API-и бесензураи MiniMax: биноӣ бо нархи фарш

Қариб ҳар API-и бисёрмодалии мизбонишуда биноиро ҳамчун имтиёзи гарон нарх мегузорад. Шумо барои матн меъёри модели матниро мепардозед ва баъд бештар мепардозед — баъзан якчанд маротиба бештар — ҳамин ки тасвир ба дархост ворид мешавад. Ба замми ин, вуруди тасвир маҳз он ҷоест, ки рафтори рад кардан аз ҳама шадидтар аст: моделе, ки бо хушнудӣ мавзӯеро дар матн муҳокима мекунад, аз тавсифи ҳамон чиз дар акс рад мекунад. Натиҷа маҳсулест, ки барои ҳар фарохонӣ гарон ва барои ҳар фарохонӣ беэътимод аст, ки ҳангоми коркарди ҳаҷм бадтарини ҳар ду ҷаҳон аст. MiniMax-M3 дар Shannon ҷавоби мо ба ин аст: ҳамон $0.50 / $2.00, ки шумо барои арзонтарин модели матнии мо мепардозед, ба асосе татбиқ мешавад, ки аз қадами аввал бисёрмодалӣ таълим гирифтааст, бе қабати рад кардан дар пеши он.

01«Арзонтарин модели бесензура бо биноӣ» дар ин ҷо воқеан чӣ маъно дорад

Каталоги Shannon дувоздаҳ модел аст. Панҷтои онҳо тасвирҳоро қабул мекунанд. Нархи онҳо барои як миллион токен:

Модели қобили биноӣ	Вуруд	Баромад	Баромади сохторӣ
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	танҳо response_format
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	json_schema + response_format

MiniMax-M3 дар фарш ҷойгир аст — $0.50 / $2.00 — баробар бо MiMo-V2.5 ва ҳеҷ чиз аз он поёнтар нест, зеро $0.50 / $2.00 маҳз фарши рӯйхати нархи мо аст. Дар муқобили нуқтаи болоии доираи биноӣ он 7.7× арзонтар дар вуруд ва 9.6× арзонтар дар баромад нисбат ба Kimi-K3 аст.

Инро ба бори корӣ гузоред. Тасаввур кунед, ки шумо 1,000 тасвирро тасниф мекунед — скриншотҳо, саҳифаҳои сканшуда, аксҳои маҳсулот — ба ҳисоби миёна тақрибан 1,200 токени тасвир ва дархост ба дарун ва 300 токени ҷавоб ба берун:

Нархҳои рӯйхати Shannon, сентябри соли 2026. Шумораи токенҳо намунавӣ аст; токенизатсияи тасвири шумо аз ҳалнокӣ ва шумораи тасвирҳое, ки дар як фарохонӣ замима мекунед, вобаста аст.

Ду нуқтаи истинодии дигар, ки дар ёд доштанашон муфид аст. Пур кардани тамоми контексти 262,144 токен як маротиба тақрибан 13 сент меарзад. Ҷавоби ҳадди аксари 16,384-токенӣ тақрибан 3.3 сент меарзад. Инҳо ҳудуди воқеии як дархости бадтарин ҳолат мебошанд ва он қадар хурданд, ки маҳдудияти ҷолиб дар конвейери биноӣ дигар пул набуда, маҳсулнокӣ мешавад.

02Насаби MiniMax: озмоишгоҳе, ки токенҳоро оптимизатсия мекунад, на сарлавҳаҳоро

MiniMax AI озмоишгоҳи Шанхайист, ки тамоми таърихи вазнҳои кушодаи он дар атрофи як савол мечархад: чӣ гуна таваҷҷуҳро он қадар арзон кардан мумкин аст, ки контексти дароз ва бисёрмодалӣ дигар боҳашамат набошанд? Ҳар барориши ин хат ҷавобе ба ҳамин савол аст ва ҷавобҳо ба ҳамдигар такя мекунанд.

