เราไม่เก็บหรือเข้าถึงข้อมูลของผู้ใช้รายใด และเราไม่ระงับบัญชี เว้นแต่หน่วยงานตามกฎหมายจะกำหนดให้มีการบังคับใช้

คู่มือโมเดล · MiniMax-M3 · 3BIT-REAP

API MiniMax แบบไม่เซ็นเซอร์: การมองเห็นที่ราคาพื้น

MiniMax-M3 คือทางที่ถูกที่สุดในการได้การเข้าใจภาพแบบไม่เซ็นเซอร์บนเกตเวย์ Shannon — $0.50 เข้า, $2.00 ออก, คอนเท็กซ์ 262,144 โทเค็น และไม่มีชั้นการปฏิเสธมาคั่นระหว่างคุณกับรูปภาพ

เผยแพร่ 5 กันยายน 2026คู่มือโมเดลโมเดลฐาน: MiniMax-M3

สรุปสั้น ๆ

MiniMax-M3 · 3BIT-REAP คือโมเดลไม่เซ็นเซอร์ที่รองรับการมองเห็น ที่ราคาพื้นของ Shannon: $0.50 ต่อโทเค็นอินพุตหนึ่งล้านโทเค็น และ $2.00 ต่อโทเค็นเอาต์พุตหนึ่งล้านโทเค็น พร้อมคอนเท็กซ์ 262,144 โทเค็น เอาต์พุต 16,384 โทเค็น การสตรีม การเรียกใช้ทูล การให้เหตุผลด้วย reasoning_effort และเอาต์พุต json_schema แบบเข้มงวด มันสร้างบนโมเดลฐาน M3 ของ MiniMax AI — โมเดล Mixture-of-Experts ขนาด 428B พารามิเตอร์ พร้อม MiniMax Sparse Attention และการฝึกมัลติโมดัลโดยกำเนิด — บีบอัดด้วยน้ำหนัก 3 บิตและการตัดผู้เชี่ยวชาญด้วย REAP จนใส่ลงบนคลัสเตอร์ GPU ของเราเองได้ที่ราคานั้น ถ้าภาระงานของคุณคือ "ดูรูปนี้แล้วตอบมาตรง ๆ หนึ่งหมื่นครั้ง" นี่คือโมเดลตัวนั้น

API มัลติโมดัลแบบโฮสต์แทบทุกเจ้าตั้งราคาการมองเห็นเป็นของพรีเมียม คุณจ่ายอัตราโมเดลข้อความสำหรับข้อความ แล้วก็จ่ายเพิ่ม — บางทีหลายเท่า — ทันทีที่ภาพเข้ามาในพรอมป์ ยิ่งไปกว่านั้น อินพุตเป็นภาพคือจุดที่พฤติกรรมการปฏิเสธดุดันที่สุด: โมเดลที่ยินดีคุยเรื่องหนึ่งเป็นข้อความ จะบอกปัดไม่ยอมบรรยายสิ่งเดียวกันในภาพถ่าย ผลลัพธ์คือผลิตภัณฑ์ที่แพงต่อการเรียกและเชื่อถือไม่ได้ต่อการเรียก ซึ่งเป็นสิ่งที่แย่ที่สุดของทั้งสองโลกเมื่อคุณประมวลผลปริมาณมาก MiniMax-M3 บน Shannon คือคำตอบของเราต่อเรื่องนี้: $0.50 / $2.00 เท่ากับที่คุณจ่ายให้โมเดลข้อความที่ถูกที่สุดของเรา นำไปใช้กับโมเดลฐานที่ฝึกแบบมัลติโมดัลตั้งแต่ก้าวแรก โดยไม่มีชั้นการปฏิเสธนั่งขวางอยู่ข้างหน้า

01"โมเดลการมองเห็นไม่เซ็นเซอร์ที่ถูกที่สุด" ในที่นี้หมายถึงอะไรจริง ๆ

ชุดโมเดลของ Shannon มีสิบสองตัว ห้าตัวในนั้นรับภาพ ราคาต่อหนึ่งล้านโทเค็นของพวกมัน:

โมเดลที่รองรับการมองเห็น	อินพุต	เอาต์พุต	เอาต์พุตแบบมีโครงสร้าง
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	response_format เท่านั้น
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	json_schema + response_format

MiniMax-M3 อยู่ที่พื้น — $0.50 / $2.00 — เสมอกับ MiMo-V2.5 และไม่มีอะไรต่ำกว่านั้น เพราะ $0.50 / $2.00 คือพื้นของรายการราคาเรา เทียบกับยอดบนของช่วงราคาการมองเห็น มันถูกกว่าด้านอินพุต 7.7 เท่า และถูกกว่าด้านเอาต์พุต 9.6 เท่าเมื่อเทียบกับ Kimi-K3

ลองใส่ลงในภาระงานจริง สมมติคุณกำลังคัดกรองภาพ 1,000 ภาพ — ภาพหน้าจอ หน้าเอกสารสแกน ภาพสินค้า — เฉลี่ยราว 1,200 โทเค็นของภาพบวกพรอมป์เข้าไป และ 300 โทเค็นของคำตอบออกมา:

