MiniMax-M3 est le modèle fondation à poids ouverts phare de MiniMax et le premier à combiner trois capacités de pointe à la fois : des performances de codage et agentiques de niveau frontalier, une fenêtre de contexte de 1 million de tokens, et une multimodalité native. Il accepte des entrées textuelles, image et vidéo avec une sortie textuelle, et est alimenté par l'architecture propriétaire MiniMax Sparse Attention (MSA), qui soutient jusqu'à 1 million de tokens de contexte (avec un minimum garanti de 512K) - la base pour les tâches agentiques à longue portée, le codage à long horizon et la compréhension de longues vidéos. La multimodalité est une capacité native fondamentale plutôt qu'un ajout : le pipeline de données a été reconstruit pour mettre à l'échelle le pré-entraînement à 100T+ tokens avec un entraînement multimodal dès l'étape zéro, alignant profondément les espaces sémantiques textuels et visuels. M3 atteint des résultats de premier ordre dans les benchmarks de codage et agentiques couvrant le génie logiciel, l'exécution de terminaux et la navigation autonome (obtenant 83.5 sur BrowseComp), avec décomposition autonome des tâches, invocation d'outils et raisonnement multi-étapes. Il est bien adapté aux assistants de codage IA, aux workflows automatisés et aux pipelines agentiques asynchrones de longue durée où la cohérence sur des sessions étendues est importante.
MiniMax M3 est un grand modèle de langage développé par Minimax, accessible via l'API compatible OpenAI d'OrcaRouter. Il accepte les entrées de texte, d'image et de vidéo, et dispose d'une fenêtre de…
Le MiniMax M3 peut traiter de longs documents jusqu'à 1 048 576 tokens en une seule passe. Cela lui permet d'effectuer des tâches telles que le résumé, la réponse aux questions et l'extraction d'informations sur des articles de recherche entiers, des mémoires juridiques ou des manuels techniques sans perdre le contexte. Le modèle peut également gérer des entrées multi-documents, comme une collection d'articles, et générer une sortie cohérente. Pour les applications nécessitant de très longues sorties, la limite de génération de 512 000 tokens permet la production de rapports complets ou de code. Cette capacité est particulièrement utile pour le traitement de documents d'entreprise et les flux de travail d'analyse de données.
MiniMax M3 accepte des entrées d'images et de vidéos en plus du texte, ce qui lui permet de raisonner sur le contenu visuel. Les images et les vidéos sont tokenisées et intégrées dans le même contexte que le texte. Le modèle peut répondre à des questions sur le contenu d'une image, décrire une scène vidéo ou effectuer une reconnaissance optique de caractères. Pour la vidéo, il peut traiter plusieurs images ou la vidéo entière tant que le nombre total de jetons reste dans la fenêtre de 1 048 576 jetons. Cette prise en charge multimodale le rend adapté à des tâches telles que le sous-titrage, la réponse visuelle à des questions et l'analyse vidéo, toutes accessibles via l'API OrcaRouter.
MiniMax M3 est optimisé pour les tâches nécessitant une très grande fenêtre contextuelle (1 048 576 tokens) ou une entrée multimodale (texte, image, vidéo). Si votre application implique le traitement de longs documents, de livres entiers ou de plusieurs heures de vidéo en un seul appel API, la taille du contexte du M3 constitue un avantage considérable. Il convient également aux scénarios où vous devez générer jusqu'à 512 000 tokens de sortie sans demandes multiples. Pour des tâches plus simples — comme la génération de texte court, le résumé de quelques paragraphes ou la description d'images uniques — un modèle moins coûteux avec une fenêtre contextuelle plus petite peut être plus rentable. Évaluez vos longueurs moyennes d'entrée et de sortie pour décider.
MiniMax M3 est particulièrement adapté aux tâches qui exploitent sa grande fenêtre de contexte et ses capacités multimodales. Parmi les exemples : l’analyse de documents de recherche entiers ou de documents juridiques avec réponse aux questions ; l’extraction de données structurées à partir de longs formulaires multipages ; la génération de rapports détaillés ou de code à partir d’un grand ensemble d’entrées ; l’analyse de contenu vidéo, comme le résumé d’un cours magistral ou l’identification d’objets sur plusieurs images ; et la création d’applications nécessitant le stockage et le raisonnement sur un large historique d’interactions utilisateur au sein d’une même conversation. Sa tarification—0,30 $ par million de tokens en entrée et 1,20 $ par million de tokens en sortie—la rend économique pour les workflows à long contexte et à volume élevé.
MiniMax M3 a obtenu un score de 83,5 sur le benchmark BrowseComp. BrowseComp évalue la capacité d'un modèle à naviguer sur des pages web et à en extraire des informations pertinentes. Ce test implique généralement la simulation d'un utilisateur qui parcourt une série de pages web, puis répond à des questions basées sur leur contenu. Un score plus élevé indique une meilleure performance dans la compréhension des mises en page web, le suivi des liens et la synthèse d'informations provenant de plusieurs pages. Avec ce score de 83,5, MiniMax M3 se positionne de manière compétitive parmi les modèles testés sur ce benchmark, en particulier pour les tâches impliquant la recherche et le raisonnement à partir d'informations web.
