无审查 MiniMax API：最低价位上的视觉能力

几乎每一个托管的多模态 API 都把视觉当成溢价项。文本按文本模型的费率算，可一旦提示词里出现图片，你就要多付钱 —— 有时是好几倍。除此之外，图像输入还是拒答行为最激进的地方：同一个话题，模型在文字里聊得很愉快，换成照片就拒绝描述了。结果就是一个单次调用又贵又不可靠的产品，而这在批量处理时是最糟糕的组合。Shannon 上的 MiniMax-M3 是我们给出的回答：用你在我们最便宜的文本模型上支付的同一个 $0.50 / $2.00，作用在一个从第一步就按多模态训练的基座上，而且前面不摆拒答层。

01这里说的"最便宜的无审查视觉模型"到底是什么意思

Shannon 目录一共十二个模型，其中五个接受图像。按每 100 万 token 计的价格如下：

具备视觉能力的模型	输入	输出	结构化输出
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	仅 response_format
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	json_schema + response_format

MiniMax-M3 坐在地板上 —— $0.50 / $2.00 —— 与 MiMo-V2.5 并列，下面没有更低的了，因为 $0.50 / $2.00 就是我们价目表的底价。对比视觉档位的顶端，它输入便宜 7.7 倍、输出便宜 9.6 倍，比的是 Kimi-K3。

把它放进一个真实任务里。假设你要分拣 1,000 张图片 —— 截图、扫描页、产品照 —— 平均每次输入大约 1,200 token 的图像加提示词，输出 300 token 的答案：

Shannon 标价，2026 年 9 月。token 数量仅供示意；你的图像 token 化取决于分辨率以及每次调用附带多少张图。

还有两个值得记在脑子里的参照点。把整个 262,144 token 的上下文填满一次，大约花13 美分。一条顶格 16,384 token 的回复大约花 3.3 美分。这就是单次最坏情况请求的真实上下界，小到足以让视觉流水线上有意思的约束不再是钱，而是吞吐。

02MiniMax 的谱系：一个优化 token 而不是标题的实验室

MiniMax AI 是一家上海的实验室，它全部开源权重的履历都在回答同一个问题：怎样把注意力做得足够便宜，让长上下文和多模态不再是奢侈品？这条线上的每一次发布都是对这个问题的一次回答，而这些回答彼此叠加。

MiniMax-01 —— 闪电注意力，以及一开始就有的视觉

MiniMax-01 系列（发表为 arXiv 2501.08313）引入了闪电注意力（Lightning Attention），这是一种线性注意力变体的 I/O 感知实现，被放进一个总参数 4560 亿、每 token 激活 459 亿的混合专家模型里。该系列以一对模型的形式发布：MiniMax-Text-01 和视觉模型 MiniMax-VL-01。VL-01 采用了如今大家熟悉的 ViT-MLP-LLM 结构，但用的不是借来的编码器，而是一个在 6.94 亿组图文对上从零训练的 3.03 亿参数 Vision Transformer，随后在一条处理了 5120 亿 token 的多阶段流水线里完成对齐与联合微调。

这个细节对你正在读的这篇文章很关键。这一谱系里的视觉，不是为了凑功能而后期拴到文本模型上的适配器。MiniMax 从第一次开源发布起就在训练自家的视觉塔，这也是为什么文档理解、UI 与截图理解、图表阅读一直是这个家族的稳定强项，而不是事后补上的东西。

MiniMax-M1 —— 为长程推理而生的混合注意力

MiniMax-M1（arXiv 2506.13585）被其作者描述为第一个开源权重的大规模混合注意力推理模型。它保留了 4560 亿 / 459 亿的 MoE 主体，并把两种注意力交错排布：每七个闪电注意力块之后插一个常规的 softmax 注意力 transformer 块。收益体现在算力而不是排行榜名次上 —— MiniMax 报告，在 10 万 token 的生成长度上，M1 消耗的浮点运算大约是 DeepSeek R1 的 25%，同时原生支持 100 万 token 上下文。

