Нецензурований API MiniMax: зір за мінімальною ціною

Майже кожен хостований мультимодальний API продає зір як преміум. За текст ви платите за тарифом текстової моделі, а щойно в промпт потрапляє зображення — платите більше, іноді в кілька разів. До того ж саме на вхідних зображеннях поведінка відмов найагресивніша: модель, яка залюбки обговорить тему в тексті, відмовиться описати те саме на фотографії. У підсумку виходить продукт, дорогий за виклик і ненадійний за виклик, — найгірше з обох світів, коли ви обробляєте обсяг. MiniMax-M3 на Shannon — наша відповідь: ті самі $0.50 / $2.00, що ви платите за нашу найдешевшу текстову модель, застосовані до фундаменту, який навчали мультимодально з першого кроку, і без шару відмов перед ним.

01Що тут насправді означає «найдешевша нецензурована модель із зором»

Каталог Shannon — це дванадцять моделей. П'ять із них приймають зображення. Їхні ціни за мільйон токенів:

Модель із зором	Вхід	Вихід	Структурований вивід
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	лише response_format
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	json_schema + response_format

MiniMax-M3 стоїть на нижній межі — $0.50 / $2.00 — нарівні з MiMo-V2.5, і нижче немає нічого, бо $0.50 / $2.00 і є дном нашого прайс-листа. Проти верхівки діапазону моделей із зором вона у 7.7× дешевша на вході й у 9.6× дешевша на виході за Kimi-K3.

Перекладіть це в навантаження. Припустімо, ви сортуєте 1 000 зображень — скріншоти, скановані сторінки, фото товарів — у середньому приблизно 1 200 токенів зображення плюс промпт на вході й 300 токенів відповіді на виході:

Прайс-лист Shannon, вересень 2026. Кількості токенів наведено для ілюстрації; ваша токенізація зображень залежить від роздільності й від того, скільки зображень ви додаєте до виклику.

Ще дві опорні точки, які варто тримати в голові. Одноразове заповнення всього контексту на 262 144 токени коштує близько 13 центів. Відповідь максимальної довжини у 16 384 токени коштує близько 3.3 цента. Це реальні межі одного найгіршого запиту, і вони достатньо малі, щоб цікавим обмеженням у конвеєрі з зором стали не гроші, а пропускна здатність.

02Родовід MiniMax: лабораторія, що оптимізує токени, а не заголовки

MiniMax AI — шанхайська лабораторія, увесь відкритий доробок якої крутиться навколо одного питання: як зробити увагу достатньо дешевою, щоб довгий контекст і мультимодальність перестали бути розкішшю? Кожен реліз лінійки — це відповідь на нього, і відповіді нашаровуються одна на одну.

MiniMax-01 — Lightning Attention і зір із самого початку

Серія MiniMax-01 (опублікована як arXiv 2501.08313) представила Lightning Attention — обізнану про введення-виведення реалізацію варіанта лінійної уваги — усередині гібридної моделі Mixture-of-Experts на 456 млрд загальних параметрів із 45.9 млрд активних на токен. Серія вийшла парою: MiniMax-Text-01 і MiniMax-VL-01, модель із зором. VL-01 використовувала вже звичний стек ViT-MLP-LLM, але з Vision Transformer на 303 мільйони параметрів, навченим з нуля на 694 мільйонах пар «зображення — підпис», а не з позиченим енкодером, після чого його вирівняли й спільно донавчили в багатоетапному конвеєрі, що обробив 512 мільярдів токенів.

Ця деталь важлива для статті, яку ви читаєте. Зір у цьому родоводі — не пізній адаптер, прикручений до текстової моделі заради галочки. MiniMax тренує власну візуальну вежу з першого відкритого релізу, і саме тому розуміння документів, інтерфейсів і скріншотів та читання графіків були послідовними сильними сторонами сімейства, а не запізнілими думками.