MiniMax-01 — Lightning Attention ва биноӣ аз оғоз

Силсилаи MiniMax-01 (нашршуда ҳамчун arXiv 2501.08313) Lightning Attention-ро ҷорӣ кард, татбиқи ба I/O огоҳи як варианти таваҷҷуҳи хаттӣ, дар дохили модели дурагаи Омехтаи Мутахассисон бо 456B параметри умумӣ ва 45.9B фаъол дар як токен. Силсила ҳамчун ҷуфт фиристода шуд: MiniMax-Text-01 ва MiniMax-VL-01, модели биноӣ. VL-01 стеки ҳоло шинохтаи ViT-MLP-LLM-ро истифода бурд, вале бо Трансформери Биноии 303-миллионпараметрӣ, ки аз сифр дар 694 миллион ҷуфти тасвир-сарлавҳа таълим гирифта буд, на бо кодкунандаи қарзгирифта, сипас дар конвейери бисёрмарҳилавӣ, ки 512 миллиард токенро коркард мекард, ҳамоҳанг ва якҷоя танзим шуд.

Ин тафсилот барои мақолае, ки шумо мехонед, муҳим аст. Биноӣ дар ин насаб адаптери дертар нест, ки ба модели матнӣ барои галочка часпонда шуда бошад. MiniMax аз аввалин барориши кушодаи худ манораи визуалии худро таълим медиҳад, ва маҳз бинобар ин фаҳмиши ҳуҷҷат, дарки интерфейс ва скриншот ва хондани диаграмма қувваҳои устувори ин оила буданд, на фикри баъдина.

MiniMax-M1 — таваҷҷуҳи дурага барои мулоҳизаи тӯлонӣ

MiniMax-M1 (arXiv 2506.13585) аз ҷониби муаллифонаш ҳамчун аввалин модели мулоҳизаи бо таваҷҷуҳи дурагаи миқёси калон бо вазнҳои кушода тавсиф шуд. Он бадани MoE-и 456B / 45.9B-ро нигоҳ дошт ва ду навъи таваҷҷуҳро омехта кард: як блоки анъанавии трансформери таваҷҷуҳи softmax пас аз ҳар ҳафт блоки Lightning Attention. Фоида на дар ҷои рейтинг, балки дар ҳисоб чен шуд — MiniMax хабар дод, ки дар дарозии тавлиди 100K токен, M1 тақрибан 25% FLOPs-и DeepSeek R1-ро истеъмол кард, дар ҳоле ки контексти як миллион токенро ба таври ватанӣ дастгирӣ мекард.

MiniMax-M2 — гардиш ба сӯи фаъолсозии хурд

MiniMax-M2 аз рӯи андоза ба самти дигар рафт ва барои ин таваҷҷуҳро ба даст овард: декодери 62-қабата бо 229.9B параметри умумӣ, вале танҳо ~9.8B фаъол дар як токен, бо истифодаи 256 мутахассиси нозук дар як қабати MoE бо маршрутонии сигмоидӣ ба ҳаштои онҳо, мавқеъҳои RoPE ва QK-RMSNorm барои устувории таълим. Он ошкоро модели барномасозии агентӣ буд — таҳрири бисёрфайла, давраҳои иҷро-ислоҳ, таъмири бо тест тасдиқшуда — ва формати андешаи омехта-ро ҷорӣ кард, ки дар он мулоҳиза дар байни давраҳои фарохонии абзорҳо интиқол дода мешавад, на он ки пас аз ҳар давра партофта шавад. M2 ҳамон моделест, ки обрӯи MiniMax-ро дар расонидани рафтори агентии наздик ба сарҳад бо як ҳиссаи арзиши ҳар токен танҳо аз ҳисоби хурд нигоҳ доштани фаъолсозиҳо бунёд кард.

