ہم کسی بھی صارف کا ڈیٹا اپنے پاس نہیں رکھتے اور نہ ہی اس تک رسائی رکھتے ہیں، اور ہم اکاؤنٹس معطل نہیں کرتے جب تک کوئی قانونی اتھارٹی نفاذی کارروائی کا تقاضا نہ کرے۔

ماڈل رہنمائی · MiniMax-M3 · 3BIT-REAP

بغیر سنسر شپ MiniMax API: فرش قیمت پر وژن

Shannon گیٹ وے پر بغیر سنسر شپ تصویری فہم حاصل کرنے کا سب سے سستا راستہ MiniMax-M3 ہے — $0.50 داخل، $2.00 خارج، 262,144 ٹوکن کا سیاق، اور آپ کے اور تصویر کے درمیان کوئی انکار کی پرت نہیں۔

شائع شدہ 5 ستمبر 2026ماڈل رہنمائیبنیاد: MiniMax-M3

خلاصہ

MiniMax-M3 · 3BIT-REAP ایک وژن کے قابل، بغیر سنسر شپ ماڈل ہے جو Shannon کی فرش قیمت پر ہے: فی ملین داخل ٹوکن $0.50 اور فی ملین خارج ٹوکن $2.00، 262,144 ٹوکن کے سیاق، 16,384 ٹوکن اخراج، اسٹریمنگ، ٹول کالنگ، reasoning_effort کے ساتھ استدلال، اور سخت json_schema اخراج کے ساتھ۔ یہ MiniMax AI کی M3 بنیاد پر بنا ہے — ایک 428B پیرامیٹر کا Mixture-of-Experts ماڈل جس میں MiniMax Sparse Attention اور مقامی کثیر وسیلہ تربیت ہے — جسے 3-bit وزنوں اور REAP ماہر کٹائی سے ترکیب دیا گیا تاکہ وہ اسی قیمت پر ہمارے اپنے GPU کلسٹر پر سما جائے۔ اگر آپ کا کام یہ ہے کہ “اس تصویر کو دیکھو اور ایمانداری سے جواب دو، دس ہزار بار”، تو ماڈل یہی ہے۔

تقریباً ہر میزبان کثیر وسیلہ API وژن کی قیمت اضافی رکھتا ہے۔ آپ متن کے لیے متنی ماڈل کی شرح دیتے ہیں، اور پھر جیسے ہی پیش لفظ میں تصویر آتی ہے، آپ زیادہ دیتے ہیں — کبھی کئی گنا زیادہ۔ اس کے اوپر، انکاری رویہ تصویری داخلوں پر سب سے زیادہ جارحانہ ہوتا ہے: جو ماڈل کسی موضوع پر متن میں خوشی سے بات کرے گا، وہی تصویر میں اسی چیز کو بیان کرنے سے انکار کر دے گا۔ نتیجہ ایک ایسی مصنوعات ہے جو فی کال مہنگی اور فی کال ناقابلِ اعتبار ہے، اور حجم پر کام کرتے ہوئے یہ دونوں جہانوں کا بدترین امتزاج ہے۔ Shannon پر MiniMax-M3 اسی کا ہمارا جواب ہے: وہی $0.50 / $2.00 جو آپ ہمارے سب سے سستے متنی ماڈل پر دیتے ہیں، ایک ایسی بنیاد پر لاگو جس کی تربیت پہلے قدم سے کثیر وسیلہ ہوئی، اور جس کے آگے کوئی انکار کی پرت نہیں بیٹھی۔

01یہاں “سب سے سستا بغیر سنسر شپ وژن ماڈل” کا اصل مطلب

Shannon کی فہرست بارہ ماڈلوں کی ہے۔ ان میں سے پانچ تصاویر قبول کرتے ہیں۔ ان کی قیمتیں، فی ملین ٹوکن:

وژن کے قابل ماڈل	داخل	خارج	ساختی اخراج
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 only
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	json_schema + response_format

MiniMax-M3 فرش پر بیٹھتا ہے — $0.50 / $2.00 — MiMo-V2.5 کے برابر، اور اس سے نیچے کچھ نہیں، کیونکہ $0.50 / $2.00 ہماری قیمت کی فہرست کا فرش ہے۔ وژن کی حد کے اوپری سرے کے مقابلے میں یہ Kimi-K3 سے داخل پر 7.7 گنا اور خارج پر 9.6 گنا سستا ہے۔

اسے کسی کام کے بوجھ میں رکھ کر دیکھیے۔ فرض کیجیے آپ 1,000 تصاویر چھانٹ رہے ہیں — اسکرین شاٹ، اسکین شدہ صفحات، مصنوعات کی تصویریں — جن میں اوسطاً تقریباً 1,200 ٹوکن تصویر اور پیش لفظ اندر جاتے ہیں اور 300 ٹوکن جواب باہر آتا ہے:

MiniMax-M3$1.20

MiMo-V2.5$1.20

Kimi-K2.6$2.04

inkling$3.53

Kimi-K3$10.34

Shannon کی فہرستی قیمتیں، ستمبر 2026۔ ٹوکن گنتیاں محض وضاحت کے لیے ہیں؛ آپ کی تصویری ٹوکن بندی ریزولوشن پر اور اس پر منحصر ہے کہ آپ فی کال کتنی تصاویر منسلک کرتے ہیں۔