MiniMax-M2 —— 转向小激活量

MiniMax-M2 在规模上走了相反方向，并因此赢得关注：一个 62 层的解码器，总参数 2299 亿，但每 token 只激活约 98 亿，每个 MoE 层用 256 个细粒度专家、以 sigmoid 路由选出其中八个，配 RoPE 位置编码和 QK-RMSNorm 来保证训练稳定。它被明确定位为智能体编码模型 —— 多文件编辑、跑-修循环、由测试验证的修复 —— 并引入了交错思考格式，让推理在工具调用轮次之间被携带，而不是每轮结束就丢弃。正是 M2 让 MiniMax 树立了这样的口碑：靠把激活量压得极小，就能以极低的每 token 成本交付逼近前沿的智能体表现。

MiniMax-M3 —— 这个接口底下的基座

MiniMax-M3 于 2026 年 6 月 1 日发布，权重随后上架 Hugging Face，技术报告为 arXiv 2606.13392。它是一个总参数 4280 亿、每 token 激活约 230 亿的混合专家模型，文档标注100 万 token 上下文，并支持原生图像与视频输入 —— MiniMax 称它是"从第一步起"就混合模态训练的，而不是先做文本预训练再做多模态适配。按 MiniMax 自己公布的数字，它在 SWE-bench Verified 上得 80.5%、SWE-bench Pro 上得 59.0%。这些是厂商在一项编码基准上自报的数字，你也应该照这个分量去看待；我们引用它们，是因为它们是该实验室公开的说法，而不是因为我们独立复现过。

03MiniMax 稀疏注意力：一个视觉模型为什么能这么便宜

M3 里真正有意思的工程是 MiniMax 稀疏注意力（MSA），它也是这么大一个多模态模型能坐在我们最低价位上的直接原因。图像很费 token。几页高分辨率的内容，在你写下第一句指令之前，就能往提示词里塞进几万个 token。在标准注意力下，这份成本按平方增长，读二十页的模型并不是读十页的两倍贵 —— 而是远不止两倍。

MSA 改变了这条曲线的形状。它是建立在分组查询注意力（GQA）骨架之上的块稀疏机制，分成两条分支：

• 一条轻量的 Index 分支，为键值块打分 —— 在每个块内的 token 上做最大池化 —— 然后按每个查询位置、每个 GQA 组选出 top-k，并始终把包含该查询本身的本地块纳入进来，以保证训练稳定。
• 一条 Main 分支，只在 Index 选中的那些块上跑普通的 softmax 注意力。

MSA 论文中的配置是 k = 16 个块、每块 128 token，于是每个查询都拥有 2,048 个被关注 token 的固定预算。固定，意思是它不随序列长度增长。这就是全部诀窍：随着上下文变长，稠密基线的注意力成本一路攀升，而 MSA 的主分支成本保持平坦，于是注意力按线性而不是平方扩展。

数据出自 MiniMax 稀疏注意力报告（arXiv 2606.13392）：在 100 万上下文下，相较同等配置的 GQA，每 token 注意力浮点运算减少 28.4 倍；预填充 14.2 倍 / 解码 7.6 倍的墙钟加速，是在论文那项 1090 亿参数研究中于 H800 硬件上测得的。MiniMax 另外报告，M3 相对 M2 在 100 万上下文下预填充快 9 倍、解码快 15 倍。以上均为实验室自报。

该论文还做了一项对视觉文章而言最要紧的检验：在一个原生多模态的 1090 亿 MoE 上，MSA 在包括 AI2D、ChartQA 和 MMMU 的图像基准，以及包括 EgoSchema、LongVideoBench 和 VideoMME 的视频基准上，都保持了与全注意力基线相当的表现 —— 而在更长上下文的视频任务上，稀疏变体有时还更好。这里的稀疏性不是你为速度支付的质量税；在长输入上，它看起来几乎是白送的。

作为客户你为什么该在意这件事：服务成本决定标价。一个注意力成本不再增长的基座，才是你敢拿去处理十万张图片的基座。这就是"最便宜的无审查视觉模型"背后的机制 —— 它不是促销价，而是架构。

043BIT-REAP 是什么意思，代价又在哪里

一个 4280 亿参数的模型，在全精度下哪儿都塞不进去。我们的 MiniMax-M3 构建带着 3BIT-REAP 后缀，它描述的是按特定顺序施加的两步独立操作。