MiniMax-M3 — асоси зери ин нуқтаи интиҳоӣ

MiniMax-M3 1 июни соли 2026 бароварда шуд, бо вазнҳо дар Hugging Face каме баъдтар ва ҳисоботи техникӣ дар arXiv 2606.13392. Ин модели Омехтаи Мутахассисон бо 428B параметр ва тақрибан 23B фаъол дар як токен, бо контексти ҳуҷҷатгузоришудаи як миллион токен ва вуруди ватании тасвир ва видео аст — MiniMax онро ҳамчун омехтамодалӣ таълимгирифта «аз ҳамон қадами аввал» тавсиф мекунад, на он ки аввал дар матн пештаълим гирифта ва баъд бисёрмодалӣ мутобиқ шуда бошад. Тибқи рақамҳои нашркардаи худи MiniMax он 80.5% дар SWE-bench Verified ва 59.0% дар SWE-bench Pro хол мегирад. Инҳо рақамҳои аз ҷониби фурӯшанда эълоншуда дар бенчмарки барномасозӣ мебошанд, ки маҳз ҳамин тавр бояд ба онҳо баҳо диҳед; мо онҳоро иқтибос меорем, зеро онҳо изҳороти нашркардаи озмоишгоҳанд, на он ки мо онҳоро мустақилона такрор карда бошем.

03MiniMax Sparse Attention: чаро модели биноӣ метавонад ин қадар арзон бошад

Муҳандисии ҷолиб дар M3 MiniMax Sparse Attention (MSA) аст ва он сабаби мустақими он аст, ки модели бисёрмодалии ин андоза метавонад дар нархи фарши мо ҷойгир шавад. Тасвирҳо аз рӯи токен гаронанд. Чанд саҳифаи ҳалнокии баланд метавонад даҳҳо ҳазор токенро ба дархост гузорад, пеш аз он ки шумо ҳатто як дастур нависед. Дар таваҷҷуҳи стандартӣ ин арзиш квадратӣ меафзояд ва моделе, ки бист саҳифа мехонад, ду маротиба гаронтар аз он ки даҳтоашро мехонад, нест — он хеле бадтар аз ду баробар аст.

MSA шакли ин каҷхатро тағйир медиҳад. Ин механизми блокӣ-сироҷ аст, ки дар асоси сутунмӯҳраи Grouped Query Attention сохта шудааст ва ба ду шоха тақсим мешавад:

• Шохаи Индекс-и сабук, ки блокҳои калид-қиматро баҳо медиҳад — холҳоро дар байни токенҳои дохили ҳар блок max-pooling мекунад — ва top-k-ро барои ҳар мавқеи дархост ва ҳар гурӯҳи GQA интихоб мекунад, ҳамеша блоки маҳаллиеро, ки худи дархостро дар бар мегирад, барои устувории таълим дохил мекунад.
• Шохаи Асосӣ, ки таваҷҷуҳи оддии softmax-ро танҳо дар блокҳое, ки индекс интихоб кардааст, иҷро мекунад.

Конфигуратсия дар мақолаи MSA k = 16 блоки 128-токенӣ аст, ки ба ҳар дархост буҷаи собити 2,048 токени таваҷҷуҳшуда медиҳад. Собит, яъне он бо дарозии пайдарпаӣ намеафзояд. Ҳамин тамоми ҳунар аст: вақте контекст меафзояд, арзиши таваҷҷуҳи заминаи зич боло меравад, дар ҳоле ки арзиши шохаи асосии MSA ҳамвор мемонад, бинобар ин таваҷҷуҳ ба ҷои квадратӣ хаттӣ миқёс мешавад.

Рақамҳо аз ҳисоботи MiniMax Sparse Attention (arXiv 2606.13392): коҳиши 28.4× дар FLOPs-и таваҷҷуҳи ҳар токен нисбат ба GQA-и баробар танзимшуда дар контексти 1M ва тезонидани 14.2× prefill / 7.6× декодиронӣ аз рӯи соати девор, ки дар таҷҳизоти H800 дар омӯзиши 109B-параметрии мақола чен шудааст. MiniMax алоҳида тезонидани 9× prefill ва 15× декодирониро барои M3 нисбат ба M2 дар контексти 1M эълон мекунад. Ҳамаашон аз ҷониби озмоишгоҳ эълон шудаанд.