دو مزید حوالہ جاتی نکتے ذہن میں رکھنے کے قابل ہیں۔ پورے 262,144 ٹوکن کے سیاق کو ایک بار بھرنے پر تقریباً 13 سینٹ لگتے ہیں۔ زیادہ سے زیادہ لمبائی کا 16,384 ٹوکن جواب تقریباً 3.3 سینٹ کا پڑتا ہے۔ یہ کسی ایک بدترین صورت کی درخواست کی اصل حدیں ہیں، اور یہ اتنی چھوٹی ہیں کہ کسی وژن پائپ لائن پر دلچسپ رکاوٹ پیسہ نہیں رہتی بلکہ گزرگاہ کی رفتار بن جاتی ہے۔

02MiniMax کا سلسلہ: وہ لیبارٹری جو سرخیوں کے بجائے ٹوکن بہتر کرتی ہے

MiniMax AI شنگھائی کی ایک لیبارٹری ہے جس کا پورا کھلے وزنوں والا ریکارڈ ایک ہی سوال کے گرد ہے: توجہ کو اتنا سستا کیسے بنایا جائے کہ طویل سیاق اور کثیر وسیلگی عیاشی نہ رہیں؟ اس سلسلے کی ہر اجرا اسی سوال کا جواب ہے، اور یہ جواب ایک دوسرے پر تعمیر ہوتے ہیں۔

MiniMax-01 — Lightning Attention، اور شروع ہی سے وژن

MiniMax-01 سلسلے (جو arXiv 2501.08313 کے طور پر شائع ہوا) نے Lightning Attention متعارف کرایا، جو خطی توجہ کی ایک قسم کا I/O سے آگاہ نفاذ ہے، اور اسے 456B کل پیرامیٹر اور فی ٹوکن 45.9B فعال والے ایک ہائبرڈ Mixture-of-Experts ماڈل کے اندر رکھا۔ یہ سلسلہ جوڑے کی صورت آیا: MiniMax-Text-01 اور MiniMax-VL-01، یعنی وژن ماڈل۔ VL-01 نے اب مانوس ہو چکا ViT-MLP-LLM ڈھیر استعمال کیا، مگر کسی مستعار انکوڈر کے بجائے 30 کروڑ 30 لاکھ پیرامیٹر کا ایک Vision Transformer، جو 69 کروڑ 40 لاکھ تصویر-کیپشن جوڑوں پر نئے سرے سے تربیت پایا، اور پھر ایک کئی مرحلوں کی پائپ لائن میں، جس نے 512 ارب ٹوکن سنبھالے، صف بند اور مشترکہ طور پر فائن ٹیون ہوا۔

یہ تفصیل اُس مضمون کے لیے اہم ہے جو آپ پڑھ رہے ہیں۔ اس سلسلے میں وژن کوئی دیر سے آنے والا اڈاپٹر نہیں جو محض خانہ بھرنے کے لیے کسی متنی ماڈل پر چپکایا گیا ہو۔ MiniMax اپنی پہلی کھلی اجرا سے اپنا بصری مینار خود تربیت دیتا آیا ہے، اور یہی وجہ ہے کہ دستاویزی فہم، UI اور اسکرین شاٹ کی سمجھ، اور چارٹ پڑھنا اس خاندان کی مستقل خوبیاں رہی ہیں، بعد کی سوچ نہیں۔

MiniMax-M1 — طوالت پر استدلال کے لیے ہائبرڈ توجہ

MiniMax-M1 (arXiv 2506.13585) کو اس کے مصنفین نے پہلا کھلے وزنوں والا، بڑے پیمانے کا ہائبرڈ توجہ استدلالی ماڈل قرار دیا۔ اس نے 456B / 45.9B کا MoE بدن برقرار رکھا اور دونوں طرح کی توجہ کو باہم پیوست کیا: ہر سات Lightning Attention بلاکوں کے بعد ایک روایتی softmax توجہ کا ٹرانسفارمر بلاک۔ فائدہ لیڈر بورڈ کے مقام کے بجائے حساب میں ناپا گیا — MiniMax نے بتایا کہ 100K ٹوکن کی تخلیقی لمبائی پر M1 نے DeepSeek R1 کے تقریباً 25% FLOPs خرچ کیے، جبکہ مقامی طور پر دس لاکھ ٹوکن کے سیاق کی حمایت کرتا رہا۔

