Apa Itu MiniMax M3? Model Multimodal Unggulan MiniMax dengan Konteks 1M

MiniMax M3 adalah model bahasa berbobot terbuka yang multimodal secara native dari laboratorium Tiongkok di balik model teks seri M, model video Hailuo, dan seri Music. Laboratorium itu mengumumkannya pada 1 Juni 2026 dan model ini mengambil posisi teratas dalam daftar model milik perusahaan tersebut dari MiniMax M2.7, dengan menghadirkan jendela konteks satu juta token, input teks, gambar, dan video native, serta arsitektur sparse-attention yang oleh laboratorium itu disebut MSA.

Empat belas artikel di arsip blog ini menyebut MiniMax M3. Hingga kini, tidak satu pun dari artikel-artikel itu yang membahasnya. Model ini muncul sebagai lawan dalam perbandingan demi perbandingan — titik acuan open-weight yang dijadikan tolok ukur bagi Gemini, Qwen, Grok, atau GPT yang lebih baru — dan belum ada halaman di sini yang bisa dituju pembaca untuk mengetahui apa sebenarnya MiniMax M3. Inilah halaman itu.

Lembar spesifikasi

MiniMax M3 adalah model mixture-of-experts dengan total sekitar 428 miliar parameter dan sekitar 23 miliar yang diaktifkan per token, menurut kartu model yang diterbitkan MiniMax bersama bobotnya. Model ini secara native bersifat multimodal, bukan hanya teks dengan visi yang ditempelkan: kartu tersebut menjelaskan pelatihan pada modalitas berselang-seling sejak langkah pertama, dan model ini menerima input teks, gambar, dan video serta menghasilkan teks.

• Jendela konteks: 1.048.576 token, dengan entri katalog kami sendiri yang menyatakan minimum yang dijamin sebesar 512.000 token konteks yang dapat digunakan
• Output maksimum: 512.000 token di halaman katalog kami; MiniMax tidak mempublikasikan angka output maksimum dalam materinya sendiri, jadi anggap 512K sebagai angka kami, bukan angka vendor
• Modalitas: teks, gambar, dan video masuk; teks keluar
• Parameter: ~428B total, ~23B aktif per token
• Kontrol penalaran: parameter thinking dengan mode enabled, adaptive, dan disabled
• Pengambilan sampel yang direkomendasikan: temperature 1.0, top_p 0.95
• Arsitektur: MiniMax Sparse Attention (MSA), subjek makalah arXiv 2606.13392
• Bentuk endpoint: chat completions yang kompatibel dengan OpenAI

Klaim arsitektural utamanya adalah tentang biaya atensi pada konteks panjang. MiniMax mengatakan MSA memberikan prapengisian lebih dari 9x lebih cepat dan dekode lebih dari 15x lebih cepat daripada M2 pada jendela satu juta token, memangkas komputasi per token menjadi sekitar seperdua puluh generasi sebelumnya. Itu adalah angka dari vendor dan kami belum melihatnya direproduksi secara independen.

Di mana posisi MiniMax M3 dalam lini MiniMax sendiri

Ini adalah puncak dari lini bahasa, tetapi ada baiknya bersikap tepat mengenai apa yang terdapat dalam lini tersebut, karena MiniMax mempertahankan ekor model yang masih terdaftar yang lebih panjang daripada sebagian besar lab. Dokumentasi model milik vendor itu sendiri membaginya menjadi dua.

• Model saat ini: MiniMax M3, MiniMax M2.7, MiniMax M2.7-highspeed
• Model lama, masih terdaftar: MiniMax M2.5, MiniMax M2.5-highspeed, MiniMax M2.1, MiniMax M2.1-highspeed, MiniMax M2
• MiniMax M2, yang paling lama di antara semuanya, memiliki konteks 200.000 token dan output maksimum 128.000 token termasuk rantai pemikiran
• MiniMax tidak menerbitkan batas konteks atau output untuk M2.7 atau M2.1 dalam dokumen yang sama

Kesenjangan antargenerasi itu nyata tetapi tidak besar pada satu indeks tempat kedua model muncul. Artificial Analysis menilai MiniMax M3 sebesar 29 pada Intelligence Index revisi v4.3.2, dan MiniMax M2.7 sebesar 23 pada revisi yang sama — 29 menempatkan M3 di peringkat 16 dari 114 model dalam tabel revisi tersebut, dan 23 menempatkan M2.7 di peringkat 36. M2.7 dirilis pada Maret 2026. Lompatan ini adalah sebuah langkah, bukan generasi, dan ada baiknya membaca kedua angka itu dari revisi yang sama: indeks ini dikalibrasi ulang pada 7 September 2026, dan skor dari sebelum tanggal itu tidak dapat dibandingkan dengan skor setelahnya.

