena košta oko 13 centi. Odgovor maksimalne dužine od 16.384 tokena košta oko 3,3 centa. To su stvarne granice jednog najgoreg mogućeg zahteva, i dovoljno su male da interesantno ograničenje vizuelnog protoka prestaje da bude novac i postaje propusnost.

02Loza MiniMax: laboratorija koja optimizuje tokene, a ne naslove

MiniMax AI je šangajska laboratorija čiji se ceo učinak sa otvorenim težinama vrti oko jednog pitanja: kako da pažnju učinite dovoljno jeftinom da dug kontekst i multimodalnost prestanu da budu luksuz? Svako izdanje u ovoj liniji je odgovor na to pitanje, a odgovori se nadograđuju jedan na drugi.

MiniMax-01 — Lightning Attention i vid od samog početka

Serija MiniMax-01 (objavljena kao arXiv 2501.08313) uvela je Lightning Attention, implementaciju linearne varijante pažnje svesnu ulaza/izlaza, unutar hibridnog modela mešavine eksperata sa 456 milijardi ukupnih parametara i 45,9 milijardi aktivnih po tokenu. Serija je izašla u paru: MiniMax-Text-01 i MiniMax-VL-01, vizuelni model. VL-01 je koristio danas već poznati ViT-MLP-LLM sklop, ali sa Vision Transformerom od 303 miliona parametara treniranim od nule na 694 miliona parova slika-opis umesto pozajmljenog enkodera, pa zatim poravnatim i zajednički fino podešenim kroz višefazni proces koji je obradio 512 milijardi tokena.

Taj detalj je bitan za članak koji čitate. Vid u ovoj lozi nije kasni adapter prikačen na tekstualni model da bi se štiklirala stavka. MiniMax trenira sopstvenu vizuelnu kulu još od svog prvog otvorenog izdanja, i zato su razumevanje dokumenata, čitanje korisničkih interfejsa i snimaka ekrana i tumačenje grafikona dosledne snage ove porodice, a ne naknadna misao.

MiniMax-M1 — hibridna pažnja za rezonovanje u dužini

MiniMax-M1 (arXiv 2506.13585) autori su opisali kao prvi veliki model za rezonovanje sa otvorenim težinama i hibridnom pažnjom. Zadržao je MoE telo od 456 milijardi / 45,9 milijardi i ispreplitao dva tipa pažnje: konvencionalni transformerski blok sa softmax pažnjom posle svakih sedam blokova Lightning Attention. Dobit je merena u računu, a ne u poziciji na rang-listi — MiniMax je izvestio da je pri dužini generisanja od 100K tokena M1 trošio otprilike 25% FLOPs-a u odnosu na DeepSeek R1, uz izvornu podršku za kontekst od milion tokena.

MiniMax-M2 — zaokret ka maloj aktivaciji

MiniMax-M2 je otišao u suprotnom smeru po veličini i time privukao pažnju: dekoder sa 62 sloja i 229,9 milijardi ukupnih parametara, ali samo ~9,8 milijardi aktivnih po tokenu, sa 256 finozrnastih eksperata po MoE sloju i sigmoidnim rutiranjem ka osam njih, RoPE pozicijama i QK-RMSNorm radi stabilnosti treniranja. Bio je eksplicitno agentski model za kod — izmene preko više fajlova, petlje pokreni-popravi, popravke potvrđene testovima — i uveo je format ispreplitanog razmišljanja, u kome se rezonovanje prenosi između rundi poziva alata umesto da se odbacuje posle svakog poteza. M2 je model koji je MiniMaxu izgradio reputaciju za agentsko ponašanje blisko frontijeru uz delić cene po tokenu, isključivo držanjem aktivacija sitnim.

MiniMax-M3 — temelj ispod ove krajnje tačke

MiniMax-M3 objavljen je 1. juna 2026, sa težinama na Hugging Face-u ubrzo zatim i tehničkim izveštajem na arXiv 2606.13392. To je model mešavine eksperata sa 428 milijardi parametara i otprilike 23 milijarde aktivnih po tokenu, dokumentovanim kontekstom od milion tokena i izvornim ulazom slike i videa — MiniMax ga opisuje kao treniran mešovito-modalno „od samog prvog koraka", umesto pretreniran na tekstu pa naknadno multimodalno prilagođen. Po MiniMaxovim sopstvenim objavljenim brojkama, postiže 80,5% na SWE-bench Verified i 59,0% na SWE-bench Pro. To su brojke koje prijavljuje sam proizvođač na benčmarku za kod, i upravo tako ih treba i vagati; navodimo ih jer su to objavljene tvrdnje laboratorije, a ne zato što smo ih nezavisno reprodukovali.