Мақола инчунин санҷишеро мегузаронад, ки барои мақолаи биноӣ муҳим аст: дар MoE-и 109B-и ватанан бисёрмодалӣ, MSA маҳсулнокии ба заминаи таваҷҷуҳи пурра муқоисашавандаро дар бенчмаркҳои тасвир, аз ҷумла AI2D, ChartQA ва MMMU, ва дар бенчмаркҳои видео, аз ҷумла EgoSchema, LongVideoBench ва VideoMME нигоҳ дошт — ва вариантҳои сироҷ баъзан дар вазифаҳои видеоии контексти дарозтар беҳтар мешуданд. Сироҷӣ дар ин ҷо андози сифат нест, ки шумо барои суръат мепардозед; дар вурудҳои дароз он тақрибан ройгон ба назар мерасад.

Чаро ин барои шумо ҳамчун муштарӣ муҳим аст: арзиши хизматрасонӣ нархи рӯйхатро муайян мекунад. Асосе, ки арзиши таваҷҷуҳаш дигар намеафзояд, асосест, ки шумо метавонед онро ба сад ҳазор тасвир равона кунед. Ин механизми паси «арзонтарин модели бесензура бо биноӣ» аст — ин меъёри таблиғотӣ нест, ин меъморист.

043BIT-REAP чӣ маъно дорад ва дар куҷо ба шумо арзиш дорад

Модели 428-миллиардпараметрӣ дар дақиқии пурра дар ҳеҷ ҷои қулай ҷойгир намешавад. Сохти MiniMax-M3-и мо пасванди 3BIT-REAP-ро дорад, ки ду амалиёти алоҳидаро дар тартиби муайян тавсиф мекунад.

REAP: мутахассисонро пеш аз фишурдан нест кунед

REAP — Буридани Фаъолсозии Мутахассисон бо Вазни Маршрутизатор — усули якзарбаи фишурдасозии MoE аз Cerebras ва Донишгоҳи Калгарӣ аст, ки ҳамчун arXiv 2510.13999 нашр шуда ва ба ICLR 2026 қабул шудааст. Далели он ин аст, ки барои вазифаҳои тавлидӣ буридани мутахассисон аз якҷоя кардани онҳо беҳтар аст: якҷоякунӣ идораи нозуки маршрутизаторро нобуд мекунад ва хатоеро ҷорӣ мекунад, ки шумо ҳеҷ гоҳ барқарор карда наметавонед. Бинобар ин REAP ба ҷои он ҳар мутахассисро бо меъёри барҷастагӣ баҳо медиҳад, ки қиматҳои дарвозаи маршрутизатор (чанд маротиба ва то чӣ андоза сахт маршрутизатор онро интихоб мекунад) ва меъёрҳои фаъолсозии мутахассис (баромади он воқеан то чӣ андоза саҳм мегузорад)-ро якҷоя мекунад, сипас камбарҷастатарин мутахассисонро тамоман нест мекунад.

Муаллифон хабар медиҳанд, ки то 50% мутахассисонро аз моделҳои то як триллион параметр бартараф кардаанд ва сифати заминавиро асосан нигоҳ доштаанд — дар Qwen3-480B-Coder-FP8 бо буридани 50%, 97.6% қобилияти заминавии ғайриагентии барномасозӣ ва 96.7% дар SWE-Bench-и агентӣ нигоҳ дошта шуд. Инҳо рақамҳои мақола дар моделҳои худи мақоланд, на рақамҳои мо дар MiniMax-M3; мо онҳоро иқтибос меорем, то шумо ба усул баҳо диҳед, на он ки ченкунии баробарро дар ин ҷо ишора кунем.

Вазнҳои 3-битӣ, дуюм

Вазнҳои боқимонда сипас дар 3 бит нигоҳ дошта мешаванд. Тартиб қасдан аст ва маҳз ҳамин моҳияти ин омезиш аст: аввал буридан, баъд квантизатсия. Маънӣ надорад, ки се бити гаронбаҳои худро барои ҳар вазн ба содиқона кодкунии мутахассисоне сарф кунед, ки шумо ба зудӣ нест мекунед. Думи сироҷро буред, сипас бигзоред буҷаи боқимонда пурра ба мутахассисоне равад, ки воқеан фаъол мешаванд.