MiniMax-M3$1.20

MiMo-V2.5$1.20

Kimi-K2.6$2.04

inkling$3.53

Kimi-K3$10.34

ราคาตามรายการของ Shannon กันยายน 2026 จำนวนโทเค็นเป็นเพียงตัวอย่างประกอบ การแปลงภาพเป็นโทเค็นของคุณขึ้นกับความละเอียดและจำนวนภาพที่คุณแนบต่อการเรียกหนึ่งครั้ง

จุดอ้างอิงอีกสองจุดที่ควรจำไว้ในหัว การเติมคอนเท็กซ์เต็ม 262,144 โทเค็นหนึ่งครั้งมีค่าใช้จ่ายราว 13 เซนต์ การตอบกลับยาวสุด 16,384 โทเค็นมีค่าใช้จ่ายราว 3.3 เซนต์ นั่นคือขอบเขตจริงของคำขอเดียวในกรณีเลวร้ายที่สุด และมันเล็กพอจนข้อจำกัดที่น่าสนใจของไปป์ไลน์การมองเห็นเลิกเป็นเรื่องเงิน แล้วกลายเป็นเรื่องปริมาณงานแทน

02สายตระกูล MiniMax: แล็บที่ปรับให้โทเค็นถูก ไม่ใช่ปรับให้ขึ้นพาดหัว

MiniMax AI คือแล็บในเซี่ยงไฮ้ที่ผลงานน้ำหนักเปิดทั้งหมดวนอยู่กับคำถามเดียว: จะทำให้ attention ถูกพอจนคอนเท็กซ์ยาวและมัลติโมดัลเลิกเป็นของฟุ่มเฟือยได้อย่างไร? ทุกรุ่นที่ปล่อยออกมาในสายนี้คือคำตอบต่อคำถามนั้น และคำตอบเหล่านั้นต่อยอดกันไปเรื่อย ๆ

MiniMax-01 — Lightning Attention และการมองเห็นตั้งแต่ต้น

ซีรีส์ MiniMax-01 (เผยแพร่เป็น arXiv 2501.08313) แนะนำ Lightning Attention การนำ linear attention รูปแบบหนึ่งมาใช้จริงโดยคำนึงถึง I/O ภายในโมเดล Mixture-of-Experts ไฮบริดขนาดพารามิเตอร์รวม 456B กระตุ้น 45.9B ต่อโทเค็น ซีรีส์นี้ปล่อยมาเป็นคู่: MiniMax-Text-01 และ MiniMax-VL-01 ตัวโมเดลการมองเห็น VL-01 ใช้สแตก ViT-MLP-LLM ที่คุ้นเคยกันดีในตอนนี้ แต่ใช้ Vision Transformer ขนาด 303 ล้านพารามิเตอร์ที่ฝึกขึ้นใหม่จากศูนย์บนคู่ภาพ-คำบรรยาย 694 ล้านคู่ แทนที่จะยืมตัวเข้ารหัสมาใช้ แล้วจึงจัดแนวและปรับจูนร่วมกันผ่านไปป์ไลน์หลายขั้นที่ประมวลผล 512 พันล้านโทเค็น

รายละเอียดนั้นสำคัญกับบทความที่คุณกำลังอ่านอยู่ การมองเห็นในสายตระกูลนี้ไม่ใช่อะแดปเตอร์ที่มาติดทีหลังบนโมเดลข้อความเพื่อเช็กช่องให้ครบ MiniMax ฝึกหอคอยการมองเห็นของตัวเองมาตั้งแต่รุ่นเปิดรุ่นแรก ซึ่งเป็นเหตุผลที่การเข้าใจเอกสาร การอ่าน UI และภาพหน้าจอ และการอ่านแผนภูมิ เป็นจุดแข็งที่คงเส้นคงวาของตระกูลนี้ ไม่ใช่ของแถมที่คิดได้ทีหลัง

MiniMax-M1 — attention ไฮบริดเพื่อการให้เหตุผลที่ยาว

MiniMax-M1 (arXiv 2506.13585) ถูกผู้เขียนอธิบายว่าเป็นโมเดลให้เหตุผลแบบ attention ไฮบริดขนาดใหญ่ที่เปิดน้ำหนักตัวแรก มันคงตัวโมเดล MoE ขนาด 456B / 45.9B ไว้ แล้วสลับ attention สองชนิด: บล็อกทรานส์ฟอร์เมอร์ softmax-attention แบบดั้งเดิมหนึ่งบล็อกหลังทุก ๆ เจ็ดบล็อก Lightning Attention ผลตอบแทนวัดกันที่การประมวลผล ไม่ใช่ที่อันดับบนกระดาน — MiniMax รายงานว่าที่ความยาวการสร้าง 100K โทเค็น M1 ใช้ FLOPs ราว 25% ของ DeepSeek R1 ขณะที่รองรับคอนเท็กซ์หนึ่งล้านโทเค็นโดยกำเนิด

