MiniMax-M3 是 MiniMax 自主研发的多模态基础模型。它支持文本、图像和视频输入，并生成文本输出，具备 100 万 Token 的上下文窗口，适用于长期智能体任务、代码编写和工具调用等场景。
该模型采用 MiniMax Sparse Attention（MSA） 技术，通过 KV 块选择机制替代全注意力机制，大幅降低长上下文场景下每个 Token 的计算量——在 100 万 Token 时，成本约为上一代模型的二十分之一，同时显著提升预填充和解码速度，且在绝大多数任务上保持同等质量。
MiniMax-M3 基于交错数据以原生多模态方式进行训练，并通过交互式用户模拟器框架针对多轮、贴近实际生产的协作场景进行了调优。模型定位更倾向于处理持续性、多步骤的复杂任务，而非单次执行的简单指令。
| 套餐 | 价格 | 说明 |
|---|---|---|
| API 标准 | Input $0.60 / Output $2.40 每百万 Tokens | 支持最高 1M Token 上下文窗口，缓存读取约 $0.12/百万 Tokens。支持文本、图片、视频等多模态输入，适合开发者和 AI 应用集成。 |
| API 长上下文版 | Input $1.20 / Output $4.80 每百万 Tokens | 当输入上下文超过 512K Tokens 时，按照长上下文价格计费，适合超长文档分析和复杂任务处理。 |
| 订阅套餐 | 约 $20–$120/月 | 面向个人用户和开发者的使用方案，不同套餐提供不同 Token 使用额度和功能权限。 |
1.顶尖的编程与自主智能（Agent）
它能像AI工程师一样独立完成复杂任务，例如自主复现AI论文、优化代码性能（曾实现近10倍加速）。在此类测试中，其表现超越了GPT-4.5等模型。
2.100万Token超长记忆
能一次性处理《三体》三部曲体量的书籍或整个代码仓库，为完成长周期、多步骤的复杂任务打下基础。
3.原生多模态与“电脑使用”能力
能理解图像和视频内容，并能像人一样“看懂”电脑屏幕，自动操作软件（如ERP系统）完成跨应用任务。
软件工程师与开发者：顶尖编程能力，可自主完成复杂任务（如复现论文、优化代码），基准测试超越GPT-4.5。
AI应用与企业产品团队：全球唯一集齐"编程+1M上下文+多模态"的开源模型，是构建高自主性Agent的理想底座。
对数据隐私敏感的企业：开源可私有化部署，兼顾数据安全与接近闭源顶级模型的性能。
追求性价比的开发者与中小企业：Token订阅计划性价比高（如Max档119元/月含18亿Token），适合高频调用场景。
评论（0）