REAP：先删专家，再压缩

REAP —— Router-weighted Expert Activation Pruning —— 是来自 Cerebras 与卡尔加里大学的一次性 MoE 压缩方法，发表为 arXiv 2510.13999，并被 ICLR 2026 接收。它的论点是：对生成式任务而言，剪掉专家好过合并专家；合并会破坏路由器的细粒度控制，并引入一个你永远也补不回来的误差。所以 REAP 改为用一个显著性判据给每个专家打分，结合路由器门控值（路由器挑中它的频率与强度）和专家激活范数（它的输出实际贡献了多少），然后把最不显著的那些专家直接删掉。

作者报告，在大到万亿参数的模型上删掉最多 50% 的专家，基线质量基本得以保留 —— 在 Qwen3-480B-Coder-FP8 上以 50% 剪枝率，保留了基线非智能体编码能力的 97.6%，智能体 SWE-Bench 上的 96.7%。那是论文作者在他们自己的模型上得到的数字，不是我们在 MiniMax-M3 上的数字；我们引用它们，是为了让你判断这个方法，而不是暗示这里有一个对等的测量。

其次，3 比特权重

存活下来的权重随后以 3 比特存储。这个顺序是刻意的，也正是这个组合的要点：先剪枝，后量化。把你宝贵的每权重三个比特花在忠实编码马上就要被删掉的专家上，毫无意义。先剪掉稀疏的长尾，再让剩下的预算全部流向真正会被激活的专家。

诚实的附加说明

3BIT-REAP 是我们提供的最激进的档位。我们把它用在最大的基座上 —— MiniMax-M3、Kimi-K3、DeepSeek-V4-Pro、GLM-5.2、Nemotron3Ultra —— 因为这决定了这些模型是能以合理价格供应，还是根本供应不了。凡是基座小到不需要它的地方，我们就不用：目录里的 W8A16 模型跑 8 比特权重配 16 比特激活，而 W4A16-AUTOROUND-REAP 位于两者之间，用 AutoRound 的学习式舍入找回朴素的就近舍入量化白白丢掉的精度。选择与你容忍度相匹配的档位。如果你要从一万张发票里抽字段，3 比特就是正确的取舍。如果你要对单张图片做一次高风险的取证式判读，就把钱花在 Kimi-K3 上。

05当输入是一张图片时，"没有拒答层"意味着什么

"无审查"这个词常被用得很松，所以这里把主张说精确：这个接口上没有拒答层，也不做输出过滤。没有分类器会在模型看到之前检查你的图片。没有策略模型会在 token 出来的路上检查它们。模型产出什么，你就收到什么。

在文本上，这种效果大家已经熟悉。在视觉上，它的性质不同，因为图像输入正是商业多模态 API 最保守、也最任性的地方。典型的失败长这样：

• 一刀切的身份拒答 —— 干脆拒绝描述照片里的人，连清清楚楚可见、完全无害的属性也不说，因为一条策略分不清"描述"和"识别"。
• 因主题而弃权 —— 因为文档讲的是什么，就拒绝转写或总结它，哪怕转写本身只是一件机械的活。
• 医学与取证上的洁癖 —— 拒绝描述临床影像、伤情记录或事故照片，而专业人士恰恰需要有人把它们描述出来。
• 安全工具的误报 —— 因为截图里有终端、抓包或调试器，就拒绝阅读它。
• 无声的降级 —— 最糟的一种：不是拒答，而是一个含糊其辞的非答案，它能通过你的 schema 校验，在不报任何错误的情况下污染你的数据集。

这五种情况真正的运营问题不在于它们不公平，而在于它们无法测量。一个错误答案是一个数据点；你可以给它打分、在评测中抓到它、并加以修正。一次拒答则是一个窟窿。在批量规模下，3% 的拒答率在你的输入上呈非随机分布 —— 按其构造，恰好集中在最难、最不寻常的样本上 —— 这就是结果里的系统性偏差，任何下游清洗都补不回来。移除拒答层，就移除了一个无声的、相关性极强的缺失数据来源。

Shannon 由美国新墨西哥州的 Shannon Lab LLC 运营，适用我们的《负责任使用政策》。无审查的意思是模型不会对你的输入指手画脚；它不意味着账户不受任何条款约束。