MiniMax-M2 — จุดหักเหสู่การกระตุ้นน้อย

MiniMax-M2 เดินไปคนละทางในเรื่องขนาด และได้รับความสนใจจากเรื่องนั้น: ตัวถอดรหัส 62 เลเยอร์ ที่มี พารามิเตอร์รวม 229.9B แต่กระตุ้นเพียงราว 9.8B ต่อโทเค็น ใช้ผู้เชี่ยวชาญละเอียด 256 ตัวต่อเลเยอร์ MoE พร้อมการกำหนดเส้นทางแบบ sigmoid ไปยังแปดตัวในนั้น ตำแหน่ง RoPE และ QK-RMSNorm เพื่อความเสถียรในการฝึก มันเป็นโมเดลเขียนโค้ดเชิงเอเจนต์อย่างชัดเจน — แก้หลายไฟล์ วนรอบรัน-แก้ ซ่อมแซมที่ตรวจสอบด้วยเทสต์ — และมันแนะนำรูปแบบ interleaved thinking ที่การให้เหตุผลถูกส่งต่อระหว่างรอบการเรียกทูล แทนที่จะถูกทิ้งไปหลังจบแต่ละเทิร์น M2 คือโมเดลที่สร้างชื่อเสียงให้ MiniMax ในการส่งมอบพฤติกรรมเชิงเอเจนต์ระดับใกล้แนวหน้าที่ต้นทุนต่อโทเค็นเพียงเศษเสี้ยว ด้วยการรักษาการกระตุ้นให้เล็กจิ๋วล้วน ๆ

MiniMax-M3 — โมเดลฐานใต้เอนด์พอยต์นี้

MiniMax-M3 ปล่อยเมื่อ 1 มิถุนายน 2026 พร้อมน้ำหนักบน Hugging Face ไม่นานหลังจากนั้น และรายงานทางเทคนิคที่ arXiv 2606.13392 มันคือโมเดล Mixture-of-Experts ขนาด 428B พารามิเตอร์ กระตุ้นราว 23B ต่อโทเค็น คอนเท็กซ์ที่ระบุในเอกสารคือ หนึ่งล้านโทเค็น และรับอินพุตเป็นภาพและวิดีโอโดยกำเนิด — MiniMax อธิบายว่ามันฝึกแบบผสมโมดัลลิตี "ตั้งแต่ก้าวแรกสุด" แทนที่จะพรีเทรนด้วยข้อความแล้วค่อยดัดแปลงเป็นมัลติโมดัลทีหลัง บนตัวเลขที่ MiniMax เผยแพร่เอง มันทำได้ 80.5% บน SWE-bench Verified และ 59.0% บน SWE-bench Pro นั่นคือตัวเลขที่ผู้พัฒนารายงานบนเกณฑ์มาตรฐานการเขียนโค้ด ซึ่งเป็นวิธีที่คุณควรชั่งน้ำหนักมันพอดี เราอ้างถึงมันเพราะมันคือคำกล่าวอ้างที่แล็บเผยแพร่ ไม่ใช่เพราะเราทำซ้ำได้เองอย่างเป็นอิสระ

03MiniMax Sparse Attention: ทำไมโมเดลการมองเห็นถึงถูกได้ขนาดนี้

งานวิศวกรรมที่น่าสนใจใน M3 คือ MiniMax Sparse Attention (MSA) และมันคือเหตุผลโดยตรงที่โมเดลมัลติโมดัลขนาดนี้มานั่งที่ราคาพื้นของเราได้ ภาพกินโทเค็นมาก หน้าเอกสารความละเอียดสูงไม่กี่หน้าอัดโทเค็นเข้าไปในพรอมป์ได้เป็นหมื่น ๆ ก่อนที่คุณจะเขียนคำสั่งสักคำ ภายใต้ attention มาตรฐาน ต้นทุนนั้นทบต้นแบบกำลังสอง และโมเดลที่อ่านยี่สิบหน้าไม่ได้แพงเป็นสองเท่าของตัวที่อ่านสิบหน้า — มันแย่กว่าสองเท่ามาก

MSA เปลี่ยนรูปทรงของเส้นโค้งนั้น มันคือกลไก block-sparse ที่สร้างบนโครง Grouped Query Attention แยกเป็นสองสาย:

Index Branch ที่เบา คอยให้คะแนนบล็อกคีย์-แวลู — ทำ max-pooling คะแนนข้ามโทเค็นภายในแต่ละบล็อก — แล้วเลือก top-k ต่อตำแหน่งคิวรีและต่อกลุ่ม GQA โดยรวมบล็อกท้องถิ่นที่มีตัวคิวรีเองอยู่เสมอ เพื่อความเสถียรในการฝึก
Main Branch ที่รัน softmax attention ธรรมดา เฉพาะบนบล็อกที่ตัวจัดดัชนีเลือกไว้เท่านั้น

ค่าตั้งในรายงาน MSA คือ k = 16 บล็อก บล็อกละ 128 โทเค็น ซึ่งให้ทุกคิวรีมีงบคงที่ที่ 2,048 โทเค็นที่ถูกใส่ใจ คงที่ หมายความว่ามันไม่โตตามความยาวลำดับ นั่นคือกลเม็ดทั้งหมด: เมื่อคอนเท็กซ์โตขึ้น ต้นทุน attention ของเส้นฐานแบบหนาแน่นจะไต่ขึ้นเรื่อย ๆ ขณะที่ต้นทุนสายหลักของ MSA อยู่คงที่ attention จึงขยายตัวเป็นเชิงเส้นแทนที่จะเป็นกำลังสอง

