MiniMax-M3 adalah model fondasi open-weight unggulan dari MiniMax dan yang pertama menggabungkan tiga kemampuan mutakhir sekaligus: performa coding dan agen tingkat frontier, jendela konteks 1 juta token, serta multimodalitas asli. Model ini menerima masukan teks, gambar, dan video dengan keluaran teks, serta didukung oleh arsitektur MiniMax Sparse Attention (MSA) proprietary, yang mempertahankan hingga 1 juta token konteks (dengan minimum terjamin 512K) — fondasi untuk tugas agen jarak jauh, coding horizon panjang, dan pemahaman video panjang. Multimodalitas adalah kemampuan inti asli, bukan tambahan: jalur data dibangun ulang untuk menskalakan prapelatihan hingga 100T+ token dengan pelatihan multimodal sejak langkah nol, menyelaraskan secara mendalam ruang semantik tekstual dan visual. M3 mencapai hasil terdepan di berbagai tolok ukur coding dan agen yang mencakup rekayasa perangkat lunak, eksekusi terminal, dan penjelajahan otonom (mendapat skor 83,5 pada BrowseComp), dengan dekomposisi tugas otonom, pemanggilan alat, dan penalaran multi-langkah. Model ini sangat cocok untuk asisten coding AI, alur kerja otomatis, dan jalur agen asinkron berjalan lama di mana koherensi selama sesi panjang sangat penting.
MiniMax M3 adalah model bahasa besar yang dikembangkan oleh Minimax, dapat diakses melalui API yang kompatibel dengan OpenAI milik OrcaRouter. Model ini menerima input teks, gambar, dan video, serta…
MiniMax M3 dapat memproses dokumen panjang hingga 1.048.576 token dalam satu kali pemrosesan. Hal ini memungkinkannya melakukan tugas seperti peringkasan, menjawab pertanyaan, dan ekstraksi informasi pada seluruh makalah penelitian, ringkasan hukum, atau manual teknis tanpa kehilangan konteks. Model ini juga dapat menangani input multi-dokumen, seperti kumpulan artikel, dan menghasilkan keluaran yang koheren. Untuk aplikasi yang memerlukan keluaran yang sangat panjang, batas generasi 512.000 token memungkinkan produksi laporan lengkap atau kode. Kemampuan ini sangat berguna untuk pemrosesan dokumen perusahaan dan alur kerja analisis data.
MiniMax M3 menerima input gambar dan video bersamaan dengan teks, sehingga dapat bernalar tentang konten visual. Gambar dan video ditokenisasi dan disematkan ke dalam konteks yang sama dengan teks. Model ini dapat menjawab pertanyaan tentang isi gambar, mendeskripsikan adegan video, atau melakukan optical character recognition. Untuk video, model ini dapat memproses beberapa frame atau seluruh video selama jumlah token gabungan tetap berada dalam jendela token 1.048.576. Dukungan multimodal ini membuatnya cocok untuk tugas-tugas seperti pemberian keterangan, menjawab pertanyaan visual, dan analisis video, semuanya dapat diakses melalui API OrcaRouter.
MiniMax M3 dioptimalkan untuk tugas-tugas yang memerlukan jendela konteks yang sangat besar (1.048.576 token) atau input multimodal (teks, gambar, video). Jika aplikasi Anda melibatkan pemrosesan dokumen panjang, seluruh buku, atau video berdurasi berjam-jam dalam satu panggilan API, ukuran konteks M3 merupakan keunggulan yang kuat. Model ini juga cocok untuk skenario di mana Anda perlu menghasilkan hingga 512.000 token output tanpa beberapa permintaan. Untuk tugas yang lebih sederhana—seperti pembuatan teks pendek, peringkasan beberapa paragraf, atau deskripsi gambar tunggal—model yang lebih murah dengan jendela konteks yang lebih kecil mungkin lebih hemat biaya. Evaluasi rata-rata panjang input dan output Anda untuk memutuskan.
MiniMax M3 paling cocok untuk tugas-tugas yang memanfaatkan jendela konteks besar dan kemampuan multimodalnya. Contohnya meliputi: menganalisis seluruh makalah penelitian atau dokumen hukum dengan tanya-jawab; mengekstrak data terstruktur dari formulir multi-halaman yang panjang; menghasilkan laporan atau kode ekstensif dari serangkaian input yang besar; analisis konten video, seperti merangkum kuliah atau mengidentifikasi objek di banyak bingkai; dan membangun aplikasi yang memerlukan penyimpanan dan penalaran atas riwayat interaksi pengguna yang besar dalam satu percakapan. Harganya—$0.30 per juta token input dan $1.20 per juta token output—membuatnya ekonomis untuk alur kerja volume tinggi dengan konteks panjang.