MiniMax-M1 — гібридна увага для довгого міркування

MiniMax-M1 (arXiv 2506.13585) автори описали як першу відкриту великомасштабну модель міркування з гібридною увагою. Вона зберегла тіло MoE 456 млрд / 45.9 млрд і чергувала два типи уваги: звичайний трансформерний блок із softmax-увагою після кожних семи блоків Lightning Attention. Виграш вимірювався в обчисленнях, а не в позиції в рейтингу — MiniMax повідомила, що на генерації довжиною 100 тис. токенів M1 споживала приблизно 25% FLOPs DeepSeek R1, нативно підтримуючи контекст на мільйон токенів.

MiniMax-M2 — поворот до малої активації

MiniMax-M2 пішла в інший бік за розміром і здобула цим увагу: декодер на 62 шари з 229.9 млрд загальних параметрів, але лише ~9.8 млрд активних на токен, із 256 дрібнозернистими експертами на MoE-шар, сигмоїдною маршрутизацією до восьми з них, позиціями RoPE й QK-RMSNorm для стабільності навчання. Це була явно модель для агентного програмування — багатофайлові правки, цикли «запусти й полагодь», виправлення, перевірені тестами, — і вона ввела формат переплетеного мислення, коли міркування переноситься між раундами викликів інструментів, а не відкидається після кожного ходу. Саме M2 закріпила за MiniMax репутацію лабораторії, що дає близьку до фронтиру агентну поведінку за частку вартості токена — суто через мізерні активації.

MiniMax-M3 — фундамент під цим ендпоїнтом

MiniMax-M3 вийшла 1 червня 2026 року, ваги з'явилися на Hugging Face невдовзі після того, а технічний звіт — на arXiv 2606.13392. Це модель Mixture-of-Experts на 428 млрд параметрів із приблизно 23 млрд активних на токен, задокументованим контекстом на мільйон токенів і нативним входом зображень і відео — MiniMax описує її як навчену на змішаних модальностях «із самого першого кроку», а не текстово передтреновану з подальшою мультимодальною адаптацією. За власними опублікованими цифрами MiniMax вона набирає 80.5% на SWE-bench Verified і 59.0% на SWE-bench Pro. Це цифри виробника на бенчмарку з програмування, і зважувати їх слід саме так; ми наводимо їх тому, що це опубліковані твердження лабораторії, а не тому, що ми незалежно їх відтворили.

03MiniMax Sparse Attention: чому модель із зором може бути такою дешевою

Цікава інженерія в M3 — це MiniMax Sparse Attention (MSA), і саме вона є прямою причиною того, що мультимодальна модель такого розміру може стояти на нашій мінімальній ціні. Зображення дорогі за токенами. Кілька сторінок високої роздільності здатні закинути в промпт десятки тисяч токенів ще до того, як ви напишете бодай одну інструкцію. За стандартної уваги ця вартість зростає квадратично, і модель, що читає двадцять сторінок, не вдвічі дорожча за ту, що читає десять, — вона значно гірша за вдвічі.

MSA змінює форму цієї кривої. Це блочно-розріджений механізм, побудований на кістяку Grouped Query Attention, розділений на дві гілки:

• Легка індексна гілка, що оцінює блоки «ключ — значення» — беручи максимум оцінок по токенах усередині кожного блоку — і вибирає топ-k для кожної позиції запиту й кожної групи GQA, завжди включаючи локальний блок із самим запитом задля стабільності навчання.
• Основна гілка, що виконує звичайну softmax-увагу лише по блоках, які відібрала індексна гілка.

Конфігурація зі статті про MSA — k = 16 блоків по 128 токенів, що дає кожному запиту фіксований бюджет у 2 048 токенів уваги. Фіксований — тобто такий, що не росте з довжиною послідовності. У цьому й весь трюк: зі зростанням контексту вартість уваги щільної базової моделі й далі дереться вгору, а вартість основної гілки MSA лишається пласкою, тож увага масштабується лінійно, а не квадратично.