2,048

โทเค็นที่ใส่ใจ / คิวรี

28.4×

FLOPs ของ attn น้อยลง ที่ 1M

14.2×

เร่งความเร็ว prefill ที่ 1M

7.6×

เร่งความเร็ว decode ที่ 1M

ตัวเลขจากรายงาน MiniMax Sparse Attention (arXiv 2606.13392): FLOPs ของ attention ต่อโทเค็นลดลง 28.4 เท่าเทียบกับ GQA ที่ตั้งค่าเทียบเท่ากันที่คอนเท็กซ์ 1M และเร่งความเร็วตามนาฬิกาจริง 14.2 เท่าในช่วง prefill / 7.6 เท่าในช่วง decode ที่วัดบนฮาร์ดแวร์ H800 ในการศึกษาโมเดล 109B พารามิเตอร์ของรายงานนั้น MiniMax รายงานแยกต่างหากว่า M3 เร่งความเร็ว prefill 9 เท่า และ decode 15 เท่าเทียบกับ M2 ที่คอนเท็กซ์ 1M ทั้งหมดเป็นตัวเลขที่แล็บรายงาน

รายงานนั้นยังทำการตรวจสอบที่สำคัญกับบทความเรื่องการมองเห็นด้วย: บน MoE ขนาด 109B ที่มัลติโมดัลโดยกำเนิด MSA รักษาประสิทธิภาพให้เทียบเคียงกับเส้นฐาน full-attention ได้ตลอดเกณฑ์มาตรฐานด้านภาพ รวมถึง AI2D, ChartQA และ MMMU และตลอดเกณฑ์มาตรฐานด้านวิดีโอ รวมถึง EgoSchema, LongVideoBench และ VideoMME — โดยรูปแบบเบาบางบางครั้งดีขึ้นในงานวิดีโอที่คอนเท็กซ์ยาวกว่า ความเบาบางในที่นี้ไม่ใช่ภาษีคุณภาพที่คุณจ่ายแลกความเร็ว บนอินพุตยาว ๆ ดูเหมือนว่ามันแทบจะฟรี

ทำไมคุณในฐานะลูกค้าจึงควรสนใจ: ต้นทุนการให้บริการคือสิ่งที่กำหนดราคาตามรายการ โมเดลฐานที่ต้นทุน attention ของมันหยุดโต คือโมเดลฐานที่คุณจ่ายไหวที่จะเอาไปจ่อกับภาพแสนภาพ นั่นคือกลไกเบื้องหลัง "โมเดลการมองเห็นไม่เซ็นเซอร์ที่ถูกที่สุด" — มันไม่ใช่ราคาโปรโมชัน มันคือสถาปัตยกรรม

043BIT-REAP หมายถึงอะไร และมันเก็บค่าจากคุณตรงไหน

โมเดลขนาด 428 พันล้านพารามิเตอร์ไม่ได้ใส่ลงที่ไหนสะดวก ๆ ได้ที่ความละเอียดเต็ม บิลด์ MiniMax-M3 ของเราถือคำต่อท้าย 3BIT-REAP ซึ่งอธิบายการดำเนินการสองอย่างที่แยกกัน และใช้ตามลำดับที่เจาะจง

REAP: ลบผู้เชี่ยวชาญทิ้งก่อนจะบีบอัดพวกมัน

REAP — Router-weighted Expert Activation Pruning — คือวิธีการบีบอัด MoE แบบช็อตเดียวจาก Cerebras และ University of Calgary เผยแพร่เป็น arXiv 2510.13999 และได้รับการตอบรับที่ ICLR 2026 ข้อโต้แย้งของมันคือ สำหรับงานสร้างข้อความ การตัดผู้เชี่ยวชาญดีกว่าการรวมพวกมัน: การรวมทำลายการควบคุมอย่างละเอียดของเราเตอร์ และสร้างความคลาดเคลื่อนที่กู้คืนไม่ได้อีกเลย REAP จึงให้คะแนนผู้เชี่ยวชาญแต่ละตัวด้วยเกณฑ์ความโดดเด่นที่รวม ค่าเกตของเราเตอร์ (เราเตอร์เลือกมันบ่อยแค่ไหนและแรงแค่ไหน) กับ นอร์มของการกระตุ้นผู้เชี่ยวชาญ (เอาต์พุตของมันมีส่วนช่วยจริงมากแค่ไหน) แล้วลบผู้เชี่ยวชาญที่โดดเด่นน้อยที่สุดทิ้งไปเลย

ผู้เขียนรายงานว่าถอดผู้เชี่ยวชาญออกได้ ถึง 50% จากโมเดลขนาดใหญ่ถึงหนึ่งล้านล้านพารามิเตอร์ ขณะที่ยังรักษาคุณภาพระดับเส้นฐานไว้ได้เป็นส่วนใหญ่ — บน Qwen3-480B-Coder-FP8 ที่การตัด 50% ยังคงรักษาความสามารถเขียนโค้ดแบบไม่ใช้เอเจนต์ไว้ได้ 97.6% ของเส้นฐาน และ 96.7% บน SWE-Bench เชิงเอเจนต์ไว้ได้ นั่นคือตัวเลขของรายงานบนโมเดลของรายงาน ไม่ใช่ตัวเลขของเราบน MiniMax-M3 เราอ้างถึงมันเพื่อให้คุณตัดสินวิธีการได้ ไม่ใช่เพื่อสื่อว่าเราวัดได้เท่ากันที่นี่