Огоҳии ростқавлона

3BIT-REAP шадидтарин зинаест, ки мо мефиристем. Мо онро дар бузургтарин асосҳо истифода мебарем — MiniMax-M3, Kimi-K3, DeepSeek-V4-Pro, GLM-5.2, Nemotron3Ultra — зеро ин фарқи байни дастрас будани ин моделҳо бо нархи оқилона ва тамоман дастрас набудани онҳост. Дар ҷое, ки асос хурд аст ва ба ин ниёз надорад, мо онро истифода намебарем: моделҳои W8A16 дар каталог вазнҳои 8-битӣ бо фаъолсозиҳои 16-битӣ доранд ва W4A16-AUTOROUND-REAP дар байн ҷойгир аст ва мудавварсозии омӯхташудаи AutoRound-ро истифода мебарад, то дақиқиеро барқарор кунад, ки квантизатсияи оддии мудавварсозӣ ба наздиктарин аз даст медиҳад. Зинаеро интихоб кунед, ки ба таҳаммули шумо мувофиқ аст. Агар шумо майдонҳоро аз даҳ ҳазор ҳисобнома истихроҷ кунед, 3-бит мубодилаи дуруст аст. Агар шумо як хониши криминалистии сермасъулиятро аз як тасвир анҷом диҳед, пулро ба Kimi-K3 сарф кунед.

05«Бе қабати рад кардан» вақте маъно дорад, ки вуруд тасвир аст

«Бесензура» калимаест, ки озодона истифода мешавад, бинобар ин изҳороти дақиқ инҷост: дар ин нуқтаи интиҳоӣ қабати рад кардан ва филтри баромад вуҷуд надорад. Ҳеҷ таснифкунанда тасвири шуморо пеш аз он ки модел онро бинад, тафтиш намекунад. Ҳеҷ модели сиёсат токенҳоро ҳангоми баромадан тафтиш намекунад. Он чи модел тавлид мекунад, ҳамон чизест, ки шумо мегиред.

Дар матн таъсири ин шинос аст. Дар биноӣ он аз рӯи навъ дигар аст, зеро рафтори рад кардан дар вуруди тасвир маҳз он ҷоест, ки API-ҳои тиҷоратии бисёрмодалӣ аз ҳама муҳофизакортар ва аз ҳама худсаронатаранд. Нокомиҳои хос чунин ба назар мерасанд:

• Рад кардани умумии шахсият — тамоман рад кардани тавсифи одамон дар акс, аз ҷумла хусусиятҳое, ки ба таври возеҳ намоён ва комилан безараранд, зеро сиёсат тавсифро аз шиносоӣ фарқ карда наметавонад.
• Гурез аз мавзӯъ — рад кардани нусхабардорӣ ё хулосабарории ҳуҷҷат бинобар мавзӯи он, ҳарчанд нусхабардорӣ вазифаи механикист.
• Нозукӣ дар тиб ва криминалистика — рад кардани тавсифи тасвирҳои клиникӣ, ҳуҷҷатгузории ҷароҳат ё аксҳои садама, ки мутахассис ба тавсифи онҳо ниёз дорад.
• Мусбатҳои бардурӯғ дар абзорҳои амният — рад кардани хондани скриншот, зеро он терминал, гирифтани баста ё ислоҳкунандаро дар бар мегирад.
• Коҳиши хомӯшона — бадтарин: на рад кардан, балки ҷавоби норавшани гурезон, ки аз тасдиқи схемаи шумо мегузарад ва маҷмӯаи маълумоти шуморо заҳролуд мекунад, бе он ки ҳеҷ гоҳ хато пеш орад.