MiniMax-M2 — چھوٹی فعالیت کا موڑ

MiniMax-M2 حجم کے معاملے میں دوسری سمت گیا اور اسی پر توجہ سمیٹی: ایک 62 تہوں کا ڈی کوڈر جس میں 229.9B کل پیرامیٹر مگر فی ٹوکن صرف ~9.8B فعال ہیں، ہر MoE تہہ میں 256 باریک ماہر جن میں سے آٹھ کو sigmoid راستہ بندی ملتی ہے، تربیتی استحکام کے لیے RoPE مقامات اور QK-RMSNorm۔ یہ صریحاً ایک ایجنٹی کوڈنگ ماڈل تھا — کئی فائلوں کی تدوین، چلا کر ٹھیک کرنے کے چکر، ٹیسٹ سے تصدیق شدہ مرمتیں — اور اسی نے باہم پیوستہ سوچ کی صورت متعارف کرائی، جہاں استدلال ٹول کال کے دوروں کے درمیان اٹھایا جاتا ہے، ہر باری کے بعد پھینکا نہیں جاتا۔ M2 ہی وہ ماڈل ہے جس نے MiniMax کی یہ شہرت قائم کی کہ وہ فی ٹوکن لاگت کے ایک حصے پر، محض فعالیتیں چھوٹی رکھ کر، صفِ اول سے متصل ایجنٹی رویہ دیتا ہے۔

MiniMax-M3 — اس اینڈ پوائنٹ کے نیچے کی بنیاد

MiniMax-M3 یکم جون 2026 کو جاری ہوا، وزن اس کے کچھ ہی بعد Hugging Face پر آئے اور تکنیکی رپورٹ arXiv 2606.13392 پر۔ یہ ایک 428B پیرامیٹر کا Mixture-of-Experts ماڈل ہے جس میں فی ٹوکن تقریباً 23B فعال ہیں، دستاویز شدہ دس لاکھ ٹوکن کا سیاق، اور مقامی تصویری اور ویڈیو داخلہ — MiniMax اسے یوں بیان کرتا ہے کہ اس کی تربیت “بالکل پہلے قدم سے” مخلوط وسیلوں پر ہوئی، نہ کہ پہلے متن پر پیشگی تربیت اور پھر کثیر وسیلہ موافقت۔ MiniMax کے اپنے شائع کردہ اعداد پر یہ SWE-bench Verified پر 80.5% اور SWE-bench Pro پر 59.0% حاصل کرتا ہے۔ یہ ایک کوڈنگ بینچ مارک پر فروخت کنندہ کے بتائے ہوئے اعداد ہیں، اور آپ کو انہیں عین اسی وزن سے تولنا چاہیے؛ ہم انہیں اس لیے نقل کرتے ہیں کہ یہ اس لیبارٹری کے شائع کردہ دعوے ہیں، اس لیے نہیں کہ ہم نے انہیں آزادانہ طور پر دہرایا ہے۔

03MiniMax Sparse Attention: ایک وژن ماڈل اتنا سستا کیوں ہو سکتا ہے

M3 میں دلچسپ انجینئری MiniMax Sparse Attention (MSA) ہے، اور یہی براہِ راست وجہ ہے کہ اس حجم کا ایک کثیر وسیلہ ماڈل ہماری فرش قیمت پر بیٹھ سکتا ہے۔ تصویریں ٹوکن کے لحاظ سے مہنگی ہوتی ہیں۔ اعلیٰ ریزولوشن کے چند صفحات آپ کے ایک بھی ہدایتی لفظ لکھنے سے پہلے پیش لفظ میں دسیوں ہزار ٹوکن ڈال سکتے ہیں۔ عام توجہ کے تحت یہ لاگت مربعی طور پر بڑھتی ہے، اور بیس صفحات پڑھنے والا ماڈل دس پڑھنے والے سے دگنا مہنگا نہیں ہوتا — وہ دگنے سے کہیں زیادہ برا ہوتا ہے۔

MSA اُس منحنی کی شکل بدل دیتا ہے۔ یہ ایک بلاک خلوت دار طریقہ ہے جو Grouped Query Attention کے ڈھانچے پر بنا ہے، اور دو شاخوں میں بٹا ہوا ہے:

ایک ہلکی پھلکی Index Branch جو key-value بلاکوں کو نمبر دیتی ہے — ہر بلاک کے اندر ٹوکنوں پر زیادہ سے زیادہ کا انتخاب کرتے ہوئے — اور فی استفساری مقام اور فی GQA گروہ سرِفہرست k چنتی ہے، اور تربیتی استحکام کے لیے ہمیشہ وہ مقامی بلاک شامل رکھتی ہے جس میں استفسار خود موجود ہو۔
ایک Main Branch جو عام softmax توجہ صرف اُن بلاکوں پر چلاتی ہے جنہیں انڈیکس نے چنا۔

MSA مقالے کی ترتیب k = 128 ٹوکن کے 16 بلاک ہے، جو ہر استفسار کو 2,048 توجہ یافتہ ٹوکن کا ایک مقررہ بجٹ دیتی ہے۔ مقررہ، یعنی یہ ترتیب کی لمبائی کے ساتھ نہیں بڑھتا۔ کل نکتہ یہی ہے: جوں جوں سیاق بڑھتا ہے، ایک گنجان بنیادی خط کی توجہی لاگت چڑھتی رہتی ہے جبکہ MSA کی مرکزی شاخ کی لاگت ہموار رہتی ہے، اس لیے توجہ مربعی کے بجائے خطی پیمانے پر بڑھتی ہے۔