06完整规格

字段	MiniMax-M3 · 3BIT-REAP
模型 id	MiniMax-M3-3BIT-REAP
基座	MiniMax-M3 (MiniMax AI)
上下文窗口	262,144 tokens
最大输出	16,384 tokens
图像输入	支持
视频输入	未开放
流式输出	支持
工具调用	支持
推理	支持（reasoning_effort）
结构化输出	json_schema + response_format
拒答层	无
接口	/v1/chat/completions · /v1/messages · /v1/responses
运行于	Shannon 自己的 GPU 集群

表里有两行值得强调。视频输入未开放。上游 M3 基座是在视频上训练的，MiniMax 也在文档里写了视频输入；而我们的接口接受的是图像。请按图像来搭建。其次，262,144 token 的窗口是我们的，不是上游那个 100 万的数字 —— 按 262,144 规划长文档和多图任务，你就永远不会被意外绊到。

07调用无审查 MiniMax API

三种方言，背后是同一个模型，三种都支持流式。你现有的客户端会说哪一种就用哪一种；它们之间没有能力差异。把你的 base URL 指向 Shannon，然后换掉模型 id。

用 OpenAI 方言做图像理解

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
  }'

远程 https:// URL 和 base64 data URL 在 image_url 部分都能用。当你需要跨页比对时，就在一条消息里附上多个图像块 —— 你有 262,144 token 可花，而在每 100 万 $0.50 的价格下，花掉它们并不心疼。

用 JSON Schema 做带类型的抽取

这个模型在流水线里赢得位置的地方，是视觉 + 严格 schema + 最低价位的组合。我们目录里并非每个模型三者齐全：Laguna-S-2.1 和 inkling 不支持 json_schema。MiniMax-M3 支持，这意味着你可以不加解析层，就从一张图片里拿到一个已校验的对象：

{
  "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
      }
    }
  }
}

推理强度

这个模型开放了 reasoning_effort。在批量图像分类上把它调低 —— 你问的是一个感知问题，而推理 token 是你要付钱的输出 token。当图片是更长论证中的一份证据时，就把它调高：对照规格书读一张图、把图表和表格对上账、判断两张截图是不是同一个缺陷。

三种方言的完整参数参考、错误语义与流式格式，都在 Shannon API 文档里。

08什么时候该选 MiniMax-M3 —— 什么时候不该

在这些情况下选它

• 大批量图像工作。数据集标注、内容审核研究、商品目录补全、截图分拣、对扫描文档做批量 OCR 与结构化。最低价位本身就是全部理由。
• 把图像变成带类型的记录。视觉 + 严格 json_schema + 目录里最便宜的 token，这个组合这里只有两个模型能提供。
• 长多模态上下文。一次请求里塞很多页，或者很多帧 —— 底下的架构正是为这种形状的输入而造的。
• 拒答会污染样本的研究。任何其有效性取决于模型逐项作答（包括那些让人不舒服的项）的研究。
• 需要读屏的智能体循环。M 系列谱系本就明确面向智能体，而且工具调用可用。

在这些情况下选别的

• 你需要最高的视觉天花板，而预算允许。Kimi-K3 · 3BIT-REAP 的输入价是 7.7 倍，这是有原因的；对一次高风险的判读来说，这笔钱花得对。
• 你需要最高保真度的权重。3 比特是我们最激进的档位。W8A16 模型用价格换精度，而 MiMo-V2.5 · W8A16 在同样的 $0.50 / $2.00 上也具备视觉能力，如果你优化的是每权重的保真度。
• 你需要视频。我们在这个接口上不开放视频输入。
• 任务是纯文本的前沿工作。那是 DeepSeek-V4-Pro-0813 的事；否则你是在为一个自己从不使用的视觉塔付钱。

MiniMax 家族的架构、基准与加速数字均由 MiniMax AI 实验室自报；REAP 的数字由 REAP 作者在他们自己的模型上报告，并非对本构建的测量。Shannon 的价格、上下文窗口和能力标记是我们自己的，读自我们的线上模型目录。

09常见问题

---

来源：MiniMax-M3 模型卡 · MiniMax-M1：用闪电注意力高效扩展测试时算力 · MiniMax-01：用闪电注意力扩展基础模型 · REAP the Experts：为什么一次性 MoE 压缩中剪枝更优。MiniMax 的基准与加速数字为实验室自报，在独立验证之前均属暂定。Shannon 的价格与能力标记截至 2026 年 9 月 5 日为最新。