Berapa biayanya

MiniMax menetapkan harga M3 berdasarkan ukuran permintaan pada kartu tarif bayar sesuai pemakaiannya, dan tarif yang dipublikasikan memiliki diskon permanen 50% terhadap harga daftar yang lebih tinggi.

• Hingga 512K token input: $0.30 per juta token input, $1.20 per juta token output, $0.06 per juta pembacaan cache — dibandingkan dengan daftar harga $0.60 / $2.40 / $0.12
• Di atas 512K token input: $0.60 per juta input, $2.40 per juta output, $0.12 per juta pembacaan cache — dibandingkan dengan daftar harga $1.20 / $4.80 / $0.24
• Tingkat layanan prioritas: 1.5x tarif standar, jadi $0.45 / $1.80 / $0.09 pada tingkat permintaan kecil, dipilih dengan menetapkan service_tier ke "priority"
• Tidak dipublikasikan: MiniMax tidak mencantumkan harga penulisan cache untuk M3, hanya harga pembacaan cache

OrcaRouter menyediakan MiniMax M3 dengan angka yang sama — $0.30 masuk, $1.20 keluar — tanpa markup di atas tarif penyedia. Ini adalah model unggulan di katalog kami, dan trafiknya tidak sedikit: 153,7 juta token dirutekan dalam tujuh hari terakhir pada saat penulisan ini, dengan p50 waktu ke token pertama 4,26 detik dan p95 10,00 detik.

Dalam hal apa MiniMax M3 secara terukur unggul?

Mulailah dengan angka-angka yang MiniMax laporkan untuk dirinya sendiri, yang semuanya dilaporkan oleh vendor dan tidak satu pun yang telah kita lihat direproduksi oleh pihak ketiga.

• SWE-Bench Pro: 59,0%
• Terminal-Bench 2.1: 66,0%
• SWE-fficiency: 34,8%
• MCP Atlas: 74,2%
• BrowseComp: 83,5, angka yang diunggulkan vendor untuk pencarian agentik
• Video-MME: 84,6 pada 512 frame, sedangkan API eksternal membatasi frame pada 640
• KernelBench Hard: 28,8%
• OSWorld-Verified: 68,70% pada 100 langkah maksimum, naik menjadi 70,06% pada 200

Gambaran independen sepakat soal arahnya. Artificial Analysis menempatkan MiniMax M3 pada Intelligence Index 29 di revisi v4.3.2, peringkat ke-16 dari 114 model, dengan biaya $0,51 untuk menjalankan indeks per model — peringkat ke-21 dari 114 pada ukuran biaya tersebut. Kecepatan output adalah 106,4 token per detik dibandingkan median 67,1, dan waktu ke token pertama adalah 1,25 detik dibandingkan median 2,33 detik. Keduanya lebih baik daripada tipikal untuk tier tersebut, dan harganya jauh di bawahnya.

Penerbitan ulang oleh pihak ketiga dari keluarga indeks yang sama melengkapi sub-skor: SWE-bench Verified 80,5%, tau-squared-bench 88,9%, AA-GPQA Diamond 92,9%, AA-LCR 83,0%, AA-IFBench 82,9%, OmniDocBench 1.5 91,6%, dan USAMO 2026 85,7%. Pemahaman dokumen dan pengikutan instruksi tampak seperti kekuatan yang sesungguhnya, dan skor penalaran konteks panjang sesuai dengan narasi arsitekturnya.

Dalam hal apa ia secara terukur buruk

Kelemahan yang jujur terkelompok di dua tempat, dan keduanya terlihat dalam angka-angka yang dipublikasikan.

• Kesenjangan agentic adalah yang terbesar: pada publikasi ulang pihak ketiga yang sama, MiniMax M3 mendapat skor 58,6 pada AA Coding Index tetapi hanya 30,8 pada AA Agentic Index. Model ini menulis kode jauh lebih baik daripada kemampuannya menjalankan tugas panjang multi-langkah secara otonom.
• Pengetahuan dan halusinasi: AA-Omniscience Index sebesar 1,4, akurasi 16,7%, dan tingkat halusinasi 18,4%. Ini adalah model yang akan menjawab dengan percaya diri tentang hal-hal yang tidak diketahuinya.
• OSWorld 2.0: 4,6%
• CritPt: 3,7%, skor terpublikasi terlemah yang kami temukan untuk M3 di mana pun
• ResearchClawBench: 19,8%
• Verbosity: 120 juta token output untuk menyelesaikan Intelligence Index, peringkat 11 dari 114 — ini model yang banyak bicara, dan pada prompt yang berat penalaran hal itu muncul di tagihan
• Batas bawah komposit: salah satu agregator pihak ketiga menempatkannya pada 55,28 dari 100, peringkat 60 dari 505, meskipun pada cakupan parsial 50 benchmark dari 481, jadi komposit itu adalah batas bawah, bukan putusan akhir

Beberapa hal memang tidak diukur, dan kami lebih memilih untuk mengatakannya daripada menutupi celahnya. Tidak ada pihak di luar MiniMax yang mereproduksi tabel benchmark vendor di atas. Artificial Analysis tidak menerbitkan angka Coding Index atau Agentic Index untuk M3 atas nama sendiri — pasangan 58,6 dan 30,8 berasal dari pihak ketiga yang menerbitkan ulang keluarga indeks yang sama. Artificial Analysis menyebut AA-Omniscience sebagai komponen indeksnya tetapi tidak menerbitkan skor Omniscience numerik untuk M3. MiniMax tidak menerbitkan angka output maksimum, jadi 512K di halaman model kami sendiri adalah milik kami. Dan sama sekali tidak ada harga cache-write pada kartu tarif vendor.