2,048

توجہ یافتہ ٹوکن / استفسار

28.4×

1M پر کم توجہی FLOPs

14.2×

1M پر پیش بھرائی کی تیزی

7.6×

1M پر ڈی کوڈ کی تیزی

اعداد MiniMax Sparse Attention رپورٹ (arXiv 2606.13392) سے: 1M سیاق پر ہم پلہ ترتیب والے GQA کے مقابلے میں فی ٹوکن توجہی FLOPs میں 28.4 گنا کمی، اور مقالے کے 109B پیرامیٹر مطالعے میں H800 ہارڈ ویئر پر ناپی گئی 14.2 گنا پیش بھرائی / 7.6 گنا ڈی کوڈ کی گھڑیالی تیزی۔ MiniMax الگ سے بتاتا ہے کہ 1M سیاق پر M3، M2 کے مقابلے میں 9 گنا پیش بھرائی اور 15 گنا ڈی کوڈ کی تیزی دیتا ہے۔ سب اعداد لیبارٹری کے بتائے ہوئے ہیں۔

مقالہ وہ جانچ بھی کرتا ہے جو کسی وژن مضمون کے لیے اہم ہے: ایک مقامی طور پر کثیر وسیلہ 109B MoE پر MSA نے AI2D، ChartQA اور MMMU سمیت تصویری بینچ مارکوں، اور EgoSchema، LongVideoBench اور VideoMME سمیت ویڈیو بینچ مارکوں پر مکمل توجہ کے بنیادی خط کے قابلِ موازنہ کارکردگی برقرار رکھی — اور خلوت دار اقسام نے کبھی کبھی لمبے سیاق والے ویڈیو کاموں پر بہتری بھی دکھائی۔ یہاں خلوت کوئی معیاری ٹیکس نہیں جو آپ رفتار کے بدلے دیں؛ لمبے داخلوں پر یہ تقریباً مفت معلوم ہوتی ہے۔

گاہک کے طور پر آپ کو اس کی پروا کیوں ہونی چاہیے: فہرستی قیمت پیش کش کی لاگت طے کرتی ہے۔ جس بنیاد کی توجہی لاگت بڑھنا بند کر دے، اسے آپ ایک لاکھ تصویروں کی طرف موڑنے کے قابل ہو جاتے ہیں۔ “سب سے سستا بغیر سنسر شپ وژن ماڈل” کے پیچھے یہی طریقہ کار ہے — یہ کوئی تشہیری شرح نہیں، ایک فن تعمیر ہے۔

043BIT-REAP کا مطلب، اور یہ آپ کو کہاں مہنگا پڑتا ہے

428 ارب پیرامیٹر کا ماڈل مکمل درستگی پر کہیں آرام سے نہیں سماتا۔ ہمارے MiniMax-M3 بلڈ پر 3BIT-REAP کا لاحقہ ہے، جو ایک مخصوص ترتیب میں لاگو دو الگ الگ عملوں کو بیان کرتا ہے۔

REAP: ماہرین کو ترکیب دینے سے پہلے حذف کیجیے

REAP — یعنی Router-weighted Expert Activation Pruning — Cerebras اور University of Calgary کا ایک یک بارگی MoE ترکیبی طریقہ ہے، جو arXiv 2510.13999 کے طور پر شائع ہوا اور ICLR 2026 میں قبول ہوا۔ اس کی دلیل یہ ہے کہ تخلیقی کاموں کے لیے ماہرین کو کاٹنا، انہیں ملانے سے بہتر ہے: ملانا روٹر کا باریک کنٹرول تباہ کر دیتا ہے اور ایک ایسی خامی ڈال دیتا ہے جسے آپ کبھی واپس نہیں لا سکتے۔ چنانچہ REAP اس کے بجائے ہر ماہر کو ایک نمایاں پن کے پیمانے پر نمبر دیتا ہے جو روٹر کی گیٹ قدروں (روٹر اسے کتنی بار اور کتنی شدت سے چنتا ہے) اور ماہر کی فعالیت کے معیار (اس کا اخراج اصل میں کتنا حصہ ڈالتا ہے) کو ملا کر بنتا ہے، پھر سب سے کم نمایاں ماہرین کو سرے سے حذف کر دیتا ہے۔

مصنفین بتاتے ہیں کہ انہوں نے ایک کھرب پیرامیٹر تک کے ماڈلوں سے 50% تک ماہر ہٹائے جبکہ بنیادی معیار بڑی حد تک برقرار رہا — Qwen3-480B-Coder-FP8 پر 50% کٹائی کے ساتھ، بنیادی غیر ایجنٹی کوڈنگ صلاحیت کا 97.6% اور ایجنٹی SWE-Bench پر 96.7% برقرار رہا۔ یہ مقالے کے ماڈلوں پر مقالے کے اعداد ہیں، ہمارے MiniMax-M3 پر ہمارے نہیں؛ ہم انہیں اس لیے نقل کرتے ہیں کہ آپ طریقے کو پرکھ سکیں، اس لیے نہیں کہ یہاں کوئی مساوی پیمائش مراد ہو۔

