MiniMax-M3は、MiniMaxが開発したマルチモーダル基盤モデルです。テキスト、画像、ビデオ入力をサポートし、テキスト出力を行います。100万トークンのコンテキストウィンドウを備え、長期的なエージェントタスク、コーディング、ツール利用に適しています。このモデルは、MiniMax Sparse Attention（MSA）を採用しており、フルアテンションをKVブロック選択に置き換えることで、長いコンテキストにおけるトークンあたりの計算量を削減しています。これにより、100万トークン時には従来の世代と比較して約20分の1のコストを実現し、プレフィルとデコードが大幅に高速化されつつ、ほとんどのタスクで品質を維持しています。
インターリーブされたデータで学習されたネイティブなマルチモーダルモデルであり、インタラクティブなユーザーシミュレーターフレームワークを通じて、多ターンかつ実運用に近いコラボレーション向けにチューニングされています。このモデルは、単発の実行ではなく、持続的で多段階のタスクを志向しています。
| プラン | 価格 | 説明 |
|---|---|---|
| Standard API プラン | Input $0.60 / Output $2.40（100万Tokensあたり） | 最大100万Tokensのコンテキストウィンドウに対応。キャッシュ入力は約$0.12/100万Tokens。テキスト・画像・動画などのマルチモーダル入力に対応し、AIアプリケーション開発やAPI連携に適しています。 |
| Long Context API プラン | Input $1.20 / Output $4.80（100万Tokensあたり） | 入力コンテキストが512K Tokensを超える場合に適用されます。大規模ドキュメント解析、複雑な処理、長文データ活用向けのプランです。 |
| サブスクリプションプラン | 約$20〜$120/月 | 個人ユーザーや開発者向けの利用プラン。プランごとに利用上限や利用可能な機能が異なります。 |
1. トップクラスのコーディング能力と自律エージェント機能
AIエンジニアのように複雑なタスクを自立して完了することができます。例えば、AI論文の自主再現やコードパフォーマンスの最適化（過去に約10倍の高速化を達成）が可能で、関連ベンチマークではGPT-4.5などのモデルを上回る成績を示しています。
2. 100万トークンの超長文脈処理能力
『三体』三部作に相当するボリュームの書籍やコードリポジトリ全体を一度に処理することができ、長期的・多段階にわたる複雑なタスクの基盤を提供します。
3. ネイティブマルチモーダル機能と「Computer Use」能力
画像や動画の内容を理解できるだけでなく、人間のようにPC画面を「読み取り」、ERPシステムなどのソフトウェアを自動操作して、アプリをまたがるタスクを実行できます。
1.ソフトウェアエンジニアと開発者。トップクラスのコーディング能力を備え、論文の再現やコード最適化などの複雑なタスクを自律的に完了できます。ベンチマークテストではGPT-4.5を凌ぐ性能を発揮しています。
2.AIアプリケーションおよび企業製品チーム。「コーディング＋100万トークン＋マルチモーダル」をすべて兼ね備えた世界で唯一のオープンソースモデルであり、高い自律性を持つAgent構築のための理想的な基盤を提供します。
3.データプライバシーに敏感な企業。オープンソースであるためプライベートデプロイが可能で、データセキュリティを確保しながら、クローズドソースのトップモデルに近い性能を実現できます。
4.コストパフォーマンスを重視する開発者および中小企業。Tokenサブスクリプションプランは非常に経済的で（例：Maxプランは月額119元で18億Tokenを含む）、高頻度でのAPI呼び出しシーンに適しています。
コメント（0件）