Мушкили амалиётии ҳар панҷто на дар он аст, ки онҳо ноодилонаанд. Дар он аст, ки онҳо ченнашавандаанд. Ҷавоби нодуруст як нуқтаи маълумот аст; шумо метавонед онро баҳо диҳед, дар арзёбӣ дастгир кунед ва ислоҳ кунед. Рад кардан сӯрох аст. Дар миқёси гурӯҳӣ, меъёри рад кардани 3%, ки дар байни вурудҳои шумо ғайритасодуфӣ тақсим шудааст — аз рӯи сохт маҳз дар ҳолатҳои душвор ва ғайриоддӣ мутамарказ — таассуби низомнок дар натиҷаҳои шумост, ки ҳеҷ миқдори тозакунии баъдӣ онро барқарор намекунад. Бартараф кардани қабати рад кардан манбаи маълумоти хомӯшона ва ҳамбастаи гумшударо бартараф мекунад.

Shannon аз ҷониби Shannon Lab LLC, Ню-Мексико, ИМА, тибқи Сиёсати Истифодаи Масъулонаи мо идора мешавад. Бесензура маънои онро дорад, ки модел дар бораи вурудҳои шумо ақидаи худро баён намекунад; он маънои онро надорад, ки ҳисоб ҳеҷ шартҳое надорад.

06Мушаххасоти пурра

Майдон	MiniMax-M3 · 3BIT-REAP
Идентификатори модел	MiniMax-M3-3BIT-REAP
Асос	MiniMax-M3 (MiniMax AI)
Тирезаи контекст	262,144 токен
Баромади ҳадди аксар	16,384 токен
Вуруди тасвир	Бале
Вуруди видео	Ошкор нашудааст
Ҷараёнӣ	Бале
Фарохонии абзорҳо	Бале
Мулоҳиза	Бале (reasoning_effort)
Баромади сохторӣ	json_schema + response_format
Қабати рад кардан	Нест
Нуқтаҳои интиҳоӣ	/v1/chat/completions · /v1/messages · /v1/responses
Хизматрасонӣ дар	кластери GPU-и худи Shannon

Ду сатри ин ҷадвал сазовори таъкид аст. Вуруди видео ошкор нашудааст. Асоси болообии M3 дар видео таълим гирифтааст ва MiniMax вуруди видеоро ҳуҷҷатгузорӣ мекунад; нуқтаи интиҳоии мо тасвирҳоро қабул мекунад. Дар асоси тасвирҳо созед. Дуюм, тирезаи 262,144-токенӣ аз они мост, на рақами як миллиони болооб — бори кории ҳуҷҷати дароз ва бисёртасвирро дар асоси 262,144 банақша гиред ва ҳеҷ гоҳ ба ҳайрат намеафтед.

07Фарохонии API-и бесензураи MiniMax

Се лаҳҷа, ҳамон як модел дар паси ҳамаи онҳо, ҷараёнӣ дар ҳар се. Ҳамонеро истифода баред, ки муштарии мавҷудаи шумо аллакай медонад; байни онҳо фарқи имконият нест. URL-и асосии худро ба Shannon равона кунед ва идентификатори моделро иваз кунед.

Фаҳмиши тасвир тавассути лаҳҷаи 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
  }'

URL-ҳои дурдасти https:// ва URL-ҳои маълумоти base64 ҳарду дар қисми image_url кор мекунанд. Вақте муқоисаи байнисаҳифавӣ лозим аст, чанд қисми тасвирро дар як паём замима кунед — шумо 262,144 токен барои сарф кардан доред ва бо $0.50 барои як миллион сарф кардани онҳо арзон аст.

Истихроҷи типнок бо JSON-схема

Дар ҷое ки ин модел ҷои худро дар конвейер сазовор аст, омезиши биноӣ + схемаи қатъӣ + нархи фарш аст. На ҳар модели каталоги мо ҳар серо дорад: Laguna-S-2.1 ва inkling json_schema-ро дастгирӣ намекунанд. MiniMax-M3 дастгирӣ мекунад, яъне шумо метавонед объекти тасдиқшударо аз тасвир бе қабати таҳлил ба даст оред:

{
  "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
      }
    }
  }
}

Кӯшиши мулоҳиза

Модел reasoning_effort-ро ошкор мекунад. Дар таснифоти оммавии тасвир онро паст нигоҳ доред — шумо саволи идрокӣ медиҳед ва токенҳои мулоҳиза токенҳои баромаданд, ки шумо барояшон мепардозед. Онро барои фарохониҳое баланд кунед, ки дар онҳо тасвир далел дар далели дарозтар аст: хондани диаграмма дар муқобили мушаххасот, мувофиқ кардани диаграмма бо ҷадвал, қарор додани он ки оё ду скриншот ҳамон нуқсонро нишон медиҳанд.