3-bit وزن، دوسرے مرحلے پر

پھر بچ رہنے والے وزن 3 بٹ پر رکھے جاتے ہیں۔ یہ ترتیب سوچی سمجھی ہے اور یہی اس امتزاج کا نکتہ ہے: پہلے کاٹیے، پھر کوانٹائز کیجیے۔ فی وزن اپنے قیمتی تین بٹ اُن ماہرین کو وفاداری سے سمونے پر خرچ کرنے کا کوئی تُک نہیں جنہیں آپ ابھی حذف کرنے والے ہیں۔ خلوت دار دُم کاٹیے، پھر بچا ہوا بجٹ پورے کا پورا اُن ماہرین کو جانے دیجیے جو واقعی چلتے ہیں۔

ایماندارانہ تنبیہ

3BIT-REAP وہ سب سے جارحانہ درجہ ہے جو ہم دیتے ہیں۔ ہم اسے سب سے بڑی بنیادوں پر استعمال کرتے ہیں — MiniMax-M3، Kimi-K3، DeepSeek-V4-Pro، GLM-5.2، Nemotron3Ultra — کیونکہ فرق یہی ہے کہ وہ ماڈل ایک معقول قیمت پر دستیاب ہوں یا سرے سے دستیاب نہ ہوں۔ جہاں کوئی بنیاد اتنی چھوٹی ہو کہ اسے اس کی ضرورت نہ ہو، وہاں ہم اسے استعمال نہیں کرتے: فہرست کے W8A16 ماڈل 8-bit وزن اور 16-bit فعالیت پر چلتے ہیں، اور W4A16-AUTOROUND-REAP درمیان میں بیٹھتا ہے، جو AutoRound کی سیکھی ہوئی راؤنڈنگ سے وہ درستگی واپس لاتا ہے جو سادہ قریب ترین راؤنڈنگ والی کوانٹائزیشن گنوا دیتی ہے۔ وہ درجہ چنیے جو آپ کی برداشت سے میل کھائے۔ اگر آپ دس ہزار بلوں سے خانے نکال رہے ہیں تو 3-bit درست سودا ہے۔ اگر آپ کسی ایک تصویر کا ایک بلند داؤ والا فرانزک مطالعہ کر رہے ہیں تو پیسہ Kimi-K3 پر خرچ کیجیے۔

05جب داخلہ ایک تصویر ہو تو “کوئی انکار کی پرت نہیں” کا مطلب

“بغیر سنسر شپ” ایک ایسا لفظ ہے جو ڈھیلے ڈھالے انداز میں برتا جاتا ہے، اس لیے عین دعویٰ یہ ہے: اس اینڈ پوائنٹ پر کوئی انکار کی پرت نہیں اور اخراج پر کوئی چھلنی نہیں۔ ماڈل کے دیکھنے سے پہلے کوئی درجہ بند آپ کی تصویر کی جانچ نہیں کرتا۔ باہر جاتے ٹوکنوں کی کوئی پالیسی ماڈل جانچ پڑتال نہیں کرتا۔ ماڈل جو پیدا کرتا ہے وہی آپ کو ملتا ہے۔

متن میں اس کا اثر مانوس ہے۔ وژن میں یہ نوعیت کے لحاظ سے مختلف ہے، کیونکہ تصویری داخلوں پر انکاری رویہ ہی وہ جگہ ہے جہاں تجارتی کثیر وسیلہ API سب سے زیادہ محتاط اور سب سے زیادہ من مانے ہوتے ہیں۔ نمایاں ناکامیوں کی صورت یوں ہوتی ہے:

شناخت پر یکسر انکار — کسی تصویر میں لوگوں کو سرے سے بیان کرنے سے انکار، بشمول اُن خصوصیات کے جو صاف نظر آ رہی ہوں اور بالکل بے ضرر ہوں، کیونکہ کوئی پالیسی بیان اور شناخت میں فرق نہیں کر سکتی۔
موضوع کی بنیاد پر دستبرداری — کسی دستاویز کو نقل یا خلاصہ کرنے سے انکار اس بنا پر کہ دستاویز کس بارے میں ہے، حالانکہ نقل کرنا ایک مشینی کام ہے۔
طبی اور فرانزک نازک مزاجی — طبی تصاویر، زخموں کی دستاویز بندی، یا حادثے کی تصویروں کو بیان کرنے سے انکار، جنہیں کسی پیشہ ور کو بیان کرایا جانا ضروری ہے۔
سلامتی اوزاروں پر جھوٹے مثبت — کسی اسکرین شاٹ کو پڑھنے سے انکار محض اس لیے کہ اس میں کوئی ٹرمینل، پیکٹ کیپچر، یا ڈی بگر موجود ہے۔
خاموش گراوٹ — سب سے بری صورت: انکار نہیں بلکہ ایک لیت و لعل والا غیر جواب، جو آپ کی اسکیما توثیق پاس کر لیتا ہے اور کوئی خامی اٹھائے بغیر آپ کے ڈیٹاسیٹ کو زہر آلود کر دیتا ہے۔