น้ำหนัก 3 บิต มาทีหลัง

น้ำหนักที่รอดมาจะถูกเก็บที่ 3 บิต ลำดับนี้ตั้งใจ และมันคือหัวใจของการจับคู่กัน: ตัดก่อน ควอนไทซ์ทีหลัง ไม่มีเหตุผลอะไรที่จะใช้สามบิตล้ำค่าต่อน้ำหนักไปเข้ารหัสผู้เชี่ยวชาญที่คุณกำลังจะลบทิ้งอย่างซื่อสัตย์ ตัดหางที่เบาบางทิ้งเสีย แล้วปล่อยให้งบที่เหลือไปตกกับผู้เชี่ยวชาญที่ทำงานจริงทั้งหมด

ข้อควรระวังที่พูดกันตรง ๆ

3BIT-REAP คือระดับที่ดุดันที่สุดที่เราปล่อย เราใช้มันกับโมเดลฐานที่ใหญ่ที่สุด — MiniMax-M3, Kimi-K3, DeepSeek-V4-Pro, GLM-5.2, Nemotron3Ultra — เพราะมันคือความต่างระหว่างการที่โมเดลเหล่านั้นมีให้ใช้ในราคาที่สมเหตุสมผล กับการไม่มีให้ใช้เลย ตรงไหนที่โมเดลฐานเล็กพอจนไม่ต้องใช้มัน เราก็ไม่ใช้: โมเดล W8A16 ในชุดโมเดลรันน้ำหนัก 8 บิตกับการกระตุ้น 16 บิต ส่วน W4A16-AUTOROUND-REAP อยู่ตรงกลาง ใช้การปัดที่เรียนรู้ได้ของ AutoRound เพื่อกู้ความแม่นยำที่การควอนไทซ์แบบปัดหาค่าใกล้สุดตรง ๆ ยกทิ้งไป เลือกระดับที่ตรงกับความอดทนของคุณ ถ้าคุณกำลังสกัดฟิลด์จากใบแจ้งหนี้หนึ่งหมื่นใบ 3 บิตคือการแลกที่ถูกต้อง ถ้าคุณกำลังอ่านนิติวิทยาศาสตร์เดิมพันสูงจากภาพเดียว จงจ่ายเงินไปกับ Kimi-K3

05"ไม่มีชั้นการปฏิเสธ" หมายถึงอะไรเมื่ออินพุตเป็นภาพ

ไม่เซ็นเซอร์เป็นคำที่ถูกใช้อย่างหลวม ๆ ดังนั้นนี่คือคำกล่าวอ้างที่แม่นยำ: บนเอนด์พอยต์นี้ไม่มีชั้นการปฏิเสธและไม่มีการกรองเอาต์พุต ไม่มีตัวจำแนกตรวจภาพของคุณก่อนโมเดลจะเห็นมัน ไม่มีโมเดลนโยบายตรวจโทเค็นระหว่างทางออก สิ่งที่โมเดลผลิตออกมาคือสิ่งที่คุณได้รับ

ในข้อความ ผลของสิ่งนั้นเป็นเรื่องที่คุ้นกันดี ในภาพ มันต่างกันโดยชนิด เพราะพฤติกรรมการปฏิเสธบนอินพุตเป็นภาพคือจุดที่ API มัลติโมดัลเชิงพาณิชย์อนุรักษ์นิยมที่สุดและตามอำเภอใจที่สุด ความล้มเหลวที่พบเป็นลักษณะเฉพาะหน้าตาแบบนี้:

การปฏิเสธเรื่องตัวตนแบบเหมารวม — ไม่ยอมบรรยายคนในภาพถ่ายเลยแม้แต่น้อย รวมถึงลักษณะที่เห็นได้ชัดเจนและไม่มีพิษภัยใด ๆ เพราะนโยบายแยกไม่ออกระหว่างการบรรยายกับการระบุตัวตน
การถอดตัวเพราะเนื้อหา — ไม่ยอมถอดความหรือสรุปเอกสารเพราะเรื่องที่เอกสารพูดถึง ทั้ง ๆ ที่การถอดความเป็นงานเชิงกลไก
ความขยะแขยงเรื่องการแพทย์และนิติวิทยาศาสตร์ — ไม่ยอมบรรยายภาพทางคลินิก เอกสารบันทึกการบาดเจ็บ หรือภาพถ่ายอุบัติเหตุ ที่มืออาชีพจำเป็นต้องให้บรรยาย
ผลบวกลวงของเครื่องมือความมั่นคงปลอดภัย — ไม่ยอมอ่านภาพหน้าจอเพราะในนั้นมีเทอร์มินัล การดักจับแพ็กเก็ต หรือดีบักเกอร์
การเสื่อมถอยแบบเงียบ ๆ — ตัวที่แย่ที่สุด: ไม่ใช่การปฏิเสธ แต่เป็นคำตอบกำกวมที่ไม่ตอบอะไรเลย ซึ่งผ่านการตรวจสอบสคีมาของคุณและวางยาชุดข้อมูลของคุณโดยไม่เคยยกข้อผิดพลาดขึ้นมาเลย

ปัญหาเชิงปฏิบัติการของทั้งห้าข้อไม่ใช่ว่ามันไม่ยุติธรรม แต่คือมันวัดไม่ได้ คำตอบที่ผิดคือจุดข้อมูลหนึ่งจุด คุณให้คะแนนมันได้ จับมันได้ในการประเมิน และแก้ไขชดเชยได้ ส่วนการปฏิเสธคือรูโหว่ ที่ระดับการรันเป็นชุด อัตราการปฏิเสธ 3% ที่กระจายตัวแบบไม่สุ่มทั่วอินพุตของคุณ — กระจุกอยู่ตรงเคสที่ยากและแปลกพอดี โดยโครงสร้าง — คืออคติเชิงระบบในผลลัพธ์ของคุณที่การทำความสะอาดปลายทางมากแค่ไหนก็กู้คืนไม่ได้ การถอดชั้นการปฏิเสธออกคือการถอดแหล่งของข้อมูลขาดหายแบบเงียบ ๆ และมีสหสัมพันธ์กันออกไป