La principale force de MiniMax M3, démontrée par son score de 83,5 au BrowseComp, est sa capacité à gérer des tâches de recherche d'informations sur le web. Cela indique de solides capacités de compréhension en lecture et de navigation. Cependant, les performances du modèle sur d'autres benchmarks courants (tels que MMLU, HumanEval ou GSM8K) n'ont pas été divulguées publiquement dans le cadre des faits fournis. Par conséquent, ses performances relatives en connaissances générales, génération de code ou raisonnement mathématique ne sont pas quantifiées ici. Les utilisateurs devraient évaluer le modèle sur leurs propres tâches. La grande fenêtre de contexte et le support multimodal sont des atouts supplémentaires non couverts par BrowseComp seul.
La vitesse d'inférence et la latence de MiniMax M3 dépendent de plusieurs facteurs, notamment la longueur de l'entrée, la longueur de la sortie et la charge du serveur. Aucune donnée spécifique de latence n'est fournie dans les informations disponibles. En général, les modèles avec de grandes fenêtres de contexte peuvent avoir une latence plus élevée pour des entrées très longues en raison du coût de calcul lié au traitement de nombreux tokens. La limite de sortie de 512 000 tokens signifie que la génération de réponses très longues prendra proportionnellement plus de temps. Lors de l'utilisation de l'API d'OrcaRouter, la latence sera similaire à celle d'autres grands modèles de taille comparable. Pour des applications quasi temps réel nécessitant une faible latence, envisagez des modèles avec des fenêtres de contexte plus petites.
MiniMax M3 est facturé à $0.30 par million de tokens d’entrée et $1.20 par million de tokens de sortie. Ces tarifs reflètent le prix du fournisseur sans aucune majoration ajoutée par OrcaRouter. Les tokens d’entrée incluent tous les tokens du prompt, y compris les messages système, les messages utilisateur, ainsi que les tokens d’image ou de vidéo. Les tokens de sortie sont les tokens générés dans la réponse. Le coût évolue linéairement avec l’utilisation des tokens. Par exemple, une requête avec 100,000 tokens d’entrée et 10,000 tokens de sortie coûterait $0.03 pour l’entrée et $0.012 pour la sortie, soit un total de $0.042. Il n’y a aucun frais de plateforme supplémentaire ni engagement minimum.
Les faits fournis ne mentionnent aucun programme de réduction spécifique ni avantage de mise en cache pour MiniMax M3 sur OrcaRouter. La tarification est simple, par jeton, aux taux indiqués ci-dessus. OrcaRouter n'offre pas de mise en cache automatique ni de tarifs réduits pour les entrées répétées selon les informations disponibles. Les utilisateurs doivent consulter la documentation d'OrcaRouter ou contacter leur équipe d'assistance pour obtenir les informations les plus récentes sur les éventuelles fonctionnalités d'économies de coûts. En l'absence de tels programmes, le coût est directement proportionnel au nombre de jetons d'entrée et de sortie consommés.
Le prix de MiniMax M3, à 0,30 $ par million de tokens d'entrée et 1,20 $ par million de tokens de sortie, est compétitif pour un modèle offrant une fenêtre de contexte de 1 048 576 tokens et une entrée multimodale. Sans fournir de prix spécifiques de concurrents dans les faits, une comparaison générale : de nombreux grands modèles avec des fenêtres de contexte plus petites (par exemple, 128k ou 200k tokens) sont proposés à un prix similaire par token, mais leur limite de contexte nécessite plusieurs appels API pour des documents très longs. Le contexte plus large de MiniMax M3 peut réduire le coût total pour des tâches qui nécessiteraient autrement un découpage et plusieurs requêtes. Les utilisateurs doivent calculer l'utilisation totale de tokens dans leur flux de travail typique pour comparer.
Pour utiliser MiniMax M3 via OrcaRouter, envoyez les requêtes à l'URL de base https://api.orcarouter.ai/v1. L'identifiant du modèle est "minimax/minimax-m3". L'authentification se fait en passant votre clé API OrcaRouter dans l'en-tête Authorization sous la forme "Bearer YOUR_API_KEY". L'API est compatible avec le SDK OpenAI, vous pouvez donc utiliser la même bibliothèque client en mettant à jour l'URL de base et la clé API. Par exemple, en Python avec le package openai, définissez `client = OpenAI(base_url="https://api.orcarouter.ai/v1", api_key=YOUR_API_KEY)` puis appelez `client.chat.completions.create(model="minimax/minimax-m3", messages=[...])`.
