Minimax
MiniMax M2.5
MiniMax-M2.5
最大上下文
204.8K
最大輸出
131.1K
發布日期
暫無
輸入$0.3 / 百萬 Token
輸出$1.2 / 百萬 Token
MiniMax M3
MiniMax-M3MiniMax M3 被描述為前沿多模态基座模型，支援 1M token 上下文，面向長周期 Agent 工作、程式碼任務和工具調用。模型卡強調 MiniMax Sparse Attention，以及相較於上一代在超長上下文成本上的显著降低。它更適合作为面向生產環境的多模态 Agent 模型，用于大上下文、軟體任務和協作工作流程。
上下文視窗
512K Token
最大輸出
128K Token
發布日期
2026年6月1日
模態
MiniMax M3 價格
| 輸入價格 | 輸出價格 | 快取讀取 |
|---|---|---|
| $0.6/M | $2.4/M | $0.12/M |
MiniMax M3 API 能力
推理
支援
工具呼叫
支援
Temperature 參數
支援
附件
支援
知識庫
—
Endpoint 協議
Completions APIMessages APIgemini
MiniMax M3 模型亮點
MiniMax M3 結合進階軟體工程、百萬級內容脈絡視窗與原生視覺理解，適合長時間開發及 Agent 工作。
長週期程式開發
可在長時間工程工作階段中處理缺陷修復、前後端開發、效能最佳化與多輪協作。
百萬級內容脈絡
MiniMax Sparse Attention 支援最高百萬級內容脈絡視窗，並降低長內容脈絡處理的運算負擔。
原生多模態
模型從訓練初期便混合處理多種模態，可理解文字、圖片與影片，並進行以視覺內容為依據的推理。
MiniMax M3 使用情境
MiniMax M3 適合儲存庫層級軟體工程、長時間技術研究，以及結合文件、程式碼與實驗結果的視覺分析。
儲存庫層級開發
分析大型程式碼庫、因應持續調整的需求，並透過多輪協作完成前端、後端或效能相關修改。
技術研究重現
在同一內容脈絡中處理論文、原始碼與實驗記錄，接著實作實驗、檢查圖表並與論文結果比較。
多模態技術分析
結合技術文字與程式碼理解圖表、螢幕截圖或影片，找出問題並提出實作修改方案。
如何透過 TokenHub API 使用 MiniMax M3
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 基準測試
MiniMax-M3
| 指數分數 | ||
|---|---|---|
| Artificial Analysis 綜合能力指數 | Artificial Analysis 綜合能力評分 | 44.4 |
| Artificial Analysis 程式碼能力指數 | Artificial Analysis 軟體任務評分 | 43.4 |
| 知識與推理 | ||
| GPQA | 高階科學問題求解 | 92.9% |
| HLE | 廣泛專家級考試集合 | 37.1% |
| 程式碼與工程 | ||
| SciCode | 科學計算程式碼挑戰 | 45.4% |
| Terminal-Bench Hard | 高難度終端任務執行 | 42.4% |
| 指令遵循與 Agent 任務 | ||
| IFBench | 指令約束遵循 | 82.9% |
| AA-LCR | 長上下文推理 | 74% |
| τ²-Bench | Agent 工作流程任務 | 88.9% |
指標來源 Artificial Analysis
MiniMax M3 API 常見問題
解答關於 MiniMax M3 API、價格、程式開發與 Agent 工作流程、長上下文限制和模型比較的常見問題。
MiniMax M3 是什麼？+
MiniMax M3 是 MiniMax 面向長時程 Agent 工作、程式開發任務和工具呼叫的多模態模型。它適合需要處理大量專案資料、長上下文和生產級軟體任務的工作負載。
MiniMax M3 適合程式開發和 Agent 工作流程嗎？+
對於需要長上下文、連續工具呼叫或多步驟協作的程式開發和 Agent 工作流程，MiniMax M3 值得評估。正式上線前，應以真實的程式碼庫任務、工具呼叫和驗收標準進行測試，而不是只依賴通用基準分數。
如何透過 TokenHub 呼叫 MiniMax M3 API？+
先建立 TokenHub API Key，複製本頁顯示的正確 MiniMax M3 模型 ID，再於 API 區塊選擇支援的端點。你可直接以頁面產生的請求範例為起點，接入 OpenAI 相容用戶端或其他已支援的呼叫方式。
如何評估 MiniMax M3 的價格？+
查看本頁展示的目前輸入、輸出和快取讀取價格，再結合典型提示詞長度、輸出長度、請求量和快取命中率估算成本。長上下文與 Agent 工作流程的成本結構，通常會與短文字請求明顯不同。
使用 MiniMax M3 處理長上下文任務前，應確認什麼？+
請確認模型參數中的目前上下文視窗、最大輸出、輸入模態、支援端點和價格。即使上下文視窗很大，仍需要整理文件輸入、控制工具呼叫迴圈，並使用真實專案資料測試模型表現。
MiniMax M3 和 Kimi K3 應該怎麼選？+
應圍繞實際要交付的工作負載比較 MiniMax M3 和 Kimi K3。先查看目前 API 價格、上下文與最大輸出限制、模態、支援端點和基準資料，再用自己的程式開發、推理或 Agent 任務做小規模評測後決定。
在哪裡取得 MiniMax API Key 和目前 MiniMax M3 模型 ID？+
請在 TokenHub 工作台建立 API Key，再複製本頁展示的正確 MiniMax M3 模型 ID。傳送生產流量前，請在本頁確認支援端點和目前規格，因為可用性與模型資訊可能會更新。
準備呼叫 MiniMax M3？
透過一個 API Key 接入 MiniMax M3 與更多 AI 模型。
媒體與討論
精選與此模型相關的公開影片和貼文。
X (Twitter)
Reddit
YouTube