03MiniMax Sparse Attention: zašto vizuelni model može da bude ovako jeftin

Zanimljivo inženjerstvo u M3 jeste MiniMax Sparse Attention (MSA), i ono je direktan razlog zašto multimodalni model ove veličine može da stoji na našoj najnižoj ceni. Slike su skupe u tokenima. Šačica stranica visoke rezolucije može da ubaci desetine hiljada tokena u prompt pre nego što ste napisali i jedno uputstvo. Pod standardnom pažnjom taj trošak raste kvadratno, i model koji čita dvadeset stranica nije dvostruko skuplji od onog koji čita deset — mnogo je gori od dvostrukog.

MSA menja oblik te krive. To je blokovski retki mehanizam izgrađen na osnovi Grouped Query Attention, podeljen na dve grane:

• Laka indeksna grana koja ocenjuje blokove ključ-vrednost — max-pooling ocena preko tokena unutar svakog bloka — i bira najboljih k po poziciji upita i po GQA grupi, uvek uključujući lokalni blok koji sadrži sam upit radi stabilnosti treniranja.
• Glavna grana koja pokreće običnu softmax pažnju samo nad blokovima koje je indeks izabrao.

Konfiguracija u MSA radu je k = 16 blokova po 128 tokena, što svakom upitu daje fiksni budžet od 2.048 tokena nad kojima se obraća pažnja. Fiksni, u smislu da ne raste sa dužinom sekvence. To je ceo trik: kako kontekst raste, trošak pažnje guste osnove nastavlja da se penje, dok trošak glavne grane u MSA ostaje ravan, pa pažnja skalira linearno umesto kvadratno.

Brojke iz izveštaja o MiniMax Sparse Attention (arXiv 2606.13392): smanjenje FLOPs-a pažnje po tokenu od 28,4× u odnosu na ekvivalentno konfigurisan GQA na 1M konteksta, i ubrzanja u stvarnom vremenu od 14,2× za prefil i 7,6× za dekodiranje, izmerena na H800 hardveru u studiji sa 109 milijardi parametara iz tog rada. MiniMax odvojeno prijavljuje ubrzanja od 9× za prefil i 15× za dekodiranje za M3 u odnosu na M2 na 1M konteksta. Sve su to brojke koje prijavljuje laboratorija.

Rad radi i proveru koja je bitna za vizuelni članak: na izvorno multimodalnom MoE modelu od 109 milijardi parametara, MSA je zadržao učinak uporediv sa osnovom sa punom pažnjom na benčmarkovima za slike, uključujući AI2D, ChartQA i MMMU, i na benčmarkovima za video, uključujući EgoSchema, LongVideoBench i VideoMME — pri čemu su retke varijante ponekad poboljšavale rezultat na video zadacima sa dužim kontekstom. Retkost ovde nije porez na kvalitet koji plaćate za brzinu; na dugim ulazima izgleda da je otprilike besplatna.

Zašto vas to zanima kao korisnika: trošak serviranja je ono što određuje cenu sa cenovnika. Temelj čiji trošak pažnje prestaje da raste jeste temelj koji možete sebi da priuštite da usmerite na sto hiljada slika. To je mehanizam iza „najjeftinijeg vizuelnog modela bez cenzure" — nije to promotivna cena, već arhitektura.

04Šta znači 3BIT-REAP i gde vas to košta

Model sa 428 milijardi parametara ne staje nigde zgodno u punoj preciznosti. Naša gradnja MiniMax-M3 nosi sufiks 3BIT-REAP, koji opisuje dve odvojene operacije primenjene određenim redosledom.

REAP: obriši eksperte pre nego što ih kompresuješ

REAP — Router-weighted Expert Activation Pruning — jednokratna je metoda kompresije MoE modela iz Cerebrasa i Univerziteta u Kalgariju, objavljena kao arXiv 2510.13999 i prihvaćena na ICLR 2026. Njen argument je da se za generativne zadatke orezivanje eksperata pokazuje boljim od njihovog spajanja: spajanje uništava finu kontrolu rutera i unosi grešku koju nikada ne možete povratiti. Umesto toga, REAP ocenjuje svakog eksperta kriterijumom značajnosti koji kombinuje vrednosti kapije rutera (koliko ga često i koliko snažno ruter bira) i norme aktivacije eksperta (koliko njegov izlaz zaista doprinosi), pa zatim najmanje značajne eksperte briše u potpunosti.

Autori izveštavaju o uklanjanju do 50% eksperata iz modela veličine i do bilion parametara uz uglavnom očuvan kvalitet osnove — na Qwen3-480B-Coder-FP8 pri 50% orezivanja zadržano je 97,6% osnovne sposobnosti za kod bez agenata i 96,7% na agentskom SWE-Benchu. To su brojke iz tog rada na modelima iz tog rada, a ne naše na MiniMax-M3; navodimo ih da biste mogli da procenite metod, a ne da bismo sugerisali ekvivalentno merenje ovde.