Маълумотномаи пурраи параметрҳо, семантикаи хатоҳо ва форматҳои ҷараёнӣ барои ҳар се лаҳҷа дар ҳуҷҷатгузории API-и Shannon ҷойгиранд.

08Дар куҷо MiniMax-M3 интихоби дуруст аст — ва дар куҷо не

Ба он муроҷиат кунед, вақте ки

• Кори ҳаҷмии тасвир. Тамғагузории маҷмӯаи маълумот, тадқиқоти модератсия, ғанигардонии каталог, таснифи скриншот, OCR-и гурӯҳӣ ва сохторбандии ҳуҷҷатҳои сканшуда. Нархи фарш тамоми далел аст.
• Тасвирҳо ба сабтҳои типнок. Биноӣ ба замми json_schema-и қатъӣ ба замми арзонтарин токенҳои каталог омезишест, ки танҳо ду модели ин ҷо пешниҳод мекунанд.
• Контексти дарози бисёрмодалӣ. Бисёр саҳифа ё бисёр кадр дар як дархост — меъмории зерин маҳз барои ҳамин шакли вуруд сохта шудааст.
• Тадқиқоте, ки дар он рад кардан намунаро вайрон мекунад. Ҳар омӯзише, ки эътибораш аз ҷавоб додани модел ба ҳар банд, аз ҷумла бандҳои нороҳаткунанда, вобаста аст.
• Давраҳои агентие, ки экранро мехонанд. Насаби силсилаи M ошкоро агентист ва фарохонии абзорҳо дастрас аст.

Ба чизи дигар муроҷиат кунед, вақте ки

• Ба шумо баландтарин ҳадди биноӣ лозим аст ва буҷа ҳаст. Kimi-K3 · 3BIT-REAP бесабаб 7.7 маротиба гаронтар дар вуруд нест; дар як хониши сермасъулият ин пули дурустест, ки сарф мекунед.
• Ба шумо вазнҳои ҳадди аксари садоқат лозиманд. 3-бит шадидтарин зинаи мост. Моделҳои W8A16 нархро бо дақиқӣ мубодила мекунанд ва MiMo-V2.5 · W8A16 бо ҳамон $0.50 / $2.00 қобили биноӣ аст, агар садоқат дар ҳар вазн он чизест, ки шумо оптимизатсия мекунед.
• Ба шумо видео лозим аст. Мо вуруди видеоро дар ин нуқтаи интиҳоӣ ошкор намекунем.
• Вазифа матни соф дар сарҳад аст. DeepSeek-V4-Pro-0813 барои ҳамин вуҷуд дорад; вагарна шумо барои манораи биноие мепардохтед, ки ҳеҷ гоҳ истифода намебаред.

Рақамҳои меъморӣ, бенчмарк ва тезонидан барои оилаи MiniMax аз ҷониби озмоишгоҳи MiniMax AI эълон шудаанд; рақамҳои REAP аз ҷониби муаллифони REAP дар моделҳои худи онҳо эълон шудаанд ва ченкунии ин сохт нестанд. Нархҳо, тирезаи контекст ва парчамҳои имкониятҳои Shannon аз они мо буда, аз каталоги зиндаи моделҳои мо хонда мешаванд.

09Саволҳои маъмул

---

Манбаъҳо: корти модели 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. Рақамҳои бенчмарк ва тезонидани MiniMax аз ҷониби озмоишгоҳ эълон шудаанд ва то тасдиқи мустақил муваққатӣ мебошанд. Нархҳо ва парчамҳои имкониятҳои Shannon ба ҳолати 5 сентябри соли 2026 ҷорӣ ҳастанд.