Minimax
MiniMax M2.5
Максимальный контекст
204.8K
Максимальный вывод
131.1K
Дата выпуска
N/A
MiniMax-M3MiniMax M3 в источниках выделяется следующими характеристиками: 1M-token контекст, MiniMax Sparse Attention, native мультимодальный foundation model. Основная ценность модели связана с долгосрочные agents, программирование, использование инструментов and large-контекст сотрудничество. Поэтому в описании стоит подчеркнуть именно эти отличия, а не подавать модель как обычный универсальный чат-бот.
Context Window
512K tokens
Maximum Output
128K tokens
Release Date
1 июн. 2026 г.
Modalities
| Цена входа | Цена выхода | Чтение кэша |
|---|---|---|
| $0.6/M | $2.4/M | $0.12/M |
Reasoning
Tool calling
Temperature parameter
Attachments
Knowledge Base
Endpoint Protocols
MiniMax M3 сочетает продвинутую разработку ПО, контекст на миллион токенов и встроенное визуальное понимание для длительных инженерных и агентных задач.
Модель выполняет исправление ошибок, frontend- и backend-разработку, оптимизацию производительности и многораундовое взаимодействие в длительных сессиях.
MiniMax Sparse Attention обеспечивает контекст до миллиона токенов и снижает вычислительную нагрузку при обработке длинных последовательностей.
Модель с самого начала обучалась на смешанных модальностях, поэтому обрабатывает текст, изображения и видео и рассуждает с опорой на визуальные данные.
MiniMax M3 подходит для разработки на уровне репозитория, длительных технических исследований и визуального анализа документов, кода и экспериментальных результатов.
Анализировать крупную кодовую базу, учитывать меняющиеся требования и в несколько итераций реализовывать frontend-, backend- или производительные изменения.
Удерживать статью, исходный код и журналы экспериментов в одном контексте, воспроизводить эксперименты, изучать графики и сравнивать результаты с публикацией.
Интерпретировать схемы, графики, снимки экрана или видео вместе с техническим текстом и кодом, выявлять проблемы и предлагать изменения реализации.
import OpenAI from "openai"
const client = new OpenAI({
apiKey: process.env.TOKENHUB_API_KEY,
baseURL: "https://us-api.tokenhub.com/v1",
})
const result = await client.chat.completions.create({})
console.log(result.choices[0]?.message?.content)MiniMax-M3
| Индексный балл | ||
|---|---|---|
| Artificial Analysis Intelligence Index | Сводная оценка общих возможностей | 44.4 |
| Artificial Analysis Coding Index | Сводная оценка навыков программирования | 43.4 |
| Знания и рассуждения | ||
| GPQA | Решение сложных научных задач | 92.9% |
| HLE | Экспертные задания по широкому кругу тем | 37.1% |
| Программирование и разработка ПО | ||
| SciCode | Задачи по научному программированию | 45.4% |
| Terminal-Bench Hard | Сложные задачи в терминале | 42.4% |
| Следование инструкциям и агентные задачи | ||
| IFBench | Соблюдение условий промпта | 82.9% |
| AA-LCR | Рассуждения в длинном контексте | 74% |
| τ²-Bench | Агентные рабочие процессы | 88.9% |
Источник метрик Artificial Analysis
Ответы на частые вопросы об API MiniMax M3, ценах, разработке и агентных сценариях, лимитах длинного контекста и сравнении моделей.
MiniMax M3 — мультимодальная модель MiniMax для длительных агентных задач, программирования и использования инструментов. Она подходит для нагрузок с большим объемом проектной информации, длинным контекстом и задачами разработки для продакшена.
MiniMax M3 стоит оценить для сценариев программирования и агентов, которым нужны длинный контекст, повторные вызовы инструментов или совместная работа в несколько шагов. Перед запуском в продакшене протестируйте его на реальных задачах репозитория, вызовах инструментов и критериях завершения из вашего процесса.
Создайте API-ключ TokenHub, скопируйте точный ID модели MiniMax M3 с этой страницы и выберите поддерживаемый эндпоинт в разделе API. Используйте сгенерированный пример запроса как основу для интеграции с OpenAI-совместимым или другим поддерживаемым клиентом.
Посмотрите текущие цены за входные, выходные и кэшированные токены на этой странице, затем оцените стоимость по обычному размеру промптов, длине ответов, числу запросов и доле попаданий в кэш. У длинного контекста и агентных сценариев структура затрат может сильно отличаться от короткого текстового запроса.
Проверьте текущее окно контекста, максимальный вывод, входные модальности, поддерживаемые эндпоинты и цены в спецификациях модели. Большой лимит контекста не отменяет необходимости структурировать документы, контролировать циклы инструментов и тестировать модель на реальных данных проекта.
Сравнивайте MiniMax M3 и Kimi K3 на той нагрузке, которую вы планируете запускать. Проверьте текущие цены API, лимиты контекста и вывода, модальности, поддерживаемые эндпоинты и бенчмарки, затем проведите небольшую оценку на собственных задачах программирования, рассуждений или агентов.
Создайте API-ключ в рабочем пространстве TokenHub, затем скопируйте точный ID модели MiniMax M3 с этой страницы. Перед отправкой продакшен-трафика проверьте здесь поддерживаемый эндпоинт и актуальные спецификации, поскольку доступность и данные модели могут меняться.
Получите доступ к MiniMax M3 и другим моделям ИИ с одним API-ключом TokenHub.
Материалы и обсуждения
Подборка публичных видео и публикаций, связанных с этой моделью.
X (Twitter)
Reddit
YouTube