Zatim 3-bitne težine

Preostale težine se onda čuvaju sa 3 bita. Redosled je namerni i u njemu je poenta kombinacije: prvo orezivanje, pa kvantizacija. Nema smisla trošiti svoja dragocena tri bita po težini na verno kodiranje eksperata koje se spremate da obrišete. Orežite retki rep, pa pustite da preostali budžet ode u celosti na eksperte koji zaista okidaju.

Poštena ograda

3BIT-REAP je najagresivniji nivo koji isporučujemo. Koristimo ga na najvećim temeljima — MiniMax-M3, Kimi-K3, DeepSeek-V4-Pro, GLM-5.2, Nemotron3Ultra — jer je to razlika između toga da su ti modeli dostupni po razumnoj ceni i toga da uopšte nisu dostupni. Tamo gde je temelj dovoljno mali da mu to ne treba, ne koristimo ga: W8A16 modeli u katalogu rade sa 8-bitnim težinama i 16-bitnim aktivacijama, a W4A16-AUTOROUND-REAP stoji između, koristeći AutoRoundovo naučeno zaokruživanje da povrati tačnost koju naivno zaokruživanje na najbližu vrednost poklanja. Izaberite nivo koji odgovara vašoj toleranciji. Ako izvlačite polja iz deset hiljada faktura, 3 bita su ispravna razmena. Ako radite jedno očitavanje jedne slike sa visokim ulogom, potrošite novac na Kimi-K3.

05Šta znači „bez sloja odbijanja" kada je ulaz slika

Bez cenzure je izraz koji se koristi olako, pa evo precizne tvrdnje: na ovoj krajnjoj tački nema sloja odbijanja ni filtriranja izlaza. Nijedan klasifikator ne pregleda vašu sliku pre nego što je model vidi. Nijedan model politike ne pregleda tokene na izlazu. Ono što model proizvede jeste ono što dobijate.

U tekstu je efekat toga poznat. U vidu je drugačiji po vrsti, jer su ulazi u vidu slike mesto gde su komercijalni multimodalni API-ji najkonzervativniji i najproizvoljniji. Karakteristični otkazi izgledaju ovako:

• Paušalna odbijanja identiteta — odbijanje da se ljudi na fotografiji uopšte opišu, uključujući osobine koje su jasno vidljive i sasvim bezopasne, jer politika ne ume da razluči opis od identifikacije.
• Bežanje od teme — odbijanje da se dokument transkribuje ili sažme zbog toga o čemu dokument govori, iako je transkripcija mehanički zadatak.
• Medicinska i forenzička preosetljivost — odbijanje da se opišu kliničke slike, dokumentacija povreda ili fotografije nesreća koje profesionalcu treba da budu opisane.
• Lažni pozitivi kod bezbednosnih alata — odbijanje da se pročita snimak ekrana zato što sadrži terminal, snimak paketa ili debager.
• Tiho propadanje — najgore od svega: ne odbijanje, već ograđeni ne-odgovor, koji prolazi vašu validaciju sheme i truje vaš skup podataka a da nikada ne podigne grešku.

Operativni problem sa svih pet nije to što su nepravedni. Problem je što su nemerljivi. Pogrešan odgovor je podatak; možete ga oceniti, uhvatiti u evaluaciji i korigovati. Odbijanje je rupa. Na obimu, stopa odbijanja od 3% raspoređena neravnomerno po vašim ulazima — koncentrisana, po samoj konstrukciji, upravo na teškim i neobičnim slučajevima — jeste sistematska pristrasnost u vašim rezultatima koju nikakvo naknadno čišćenje ne popravlja. Uklanjanje sloja odbijanja uklanja izvor tihih, korelisanih podataka koji nedostaju.

Shannon vodi Shannon Lab LLC, Nju Meksiko, SAD, po našoj Politici odgovorne upotrebe. Bez cenzure znači da model ne komentariše vaše ulaze; ne znači da za nalog ne važe uslovi korišćenja.

06Cela specifikacija

Polje	MiniMax-M3 · 3BIT-REAP
Id modela	MiniMax-M3-3BIT-REAP
Temelj	MiniMax-M3 (MiniMax AI)
Prozor konteksta	262.144 tokena
Maks. izlaz	16.384 tokena
Ulaz slike	Da
Ulaz videa	Nije izložen
Striming	Da
Pozivanje alata	Da
Rezonovanje	Da (reasoning_effort)
Strukturirani izlaz	json_schema + response_format
Sloj odbijanja	Nema
Krajnje tačke	/v1/chat/completions · /v1/messages · /v1/responses
Servirano na	Shannonovom sopstvenom GPU klasteru

Dva reda u toj tabeli zaslužuju naglasak. Ulaz videa nije izložen. Izvorni temelj M3 treniran je na videu i MiniMax dokumentuje ulaz videa; naša krajnja tačka prihvata slike. Gradite prema slikama. Drugo, prozor od 262.144 tokena je naš, a ne izvorna cifra od milion — planirajte poslove sa dugim dokumentima i mnogo slika prema 262.144 i nikada nećete biti iznenađeni.