ان پانچوں کے ساتھ عملی مسئلہ یہ نہیں کہ وہ ناانصافی ہیں۔ مسئلہ یہ ہے کہ وہ ناقابلِ پیمائش ہیں۔ غلط جواب ایک ڈیٹا نکتہ ہے؛ آپ اسے نمبر دے سکتے ہیں، جانچ میں پکڑ سکتے ہیں، اور اس کی تلافی کر سکتے ہیں۔ انکار ایک سوراخ ہے۔ بیچ کے پیمانے پر، آپ کے داخلوں میں غیر بے ترتیب انداز سے پھیلی 3% انکار کی شرح — جو ساخت ہی کے اعتبار سے عین مشکل اور غیر معمولی صورتوں پر مرتکز ہوتی ہے — آپ کے نتائج میں ایک نظامی جھکاؤ ہے، جسے بعد کی کوئی صفائی واپس نہیں لا سکتی۔ انکار کی پرت ہٹانا خاموش، باہم مربوط گمشدہ ڈیٹا کا ایک سرچشمہ ہٹا دیتا ہے۔

Shannon کو Shannon Lab LLC، نیو میکسیکو، امریکہ چلاتی ہے، ہماری ذمہ دارانہ استعمال کی پالیسی کے تحت۔ بغیر سنسر شپ کا مطلب یہ ہے کہ ماڈل آپ کے داخلوں پر تبصرہ آرائی نہیں کرتا؛ اس کا مطلب یہ نہیں کہ اکاؤنٹ پر کوئی شرائط نہیں۔

06مکمل تفصیلات

262K

سیاق کی کھڑکی

16,384

زیادہ سے زیادہ خارج ٹوکن

$0.50

فی 1M داخل

$2.00

فی 1M خارج

خانہ	MiniMax-M3 · 3BIT-REAP
ماڈل شناخت	MiniMax-M3-3BIT-REAP
بنیاد	MiniMax-M3 (MiniMax AI)
سیاق کی کھڑکی	262,144 ٹوکن
زیادہ سے زیادہ اخراج	16,384 ٹوکن
تصویری داخلہ	ہاں
ویڈیو داخلہ	دستیاب نہیں
اسٹریمنگ	ہاں
ٹول کالنگ	ہاں
استدلال	ہاں (`reasoning_effort`)
ساختی اخراج	json_schema + response_format
انکار کی پرت	کوئی نہیں
اینڈ پوائنٹ	/v1/chat/completions · /v1/messages · /v1/responses
کہاں پیش کیا جاتا ہے	Shannon کا اپنا GPU کلسٹر

اس جدول کی دو سطریں زور کی مستحق ہیں۔ ویڈیو داخلہ دستیاب نہیں۔ اپ اسٹریم M3 بنیاد کی تربیت ویڈیو پر ہوئی تھی اور MiniMax ویڈیو داخلے کی دستاویز بندی کرتا ہے؛ ہمارا اینڈ پوائنٹ تصاویر قبول کرتا ہے۔ تصاویر کے حساب سے تعمیر کیجیے۔ دوسری بات، 262,144 ٹوکن کی کھڑکی ہماری ہے، اپ اسٹریم کا دس لاکھ والا عدد نہیں — لمبی دستاویز اور کئی تصویروں والے کام کی منصوبہ بندی 262,144 کے حساب سے کیجیے اور آپ کو کبھی حیرت نہیں ہوگی۔

07بغیر سنسر شپ MiniMax API کو پکارنا

تین لہجے، ان سب کے پیچھے وہی ایک ماڈل، اور تینوں پر اسٹریمنگ۔ وہی استعمال کیجیے جو آپ کا موجودہ کلائنٹ پہلے سے بولتا ہے؛ ان کے درمیان صلاحیت کا کوئی فرق نہیں۔ اپنا بنیادی URL، Shannon کی طرف موڑیے اور ماڈل شناخت بدل دیجیے۔

OpenAI لہجے کے ذریعے تصویری فہم

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
  }'

دور دراز https:// URL اور base64 ڈیٹا URL دونوں image_url حصے میں کام کرتے ہیں۔ جب آپ کو صفحات کا آپس میں موازنہ درکار ہو تو ایک ہی پیغام میں کئی تصویری حصے منسلک کیجیے — آپ کے پاس خرچ کرنے کو 262,144 ٹوکن ہیں اور فی ملین $0.50 پر انہیں خرچ کرنا سستا ہے۔

JSON اسکیما کے ساتھ قسم بند اخراج

یہ ماڈل کسی پائپ لائن میں اپنی جگہ وژن + سخت اسکیما + فرش قیمت کے امتزاج سے کماتا ہے۔ ہماری فہرست کے ہر ماڈل میں تینوں نہیں: Laguna-S-2.1 اور inkling، json_schema کی حمایت نہیں کرتے۔ MiniMax-M3 کرتا ہے، یعنی آپ کسی تصویر سے ایک توثیق شدہ شے، بغیر کسی تجزیاتی پرت کے، حاصل کر سکتے ہیں:

{
  "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
      }
    }
  }
}

استدلالی محنت

ماڈل reasoning_effort دیتا ہے۔ انبوہی تصویری درجہ بندی پر اسے نیچے رکھیے — آپ ایک ادراکی سوال پوچھ رہے ہیں، اور استدلالی ٹوکن وہی خارج ٹوکن ہیں جن کی آپ قیمت دیتے ہیں۔ اسے اُن کالوں کے لیے بڑھائیے جہاں تصویر کسی لمبی دلیل میں شہادت ہو: کسی خاکے کو کسی تفصیل نامے کے مقابلے میں پڑھنا، کسی چارٹ کو کسی جدول سے ملانا، یہ طے کرنا کہ دو اسکرین شاٹ ایک ہی خرابی دکھا رہے ہیں یا نہیں۔