Lors de l'appel à MiniMax M3 via l'API compatible OpenAI d'OrcaRouter, vous pouvez utiliser des paramètres standard tels que `messages`, `max_tokens`, `temperature`, `top_p`, `frequency_penalty`, `presence_penalty`, `stop` et `stream`. Le paramètre `max_tokens` ne doit pas dépasser la sortie maximale du modèle de 512 000 tokens. Les tokens d'entrée (dans `messages`) plus les tokens de sortie doivent rester dans la fenêtre de contexte de 1 048 576 tokens. Pour les entrées multimodales, incluez des images ou des vidéos dans le tableau `content` en utilisant le format approprié (par exemple, `image_url` pour les images). Consultez la documentation de l'API OpenAI pour les descriptions complètes des paramètres.
Pour migrer une application existante qui utilise l'API d'OpenAI vers MiniMax M3 sur OrcaRouter, vous devez modifier deux éléments : l'URL de base et l'ID du modèle. Remplacez votre URL de base OpenAI par « https://api.orcarouter.ai/v1 ». Modifiez la chaîne du modèle en « minimax/minimax-m3 ». Mettez également à jour votre clé API avec une clé API OrcaRouter. Le format des messages reste identique — compatible avec OpenAI. Aucune autre modification de code n'est nécessaire. Si votre application utilise le streaming, l'interface de streaming est également compatible. Testez d'abord avec une petite requête pour vérifier la connectivité et que le modèle répond comme prévu.
L'authentification à l'API d'OrcaRouter se fait via une clé API. Vous devez inclure votre clé API OrcaRouter dans l'en-tête Authorization de chaque requête sous la forme "Bearer YOUR_API_KEY". Les clés API sont délivrées par OrcaRouter ; vous pouvez en obtenir une en vous inscrivant sur leur plateforme. Gardez votre clé en sécurité et ne l'exposez pas dans du code côté client. L'API ne prend en charge que l'accès par clé ; aucune méthode d'authentification OAuth ou autre n'est documentée pour ce point de terminaison. Si vous utilisez la bibliothèque Python OpenAI, définissez le paramètre `api_key` sur votre clé OrcaRouter lors de l'initialisation du client.
MiniMax M3 offre une fenêtre de contexte de 1 048 576 tokens, ce qui est parmi les plus grandes disponibles. De nombreux modèles concurrents à long contexte proposent 128K, 200K ou 1M de tokens, mais peu prennent également en charge les entrées image et vidéo. Le score BrowseComp de 83,5 suggère de bonnes performances sur les tâches de recherche d'informations sur le Web. Cependant, en l'absence d'autres scores de référence, une comparaison complète est limitée. En termes de tarification, à 0,30 $ en entrée / 1,20 $ en sortie par million de tokens, le prix est modéré pour sa taille de contexte. Les utilisateurs doivent comparer le coût total en fonction de leurs longueurs d'entrée typiques et de leurs besoins de génération de sortie.
Choisissez MiniMax M3 lorsque votre application nécessite une très grande fenêtre de contexte (jusqu'à 1M tokens) ou une entrée multimodale (texte, image, vidéo). Si vous devez traiter un long document ou une vidéo en un seul appel API sans segmentation, la taille de contexte de M3 est un avantage clé. Il convient également si vous devez générer jusqu'à 512 000 tokens de sortie. Pour les tâches purement textuelles avec des besoins de contexte plus petits (par exemple, moins de 100K tokens), un modèle moins cher avec une fenêtre de contexte plus petite peut être plus rentable. De plus, si vous avez besoin de la vitesse d'inférence la plus rapide, les modèles avec des fenêtres de contexte plus petites peuvent répondre plus rapidement.
La confidentialité des données pour MiniMax M3, lorsqu'il est accédé via OrcaRouter, est régie par les politiques de traitement des données d'OrcaRouter. OrcaRouter n'ajoute pas de majoration au prix du fournisseur, mais l'infrastructure de traitement des données est gérée par OrcaRouter. Le fournisseur du modèle (Minimax) peut également avoir ses propres conditions d'utilisation des données. Les utilisateurs doivent examiner à la fois la politique de confidentialité d'OrcaRouter et les conditions de Minimax concernant la conservation, l'entraînement et le chiffrement des données. Aucune certification de sécurité spécifique ni option de résidence des données n'est fournie dans les faits disponibles. Pour les données sensibles, envisagez de contacter directement OrcaRouter pour obtenir des détails sur le traitement et la conformité des données.
Compatible OpenAI — gardez votre SDK actuel
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="minimax/minimax-m3",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_tokensreasoningresponse_formattemperaturetool_choicetoolstop_p| Entrée / 1M tokens | $0.300 |
| Sortie / 1M tokens | $1.20 |
| Lecture cache / 1M | $0.060 |
| Devise | USD |
Estimation basée sur le tarif public
Estimation seulement — le nombre réel de tokens dépend du tokeniseur du fournisseur.
GET /api/public/models/minimax/minimax-m3Ouvrir @misc{orcarouter_minimax_m3,
title = {MiniMax M3 API},
author = {MiniMax},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/minimax/minimax-m3}
}MiniMax. (2026). MiniMax M3 API. OrcaRouter. https://www.orcarouter.ai/models/minimax/minimax-m3