Shannon ดำเนินการโดย Shannon Lab LLC นิวเม็กซิโก สหรัฐอเมริกา ภายใต้นโยบายการใช้งานอย่างรับผิดชอบของเรา ไม่เซ็นเซอร์หมายความว่าโมเดลจะไม่แสดงความเห็นตัดสินอินพุตของคุณ ไม่ได้หมายความว่าบัญชีของคุณไม่มีข้อกำหนดใด ๆ

06ข้อกำหนดฉบับเต็ม

262K

หน้าต่างคอนเท็กซ์

16,384

โทเค็นเอาต์พุตสูงสุด

$0.50

ต่ออินพุต 1M

$2.00

ต่อเอาต์พุต 1M

ฟิลด์	MiniMax-M3 · 3BIT-REAP
Model id	MiniMax-M3-3BIT-REAP
โมเดลฐาน	MiniMax-M3 (MiniMax AI)
หน้าต่างคอนเท็กซ์	262,144 โทเค็น
เอาต์พุตสูงสุด	16,384 โทเค็น
อินพุตเป็นภาพ	รองรับ
อินพุตเป็นวิดีโอ	ไม่เปิดให้ใช้
การสตรีม	รองรับ
การเรียกใช้ทูล	รองรับ
การให้เหตุผล	รองรับ (`reasoning_effort`)
เอาต์พุตแบบมีโครงสร้าง	json_schema + response_format
ชั้นการปฏิเสธ	ไม่มี
เอนด์พอยต์	/v1/chat/completions · /v1/messages · /v1/responses
ให้บริการบน	คลัสเตอร์ GPU ของ Shannon เอง

สองบรรทัดในตารางนั้นควรเน้นย้ำ อินพุตเป็นวิดีโอไม่เปิดให้ใช้ โมเดลฐาน M3 ต้นทางฝึกมาบนวิดีโอ และ MiniMax ระบุอินพุตเป็นวิดีโอไว้ในเอกสาร แต่เอนด์พอยต์ของเรารับภาพ จงพัฒนาโดยอิงกับภาพ อย่างที่สอง หน้าต่าง 262,144 โทเค็น เป็นของเรา ไม่ใช่ตัวเลขหนึ่งล้านของต้นทาง — วางแผนภาระงานเอกสารยาวและภาพจำนวนมากโดยอิงกับ 262,144 แล้วคุณจะไม่มีวันเจอเรื่องไม่คาดคิด

07การเรียกใช้ API MiniMax แบบไม่เซ็นเซอร์

สาม dialect โมเดลเดียวกันอยู่หลังทั้งสามตัว สตรีมได้ทั้งสามตัว ใช้ตัวไหนก็ได้ที่ไคลเอนต์ของคุณพูดได้อยู่แล้ว ไม่มีความต่างด้านความสามารถระหว่างพวกมัน แค่ชี้ base URL ของคุณมาที่ Shannon แล้วเปลี่ยน model id

การเข้าใจภาพผ่าน dialect แบบ 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 แบบ https:// จากระยะไกล และ data URL แบบ base64 ใช้ได้ทั้งคู่ในส่วน image_url แนบภาพหลายส่วนในข้อความเดียวได้เมื่อคุณต้องการเปรียบเทียบข้ามหน้า — คุณมี 262,144 โทเค็นให้ใช้ และที่ $0.50 ต่อหนึ่งล้าน การใช้มันก็ถูกอยู่แล้ว

การสกัดข้อมูลแบบมีชนิดด้วย JSON schema

จุดที่โมเดลนี้พิสูจน์คุณค่าของตัวเองในไปป์ไลน์คือการรวมกันของ การมองเห็น + สคีมาเข้มงวด + ราคาพื้น ไม่ใช่ทุกโมเดลในชุดของเราจะมีครบทั้งสาม: Laguna-S-2.1 และ inkling ไม่รองรับ json_schema ส่วน MiniMax-M3 รองรับ ซึ่งแปลว่าคุณดึงอ็อบเจกต์ที่ตรวจสอบแล้วออกมาจากภาพได้โดยไม่ต้องมีชั้นแยกวิเคราะห์:

{
  "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
      }
    }
  }
}

ระดับความพยายามในการให้เหตุผล

โมเดลเปิด reasoning_effort ไว้ให้ ในงานจำแนกภาพจำนวนมาก ให้ตั้งมันไว้ต่ำ — คุณกำลังถามคำถามเชิงการรับรู้ และโทเค็นการให้เหตุผลก็คือโทเค็นเอาต์พุตที่คุณต้องจ่ายเงิน ยกมันขึ้นสำหรับการเรียกที่ภาพเป็นหลักฐานในข้อโต้แย้งที่ยาวกว่า: อ่านแผนภาพเทียบกับข้อกำหนด กระทบยอดแผนภูมิกับตาราง ตัดสินใจว่าภาพหน้าจอสองภาพแสดงข้อบกพร่องเดียวกันหรือไม่