Цифри зі звіту про MiniMax Sparse Attention (arXiv 2606.13392): скорочення FLOPs уваги на токен у 28.4× порівняно з еквівалентно налаштованою GQA на контексті 1M, а також прискорення за годинником у 14.2× на prefill і 7.6× на декодуванні, виміряні на обладнанні H800 у дослідженні моделі на 109 млрд параметрів. Окремо MiniMax повідомляє про прискорення у 9× на prefill і 15× на декодуванні для M3 проти M2 на контексті 1M. Усі цифри — від лабораторії.

У статті є й перевірка, що має значення для матеріалу про зір: на нативно мультимодальній MoE на 109 млрд MSA утримала продуктивність, співмірну з базовою повною увагою, по бенчмарках зображень, зокрема AI2D, ChartQA та MMMU, і по відеобенчмарках, зокрема EgoSchema, LongVideoBench і VideoMME, — причому розріджені варіанти подеколи покращували результати на відеозавданнях із довшим контекстом. Розрідженість тут — не податок на якість заради швидкості; на довгих входах вона виглядає майже безкоштовною.

Чому це має обходити вас як клієнта: вартість обслуговування визначає ціну в прайс-листі. Фундамент, у якого вартість уваги перестає рости, — це фундамент, який ви можете дозволити собі спрямувати на сто тисяч зображень. Ось механізм за словами «найдешевша нецензурована модель із зором» — це не рекламний тариф, це архітектура.

04Що означає 3BIT-REAP і чим воно вам коштує

Модель на 428 мільярдів параметрів не вміщається нікуди зручно в повній точності. Наша збірка MiniMax-M3 несе суфікс 3BIT-REAP, який описує дві окремі операції, застосовані в певному порядку.

REAP: видаліть експертів, перш ніж їх стискати

REAP — Router-weighted Expert Activation Pruning — це одноразовий метод стиснення MoE від Cerebras і Університету Калгарі, опублікований як arXiv 2510.13999 і прийнятий на ICLR 2026. Його теза в тому, що для генеративних завдань проріджування експертів переважає їхнє злиття: злиття руйнує тонкий контроль маршрутизатора й вносить помилку, яку вже ніколи не відновити. Тому REAP натомість оцінює кожного експерта за критерієм значущості, що поєднує значення воріт маршрутизатора (як часто й наскільки сильно маршрутизатор його обирає) і норми активацій експерта (наскільки його вихід справді робить внесок), а потім прямо видаляє найменш значущих.

Автори повідомляють про видалення до 50% експертів із моделей розміром аж до трильйона параметрів із загалом збереженою базовою якістю — на Qwen3-480B-Coder-FP8 при 50% проріджування збереглося 97.6% базової неагентної здатності до програмування й 96.7% на агентному SWE-Bench. Це цифри статті на моделях статті, а не наші на MiniMax-M3; ми наводимо їх, щоб ви могли оцінити метод, а не щоб натякнути на еквівалентний вимір тут.

Далі — 3-бітні ваги

Ваги, що вціліли, потім зберігають у 3 бітах. Порядок дій навмисний і в ньому вся суть поєднання: спершу проріджування, потім квантування. Немає сенсу витрачати свої дорогоцінні три біти на вагу, сумлінно кодуючи експертів, яких ви ось-ось видалите. Обріжте розріджений хвіст, а тоді хай увесь залишковий бюджет піде на експертів, які справді спрацьовують.