تینوں لہجوں کے لیے مکمل پیرامیٹر حوالہ، خامیوں کے معنی، اور اسٹریمنگ کی صورتیں Shannon API دستاویزکاری میں ہیں۔

08MiniMax-M3 کہاں درست انتخاب ہے — اور کہاں نہیں

اسے تب اٹھائیے جب

حجمی تصویری کام ہو۔ ڈیٹاسیٹ لیبلنگ، اعتدال کی تحقیق، فہرست کی افزودگی، اسکرین شاٹ کی چھانٹ، اسکین شدہ دستاویزوں پر بیچ OCR اور ساخت سازی۔ فرش قیمت ہی پوری دلیل ہے۔
تصویروں سے قسم بند ریکارڈ چاہیے ہوں۔ وژن، اس کے ساتھ سخت json_schema، اور فہرست کے سب سے سستے ٹوکن — یہ امتزاج یہاں صرف دو ماڈل دیتے ہیں۔
طویل کثیر وسیلہ سیاق ہو۔ ایک ہی درخواست میں کئی صفحات، یا کئی فریم — نیچے کا فن تعمیر عین اسی شکل کے داخلے کے لیے بنا ہے۔
ایسی تحقیق ہو جہاں انکار نمونے کو خراب کر دیں۔ ہر وہ مطالعہ جس کی صحت اس پر منحصر ہو کہ ماڈل ہر شے کا جواب دے، بشمول تکلیف دہ شے کے۔
ایسے ایجنٹی چکر ہوں جو اسکرین پڑھتے ہوں۔ M سلسلہ صریحاً ایجنٹی ہے، اور ٹول کالنگ دستیاب ہے۔

کچھ اور تب اٹھائیے جب

آپ کو سب سے اونچی وژن چھت چاہیے اور بجٹ موجود ہے۔ Kimi-K3 · 3BIT-REAP کی داخلی قیمت 7.7 گنا ہے، اور اس کی وجہ ہے؛ کسی ایک بلند داؤ والے مطالعے پر یہی درست خرچ ہے۔
آپ کو زیادہ سے زیادہ وفاداری والے وزن چاہئیں۔ 3-bit ہمارا سب سے جارحانہ درجہ ہے۔ W8A16 ماڈل قیمت کے بدلے درستگی دیتے ہیں، اور اگر آپ فی وزن وفاداری کو بہتر بنا رہے ہیں تو MiMo-V2.5 · W8A16 اُسی $0.50 / $2.00 پر وژن کے قابل ہے۔
آپ کو ویڈیو چاہیے۔ ہم اس اینڈ پوائنٹ پر ویڈیو داخلہ نہیں دیتے۔
کام صفِ اول کا خالص متن ہو۔ اس کے لیے DeepSeek-V4-Pro-0813 موجود ہے؛ ورنہ آپ ایسے بصری مینار کی قیمت دیں گے جو آپ کبھی استعمال نہیں کریں گے۔

وژن درجے کا موازنہ کر رہے ہیں؟ اس حد کا دوسرا سرا بغیر سنسر شپ Kimi-K3 رہنمائی میں دستاویز شدہ ہے — وہی 262K سیاق اور کوئی انکار کی پرت نہیں، ایک کہیں اونچی چھت، اور ایک کہیں بڑا بل۔ بارہوں ماڈل رہنمائیاں Shannon Research میں درج ہیں۔

ڈیزائن ہی سے شفاف

اس مضمون کا ہر اپ اسٹریم عدد ہمارے علاوہ کسی اور کا شائع کردہ ہے۔ ہمارے خلاصے پر تکیہ کرنے کے بجائے بنیادی مآخذ خود جانچیے۔

MiniMax-M3 ماڈل کارڈ MiniMax-M1 (arXiv 2506.13585) MiniMax-01 / Lightning Attention REAP (arXiv 2510.13999) Cerebras — REAP کی تحریر

MiniMax خاندان کے فن تعمیر، بینچ مارک اور تیزی کے اعداد MiniMax AI کی لیبارٹری کے بتائے ہوئے ہیں؛ REAP کے اعداد REAP کے مصنفین نے اپنے ماڈلوں پر بتائے ہیں اور یہ اس بلڈ کی پیمائش نہیں۔ Shannon کی قیمتیں، سیاق کی کھڑکی اور صلاحیتی جھنڈے ہمارے اپنے ہیں اور ہماری زندہ ماڈل فہرست سے پڑھے جاتے ہیں۔