Siapa yang harus memilih MiniMax M3, dan siapa yang harus memilih yang lain

Pilih MiniMax M3 ketika pekerjaannya adalah konteks panjang sekaligus multimodal. Satu juta token dengan input video, bobot terbuka yang dapat Anda unduh dan jalankan sendiri, serta harga input $0.30 per juta token adalah kombinasi yang tidak tertandingi secara rapi oleh apa pun di bidang bobot terbuka. Analisis dokumen panjang, pemahaman video, pembacaan kode berskala repositori, dan pipeline ekstraksi dokumen adalah tempat kekuatan terukurnya berada — 91,6% pada OmniDocBench dan 83,0% pada AA-LCR adalah angka-angka yang mendukungnya.

Pilih yang lain dalam tiga kasus. Jika Anda tidak memerlukan jendela konteks atau masukan visi, MiniMax M2.7 berbiaya sama $0.30/$1.20, meraih skor 23 berbanding 29 milik M3 pada revisi indeks saat ini, dan lebih kecil untuk dioperasikan — keunggulan M3 tidak gratis, hanya saja dipatok pada harga label yang sama. Jika beban kerja Anda adalah agen otonom, bukan pengodean, kesenjangan agentik adalah alasan untuk mencari alternatif lain, dan tabel perbandingan MiniMax sendiri menunjuk ke tempat yang sama: pada PostTrainBench, vendor melaporkan 0,37 untuk M3 berbanding 0,42 untuk Opus 4.7 dan 0,39 untuk GPT-5.5, satu-satunya tolok ukur terbitannya tempat M3 kalah dari keduanya. Dan jika Anda membutuhkan lisensi tanpa syarat apa pun, baca paragraf berikutnya sebelum Anda berkomitmen.

Lisensi adalah syarat tersembunyi yang dilewatkan banyak liputan. MiniMax M3 dirilis di bawah MiniMax Community License, bukan Apache atau MIT. Penggunaan non-komersial gratis. Penggunaan komersial diizinkan, tetapi Anda wajib menampilkan secara mencolok "Built with MiniMax M3". Di bawah pendapatan tahunan $20 juta, Anda mengajukan pemberitahuan satu kali; di atas jumlah itu, Anda memerlukan otorisasi tertulis terlebih dahulu dari MiniMax, yang diminta melalui email dengan subjek "M3 licensing - authorization request". Lisensi ini juga memuat lampiran tentang penggunaan yang dilarang. Jika Anda merilis produk, itu adalah urusan tinjauan hukum, bukan formalitas.

Ringkasan praktis

MiniMax M3 adalah andalan saat ini dari lini bahasa MiniMax: model mixture-of-experts dengan ~428B parameter, ~23B aktif per token, konteks satu juta token, input video dan gambar native, serta sparse attention yang oleh vendor dikaitkan dengan pengurangan 20x dalam komputasi per token pada konteks penuh. Model ini diumumkan pada 1 Juni 2026, jadi ini adalah model yang sudah mapan, bukan model baru — pertanyaan yang menarik pada September 2026 bukanlah apakah model ini bagus, melainkan separuh mana dari beban kerja Anda yang cocok untuknya.

Jawaban yang terukur adalah bahwa model ini kuat dalam hal kode dan dokumen, biasa saja dalam pengetahuan, dan lemah dalam pekerjaan agentik otonom. Harganya murah untuk kemampuannya, dan ini adalah model berbobot terbuka yang langka di mana klaim konteks panjangnya tetap bertahan setelah ditinjau secara independen. Lisensinya adalah bagian yang paling perlu dinegosiasikan oleh sebagian besar tim dengan diri mereka sendiri.

MiniMax M3 berjalan di OrcaRouter dengan tarif penyedia tanpa markup, melalui endpoint yang kompatibel dengan OpenAI yang sama seperti semua hal lain di sini: satu kunci API menjangkau 200+ model, dengan failover otomatis jika endpoint mati dan DSL perutean saat Anda ingin menyematkan atau mencampur. Jika Anda ingin membandingkannya dengan katalog lainnya sebelum berkomitmen, halaman model memiliki kartu tarif langsung, persentil time-to-first-token, dan lalu lintas.