Чесне застереження

3BIT-REAP — найагресивніший рівень, який ми випускаємо. Ми застосовуємо його до найбільших фундаментів — MiniMax-M3, Kimi-K3, DeepSeek-V4-Pro, GLM-5.2, Nemotron3Ultra — бо це різниця між тим, чи ці моделі доступні за розумною ціною, і тим, чи вони доступні взагалі. Там, де фундамент достатньо малий, щоб цього не потребувати, ми його не застосовуємо: моделі W8A16 в каталозі працюють на 8-бітних вагах із 16-бітними активаціями, а W4A16-AUTOROUND-REAP стоїть посередині, використовуючи навчене округлення AutoRound, щоб повернути точність, яку віддає наївне квантування округленням до найближчого. Обирайте рівень під свою терпимість. Якщо ви витягуєте поля з десяти тисяч рахунків, 3 біти — правильний компроміс. Якщо ви робите одне високоставкове криміналістичне прочитання єдиного зображення, витратьте гроші на Kimi-K3.

05Що означає «без шару відмов», коли на вході зображення

Слово «нецензурований» вживають вільно, тому ось точне твердження: на цьому ендпоїнті немає шару відмов і немає фільтрації виводу. Жоден класифікатор не оглядає ваше зображення перед тим, як його побачить модель. Жодна модель політик не оглядає токени на виході. Що модель породила, те ви й отримали.

У тексті ефект від цього знайомий. У зорі він інакший за природою, бо саме на вхідних зображеннях комерційні мультимодальні API найконсервативніші й найсвавільніші. Характерні збої виглядають так:

• Суцільні відмови щодо особи — небажання взагалі описувати людей на фотографії, включно з ознаками, що очевидно видимі й цілком нешкідливі, бо політика не вміє відрізнити опис від ідентифікації.
• Відступ через тематику — відмова транскрибувати чи підсумувати документ через те, про що він, хоча транскрипція є механічним завданням.
• Медична й криміналістична гидливість — небажання описувати клінічні зображення, документацію травм чи фотографії з місця аварії, які фахівцеві потрібно мати описаними.
• Хибні спрацювання на інструментах безпеки — відмова прочитати скріншот, бо на ньому термінал, дамп пакетів або відлагоджувач.
• Тиха деградація — найгірше: не відмова, а ухильна не-відповідь, яка проходить вашу валідацію схеми й отруює датасет, жодного разу не піднявши помилки.

Операційна проблема всіх п'яти не в тому, що вони несправедливі. Вона в тому, що вони невимірювані. Хибна відповідь — це точка даних; її можна оцінити, зловити на етапі перевірки й скоригувати. Відмова — це діра. На масштабі пакетної обробки 3% відмов, розподілені невипадково по ваших входах — сконцентровані, за самою побудовою, саме на складних і незвичних випадках, — це системне зміщення результатів, якого не виправить жодне очищення далі за конвеєром. Прибирання шару відмов прибирає джерело тихих, корельованих пропусків у даних.

Shannon керує Shannon Lab LLC, Нью-Мексико, США, згідно з нашою Політикою відповідального використання. «Нецензурований» означає, що модель не редагує на свій розсуд ваші входи; це не означає, що в облікового запису немає умов.

06Повна специфікація

Поле	MiniMax-M3 · 3BIT-REAP
ID моделі	MiniMax-M3-3BIT-REAP
Фундамент	MiniMax-M3 (MiniMax AI)
Контекстне вікно	262 144 токени
Макс. вивід	16 384 токени
Вхідні зображення	Так
Вхідне відео	Не відкрито
Стримінг	Так
Виклик інструментів	Так
Міркування	Так (reasoning_effort)
Структурований вивід	json_schema + response_format
Шар відмов	Немає
Ендпоїнти	/v1/chat/completions · /v1/messages · /v1/responses
Обслуговується на	власному GPU-кластері Shannon

Два рядки в цій таблиці варті окремого наголосу. Вхідне відео не відкрито. Вихідний фундамент M3 навчали на відео, і MiniMax документує вхідне відео; наш ендпоїнт приймає зображення. Будуйте під зображення. По-друге, вікно на 262 144 токени — наше, а не вихідна цифра в мільйон: плануйте навантаження з довгими документами й багатьма зображеннями під 262 144, і несподіванок не буде.