09اکثر پوچھے جانے والے سوالات

بغیر سنسر شپ MiniMax API کیا ہے؟

یہ MiniMax-M3 · 3BIT-REAP ہے جو Shannon کے اپنے GPU کلسٹر پر بغیر کسی انکار کی پرت اور بغیر اخراج پر کسی چھلنی کے پیش کیا جاتا ہے۔ آپ اسے /v1/chat/completions، /v1/messages، یا /v1/responses کے ذریعے 262,144 ٹوکن کی سیاقی کھڑکی، تصویری داخلے، ٹول کالنگ اور JSON-schema ساختی اخراج کے ساتھ پکارتے ہیں، فی ملین داخل ٹوکن $0.50 اور فی ملین خارج ٹوکن $2.00 پر۔

کیا Shannon پر MiniMax-M3 تصویری داخلہ قبول کرتا ہے؟

جی ہاں۔ MiniMax-M3، Shannon کی فہرست کے اُن پانچ وژن کے قابل ماڈلوں میں سے ایک ہے اور تصاویر کو معیاری image_url مواداتی حصے کی صورت میں قبول کرتا ہے، بشمول base64 ڈیٹا URL۔ ہمارا اینڈ پوائنٹ صرف تصویری داخلہ دیتا ہے — ہم ویڈیو داخلہ نہیں دیتے، اگرچہ اپ اسٹریم بنیاد کی تربیت ویڈیو پر ہوئی تھی۔

بغیر سنسر شپ تصویری فہم پر کتنا خرچ آتا ہے؟

MiniMax-M3، Shannon کی فرش قیمت پر بیٹھتا ہے، یعنی فی ملین داخل ٹوکن $0.50 اور فی ملین خارج ٹوکن $2.00۔ 1,000 تصویری کالوں کا ایک بیچ، جس میں اوسطاً فی کال 1,200 داخل ٹوکن اور 300 خارج ٹوکن ہوں، تقریباً $1.20 کا پڑتا ہے۔ وہی بیچ Kimi-K3 پر، جو فہرست کا سب سے اونچی چھت والا وژن ماڈل ہے، تقریباً $10.34 کا پڑتا ہے۔

3BIT-REAP کا کیا مطلب ہے، اور کیا یہ معیار کو نقصان پہنچاتا ہے؟

REAP سے مراد Router-weighted Expert Activation Pruning ہے، جو Cerebras اور University of Calgary کا ایک یک بارگی Mixture-of-Experts ترکیبی طریقہ ہے اور ہر ماہر کو روٹر کی گیٹ قدر اور فعالیت کے معیار سے نمبر دیتا ہے، پھر کوانٹائزیشن سے پہلے سب سے کم اہم ماہرین کو حذف کر دیتا ہے۔ باقی وزن 3 بٹ پر رکھے جاتے ہیں۔ یہ ہمارا سب سے جارحانہ ترکیبی درجہ ہے اور یہی 428 ارب پیرامیٹر کی بنیاد کو فرش قیمت پر پیش کرنے کے قابل بناتا ہے۔ زیادہ سے زیادہ وفاداری کے لیے ہم اس کے بجائے الگ W8A16 ماڈل دیتے ہیں۔

کیا یہ ٹول کالنگ اور JSON schema اخراج کی حمایت کرتا ہے؟

دونوں کی، جی ہاں۔ MiniMax-M3، اسٹریمنگ، ٹول کالنگ، reasoning_effort کنٹرول کے ساتھ استدلال، response_format، اور سخت json_schema ساختی اخراج کی حمایت کرتا ہے۔ یہ مجموعہ پوری فہرست میں عام نہیں — Laguna-S-2.1 اور inkling، json_schema کی حمایت نہیں کرتے — اس لیے اگر آپ کو کسی تصویر سے کوئی قسم بند شے واپس چاہیے تو MiniMax-M3 وہ سب سے سستا ماڈل ہے جو آپ کو یہ دے گا۔

مجھے کتنی سیاقی کھڑکی اور اخراج کی حد ملتی ہے؟

فی درخواست 262,144 ٹوکن کا سیاق اور 16,384 ٹوکن کا اخراج، جو Shannon کے بارہ ماڈلوں میں یکساں ہے۔ اپ اسٹریم MiniMax-M3 بنیاد دس لاکھ ٹوکن پر دستاویز شدہ ہے؛ ہم 262K کی کھڑکی پیش کرتے ہیں، اس لیے لمبی دستاویز اور کئی تصویروں والے کام کی منصوبہ بندی 262,144 کے حساب سے کیجیے، اپ اسٹریم عدد کے حساب سے نہیں۔

بغیر سنسر شپ MiniMax API آزمائیے

فرش قیمت پر تصویری فہم۔ تین لہجے، ایک ماڈل شناخت، کوئی انکار کی پرت نہیں۔

API دستاویزات پڑھیں تمام ماڈل رہنمائیاں

Shannon Lab LLC · نیو میکسیکو، امریکہ · ذمہ دارانہ استعمال کی پالیسی لاگو ہے

مآخذ: MiniMax-M3 ماڈل کارڈ · 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۔ MiniMax کے بینچ مارک اور تیزی کے اعداد لیبارٹری کے بتائے ہوئے اور آزادانہ تصدیق تک عارضی ہیں۔ Shannon کی قیمتیں اور صلاحیتی جھنڈے 5 ستمبر 2026 تک درست ہیں۔

تمام تحقیقی لنکس