เอกสารอ้างอิงพารามิเตอร์ฉบับสมบูรณ์ ความหมายของข้อผิดพลาด และรูปแบบการสตรีมสำหรับทั้งสาม dialect อยู่ในเอกสาร API ของ Shannon

08ตรงไหนที่ MiniMax-M3 เป็นตัวเลือกที่ถูกต้อง — และตรงไหนที่ไม่ใช่

เอื้อมไปหยิบมันเมื่อ

งานภาพปริมาณมาก การติดป้ายชุดข้อมูล งานวิจัยด้านการกลั่นกรอง การเสริมข้อมูลแคตตาล็อก การคัดกรองภาพหน้าจอ การทำ OCR และจัดโครงสร้างเป็นชุดจากเอกสารสแกน ราคาพื้นคือเหตุผลทั้งหมด
ภาพเข้า ระเบียนแบบมีชนิดออก การมองเห็นบวก json_schema แบบเข้มงวด บวกโทเค็นที่ถูกที่สุดในชุดโมเดล คือการรวมกันที่มีเพียงสองโมเดลที่นี่เท่านั้นที่ให้ได้
คอนเท็กซ์มัลติโมดัลยาว ๆ หลายหน้า หรือหลายเฟรม ในคำขอเดียว — สถาปัตยกรรมข้างใต้สร้างมาเพื่ออินพุตรูปทรงนี้พอดี
งานวิจัยที่การปฏิเสธทำให้ตัวอย่างเสียหาย การศึกษาใด ๆ ที่ความสมเหตุสมผลของมันขึ้นกับการที่โมเดลตอบทุกรายการ รวมถึงรายการที่ทำให้อึดอัด
ลูปเชิงเอเจนต์ที่ต้องอ่านหน้าจอ สายตระกูล M เป็นเชิงเอเจนต์อย่างชัดเจน และการเรียกใช้ทูลก็มีให้ใช้

เอื้อมไปหยิบตัวอื่นเมื่อ

คุณต้องการเพดานการมองเห็นที่สูงที่สุดและมีงบพอ Kimi-K3 · 3BIT-REAP ราคาอินพุตแพงกว่า 7.7 เท่าด้วยเหตุผล ในการอ่านครั้งเดียวที่เดิมพันสูง นั่นคือเงินที่ควรจ่าย
คุณต้องการน้ำหนักที่เที่ยงตรงสูงสุด 3 บิตคือระดับที่ดุดันที่สุดของเรา โมเดล W8A16 แลกราคากับความแม่นยำ และ MiMo-V2.5 · W8A16 ก็รองรับการมองเห็นที่ $0.50 / $2.00 เท่ากัน ถ้าความเที่ยงตรงต่อน้ำหนักคือสิ่งที่คุณกำลังปรับให้ดีที่สุด
คุณต้องการวิดีโอ เราไม่เปิดอินพุตเป็นวิดีโอบนเอนด์พอยต์นี้
งานเป็นข้อความล้วนที่ระดับแนวหน้า DeepSeek-V4-Pro-0813 มีอยู่เพื่อสิ่งนั้น คุณจะจ่ายเงินให้หอคอยการมองเห็นที่คุณไม่เคยใช้

กำลังเทียบระดับการมองเห็นอยู่ใช่ไหม? อีกฝั่งของช่วงราคามีเอกสารอยู่ในคู่มือ Kimi-K3 แบบไม่เซ็นเซอร์ — คอนเท็กซ์ 262K เท่ากันและไม่มีชั้นการปฏิเสธเหมือนกัน เพดานสูงกว่ามาก และบิลก็สูงกว่ามาก คู่มือโมเดลทั้งสิบสองตัวจัดดัชนีไว้ใน Shannon Research

โปร่งใสโดยการออกแบบ

ทุกตัวเลขจากต้นทางในบทความนี้เผยแพร่โดยคนอื่นที่ไม่ใช่เรา ตรวจสอบแหล่งข้อมูลปฐมภูมิ แทนที่จะเชื่อบทสรุปของเรา

การ์ดโมเดล MiniMax-M3 MiniMax-M1 (arXiv 2506.13585) MiniMax-01 / Lightning Attention REAP (arXiv 2510.13999) Cerebras — บทความเรื่อง REAP

ตัวเลขสถาปัตยกรรม เกณฑ์มาตรฐาน และการเร่งความเร็วของตระกูล MiniMax เป็นข้อมูลที่แล็บ MiniMax AI รายงาน ส่วนตัวเลข REAP เป็นข้อมูลที่ผู้เขียน REAP รายงานบนโมเดลของพวกเขาเอง และไม่ใช่การวัดบิลด์ตัวนี้ ราคา หน้าต่างคอนเท็กซ์ และแฟล็กความสามารถของ Shannon เป็นของเรา และอ่านมาจากแคตตาล็อกโมเดลที่ใช้งานจริงของเรา

09คำถามที่พบบ่อย

API MiniMax แบบไม่เซ็นเซอร์คืออะไร?