07Pozivanje MiniMax API-ja bez cenzure

Tri dijalekta, isti model iza svih njih, striming na sva tri. Koristite onaj koji vaš postojeći klijent već govori; između njih nema razlike u mogućnostima. Usmerite osnovni URL na Shannon i promenite id modela.

Razumevanje slika kroz OpenAI dijalekt

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
  }'

U delu image_url rade i udaljeni https:// URL-ovi i base64 data URL-ovi. Priložite više delova sa slikama u jednoj poruci kada vam treba poređenje između stranica — imate 262.144 tokena na raspolaganju, a po $0.50 za milion, njihovo trošenje je jeftino.

Tipizirano izvlačenje sa JSON shemom

Ovaj model svoje mesto u vašem toku zarađuje kombinacijom vid + stroga shema + najniža cena. Nemaju sva tri sva tri modela u našem katalogu: Laguna-S-2.1 i inkling ne podržavaju json_schema. MiniMax-M3 podržava, što znači da iz slike možete dobiti validiran objekat bez sloja za parsiranje:

{
  "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 rezonovanja

Model izlaže reasoning_effort. Kod masovne klasifikacije slika držite ga niskim — postavljate perceptivno pitanje, a tokeni rezonovanja su izlazni tokeni koje plaćate. Podignite ga za pozive u kojima je slika dokaz u dužoj argumentaciji: čitanje dijagrama naspram specifikacije, usklađivanje grafikona sa tabelom, odlučivanje da li dva snimka ekrana prikazuju isti defekt.

Potpuna referenca parametara, semantika grešaka i formati strimovanja za sva tri dijalekta nalaze se u Shannon API dokumentaciji.

08Gde je MiniMax-M3 pravi izbor — a gde nije

Posegnite za njim kada

• Radite sa slikama u velikom obimu. Označavanje skupova podataka, istraživanje moderacije, obogaćivanje kataloga, trijaža snimaka ekrana, masovni OCR i strukturiranje skeniranih dokumenata. Najniža cena je ceo argument.
• Pretvarate slike u tipizirane zapise. Vid plus stroga json_schema plus najjeftiniji tokeni u katalogu jeste kombinacija koju ovde nude samo dva modela.
• Imate dug multimodalni kontekst. Mnogo stranica ili mnogo kadrova u jednom zahtevu — arhitektura ispod je napravljena baš za ovakav oblik ulaza.
• Radite istraživanje u kome odbijanja kvare uzorak. Bilo koja studija čija validnost zavisi od toga da model odgovori na svaku stavku, uključujući i neprijatne.
• Vodite agentske petlje koje čitaju ekran. Loza M-serije je eksplicitno agentska, a pozivanje alata je dostupno.

Posegnite za nečim drugim kada

• Treba vam najviši vizuelni plafon i budžet postoji. Kimi-K3 · 3BIT-REAP ima 7,7× višu cenu ulaza sa razlogom; na jednom očitavanju sa visokim ulogom to je pravi novac za trošenje.
• Trebaju vam težine maksimalne vernosti. 3 bita su naš najagresivniji nivo. W8A16 modeli menjaju cenu za preciznost, a MiMo-V2.5 · W8A16 podržava sliku po istih $0.50 / $2.00 ako optimizujete vernost po težini.
• Treba vam video. Na ovoj krajnjoj tački ne izlažemo ulaz videa.
• Zadatak je čist tekst na frontijeru. DeepSeek-V4-Pro-0813 postoji za to; ovde biste plaćali vizuelnu kulu koju nikada ne koristite.

Cifre o arhitekturi, benčmarkovima i ubrzanjima za porodicu MiniMax prijavljuje laboratorija MiniMax AI; REAP cifre prijavljuju autori REAP-a na sopstvenim modelima i nisu merenje ove gradnje. Shannonove cene, prozor konteksta i oznake mogućnosti su naši i čitaju se iz našeg živog kataloga modela.

09Često postavljana pitanja

---

Izvori: 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. MiniMaxove cifre o benčmarkovima i ubrzanjima prijavljuje laboratorija i privremene su do nezavisne provere. Shannonove cene i oznake mogućnosti važe na dan 5. septembra 2026.