07Як звертатися до нецензурованого API MiniMax

Три діалекти, за всіма — та сама модель, стримінг на всіх трьох. Використовуйте той, яким уже говорить ваш клієнт; різниці в можливостях між ними немає. Спрямуйте базовий URL на Shannon і змініть ID моделі.

Розпізнавання зображень через діалект 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
  }'

У частині image_url працюють і віддалені https://-посилання, і data-URL у base64. Додавайте кілька частин із зображеннями в одне повідомлення, коли потрібне порівняння між сторінками, — у вас 262 144 токени, і за $0.50 за мільйон витрачати їх дешево.

Типізоване витягування за JSON-схемою

Своє місце в конвеєрі ця модель заробляє поєднанням зір + строга схема + мінімальна ціна. Не в кожної моделі нашого каталогу є всі три: Laguna-S-2.1 та inkling не підтримують json_schema. MiniMax-M3 підтримує, тобто ви можете дістати перевірений об'єкт із зображення без прошарку парсингу:

{
  "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
      }
    }
  }
}

Зусилля міркування

Модель відкриває reasoning_effort. На масовій класифікації зображень тримайте його низьким — ви ставите перцептивне питання, а токени міркування є вихідними токенами, за які ви платите. Піднімайте його для викликів, де зображення є доказом у довшому міркуванні: звірити діаграму зі специфікацією, узгодити графік із таблицею, вирішити, чи два скріншоти показують один і той самий дефект.

Повний довідник параметрів, семантику помилок і формати стримінгу для всіх трьох діалектів шукайте в документації API Shannon.

08Коли MiniMax-M3 — правильний вибір, а коли ні

Беріть її, коли

• Обсягова робота із зображеннями. Розмітка датасетів, дослідження модерації, збагачення каталогу, сортування скріншотів, пакетний OCR зі структуруванням сканованих документів. Мінімальна ціна — увесь аргумент.
• Зображення в типізовані записи. Зір плюс строга json_schema плюс найдешевші токени в каталозі — поєднання, яке тут пропонують лише дві моделі.
• Довгий мультимодальний контекст. Багато сторінок або багато кадрів в одному запиті — архітектура під сподом побудована саме під таку форму входу.
• Дослідження, де відмови псують вибірку. Будь-яке дослідження, чия валідність залежить від того, чи модель відповість на кожен пункт, включно з незручними.
• Агентні цикли, що читають екран. Родовід серії M явно агентний, і виклик інструментів доступний.

Беріть щось інше, коли

• Вам потрібна найвища стеля зору й бюджет є. Kimi-K3 · 3BIT-REAP коштує у 7.7× дорожче на вході не просто так; на одному високоставковому прочитанні це правильні гроші.
• Вам потрібні ваги максимальної точності. 3 біти — наш найагресивніший рівень. Моделі W8A16 міняють ціну на точність, а MiMo-V2.5 · W8A16 бачить зображення за ті самі $0.50 / $2.00, якщо ви оптимізуєте точність на вагу.
• Вам потрібне відео. Вхідне відео на цьому ендпоїнті ми не відкриваємо.
• Завдання — суто текст на межі можливого. Для цього існує DeepSeek-V4-Pro-0813; інакше ви платили б за візуальну вежу, якою ніколи не скористаєтеся.

Архітектурні цифри, бенчмарки й показники прискорення для сімейства MiniMax повідомлені лабораторією MiniMax AI; цифри REAP повідомлені авторами REAP на їхніх власних моделях і не є виміром цієї збірки. Ціни Shannon, контекстне вікно й прапорці можливостей — наші й зчитані з нашого живого каталогу моделей.

09Часті запитання

---

Джерела: картка моделі 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. Цифри бенчмарків і прискорень MiniMax повідомлені лабораторією й лишаються попередніми до незалежної перевірки. Ціни Shannon й прапорці можливостей чинні станом на 5 вересня 2026 року.