มันคือ MiniMax-M3 · 3BIT-REAP ที่ให้บริการบนคลัสเตอร์ GPU ของ Shannon เอง โดยไม่มีชั้นการปฏิเสธและไม่มีการกรองเอาต์พุต คุณเรียกใช้มันผ่าน /v1/chat/completions, /v1/messages หรือ /v1/responses ด้วยหน้าต่างคอนเท็กซ์ 262,144 โทเค็น อินพุตเป็นภาพ การเรียกใช้ทูล และเอาต์พุตแบบมีโครงสร้างตาม JSON schema ที่ $0.50 ต่อโทเค็นอินพุตหนึ่งล้านโทเค็น และ $2.00 ต่อโทเค็นเอาต์พุตหนึ่งล้านโทเค็น

MiniMax-M3 บน Shannon รับอินพุตเป็นภาพหรือไม่?

รับ MiniMax-M3 เป็นหนึ่งในห้าโมเดลที่รองรับการมองเห็นในชุดโมเดลของ Shannon และรับภาพในรูปแบบส่วนเนื้อหา image_url มาตรฐาน รวมถึง data URL แบบ base64 เอนด์พอยต์ของเราเปิดเฉพาะอินพุตเป็นภาพเท่านั้น — เราไม่เปิดอินพุตเป็นวิดีโอ แม้ว่าโมเดลฐานต้นทางจะฝึกมาบนวิดีโอก็ตาม

การเข้าใจภาพแบบไม่เซ็นเซอร์ราคาเท่าไร?

MiniMax-M3 อยู่ที่ราคาพื้นของ Shannon คือ $0.50 ต่อโทเค็นอินพุตหนึ่งล้านโทเค็น และ $2.00 ต่อโทเค็นเอาต์พุตหนึ่งล้านโทเค็น การเรียกภาพชุดละ 1,000 ครั้ง เฉลี่ยอินพุต 1,200 โทเค็นและเอาต์พุต 300 โทเค็นต่อครั้ง มีค่าใช้จ่ายราว $1.20 ชุดเดียวกันบน Kimi-K3 ซึ่งเป็นโมเดลการมองเห็นที่มีเพดานสูงสุดในชุดโมเดล มีค่าใช้จ่ายราว $10.34

3BIT-REAP หมายถึงอะไร และมันทำให้คุณภาพแย่ลงไหม?

REAP คือ Router-weighted Expert Activation Pruning วิธีการบีบอัด Mixture-of-Experts แบบช็อตเดียวจาก Cerebras และ University of Calgary ที่ให้คะแนนผู้เชี่ยวชาญแต่ละตัวจากค่าเกตของเราเตอร์และนอร์มของการกระตุ้น แล้วลบผู้เชี่ยวชาญที่โดดเด่นน้อยที่สุดทิ้งก่อนการควอนไทซ์ น้ำหนักที่เหลือถูกเก็บที่ 3 บิต มันคือระดับการบีบอัดที่ดุดันที่สุดของเรา และเป็นสิ่งที่ทำให้โมเดลฐานขนาด 428 พันล้านพารามิเตอร์ให้บริการได้ที่ราคาพื้น สำหรับความเที่ยงตรงสูงสุด เราปล่อยโมเดล W8A16 แยกต่างหากแทน

มันรองรับการเรียกใช้ทูลและเอาต์พุตตาม JSON schema หรือไม่?

รองรับทั้งสองอย่าง MiniMax-M3 รองรับการสตรีม การเรียกใช้ทูล การให้เหตุผลพร้อมตัวควบคุม reasoning_effort, response_format และเอาต์พุตแบบมีโครงสร้าง json_schema อย่างเข้มงวด การผสมกันแบบนี้ไม่ได้มีทั่วทั้งชุดโมเดล — Laguna-S-2.1 และ inkling ไม่รองรับ json_schema — ดังนั้นถ้าคุณต้องการอ็อบเจกต์ที่มีชนิดข้อมูลกลับมาจากภาพ MiniMax-M3 คือโมเดลที่ถูกที่สุดที่จะให้คุณได้

ผมจะได้หน้าต่างคอนเท็กซ์และเพดานเอาต์พุตเท่าไร?

คอนเท็กซ์ 262,144 โทเค็น และเอาต์พุต 16,384 โทเค็นต่อคำขอ เท่ากันทั้งสิบสองโมเดลของ Shannon โมเดลฐาน MiniMax-M3 ต้นทางมีเอกสารระบุไว้ที่หนึ่งล้านโทเค็น ส่วนเราให้บริการหน้าต่าง 262K ดังนั้นจงวางแผนภาระงานเอกสารยาวและหลายภาพโดยอิงกับ 262,144 ไม่ใช่อิงกับตัวเลขของต้นทาง

ลองใช้ API MiniMax แบบไม่เซ็นเซอร์

การเข้าใจภาพที่ราคาพื้น สาม dialect หนึ่ง model id ไม่มีชั้นการปฏิเสธ

อ่านเอกสาร API คู่มือโมเดลทั้งหมด

Shannon Lab LLC · นิวเม็กซิโก สหรัฐอเมริกา · นโยบายการใช้งานอย่างรับผิดชอบมีผลบังคับใช้

แหล่งอ้างอิง: การ์ดโมเดล 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 ตัวเลขเกณฑ์มาตรฐานและการเร่งความเร็วของ MiniMax เป็นข้อมูลที่แล็บรายงานและยังเป็นข้อมูลชั่วคราวระหว่างรอการตรวจสอบอิสระ ราคาและแฟล็กความสามารถของ Shannon เป็นข้อมูล ณ วันที่ 5 กันยายน 2026

ลิงก์งานวิจัยทั้งหมด