MiniMax M3 mencapai skor 83,5 pada tolok ukur BrowseComp. BrowseComp mengevaluasi kemampuan model dalam menavigasi halaman web dan mengekstrak informasi relevan dari halaman tersebut. Tes ini biasanya melibatkan simulasi pengguna yang menjelajahi serangkaian halaman web, lalu menjawab pertanyaan berdasarkan konten. Skor yang lebih tinggi menunjukkan performa yang lebih baik dalam memahami tata letak web, mengikuti tautan, dan mensintesis informasi dari berbagai halaman. Skor 83,5 menempatkan MiniMax M3 pada posisi yang kompetitif di antara model-model yang diuji pada tolok ukur ini, terutama untuk tugas-tugas yang melibatkan pencarian informasi dan penalaran berbasis web.
Keunggulan utama MiniMax M3 yang ditunjukkan oleh skor BrowseComp 83,5 adalah kemampuannya dalam menangani tugas pencarian informasi berbasis web. Ini menunjukkan kemampuan membaca dan navigasi yang kuat. Namun, performa model pada tolok ukur umum lainnya (seperti MMLU, HumanEval, atau GSM8K) belum diungkapkan secara publik sebagai bagian dari fakta yang diberikan. Oleh karena itu, performa relatifnya dalam pengetahuan umum, pembuatan kode, atau penalaran matematika tidak dapat diukur di sini. Pengguna harus mengevaluasi model pada tugas mereka sendiri. Jendela konteks yang besar dan dukungan multimodal adalah keunggulan tambahan yang tidak tercakup oleh BrowseComp saja.
Kecepatan inferensi dan latensi untuk MiniMax M3 bergantung pada beberapa faktor termasuk panjang input, panjang output, dan beban server. Tidak ada angka latensi spesifik yang disediakan dalam fakta yang tersedia. Secara umum, model dengan jendela konteks yang besar mungkin memiliki latensi yang lebih tinggi untuk input yang sangat panjang karena biaya komputasi untuk memproses banyak token. Batas output 512.000 token berarti bahwa menghasilkan respons yang sangat panjang akan memakan waktu yang lebih lama secara proporsional. Saat menggunakan API OrcaRouter, latensi akan serupa dengan model besar lain dengan ukuran yang sebanding. Untuk aplikasi waktu nyata yang memerlukan latensi rendah, pertimbangkan model dengan jendela konteks yang lebih kecil.
MiniMax M3 dihargai $0.30 per 1 juta token input dan $1.20 per 1 juta token output. Tarif ini mencerminkan harga penyedia tanpa markup yang ditambahkan oleh OrcaRouter. Token input mencakup semua token dalam prompt, termasuk pesan sistem, pesan pengguna, dan token gambar atau video apa pun. Token output adalah token yang dihasilkan dalam respons. Biaya meningkat secara linear dengan penggunaan token. Contohnya, permintaan dengan 100.000 token input dan 10.000 token output akan dikenakan biaya $0.03 untuk input dan $0.012 untuk output, total $0.042. Tidak ada biaya platform tambahan atau komitmen minimum.
Fakta yang disediakan tidak menyebutkan program diskon khusus atau manfaat caching untuk MiniMax M3 di OrcaRouter. Penetapan harga bersifat langsung per token dengan tarif di atas. Berdasarkan informasi yang tersedia, OrcaRouter tidak menawarkan caching otomatis atau tarif yang lebih rendah untuk input berulang. Pengguna disarankan untuk berkonsultasi dengan dokumentasi OrcaRouter atau menghubungi tim dukungan mereka untuk informasi terbaru tentang fitur penghematan biaya yang potensial. Dengan tidak adanya program semacam itu, biaya berbanding lurus dengan jumlah token masukan dan keluaran yang digunakan.
Harga MiniMax M3 sebesar $0,30 per juta token masukan dan $1,20 per juta token keluaran cukup kompetitif untuk model yang menawarkan jendela konteks 1.048.576 token dan masukan multimodal. Tanpa harga pesaing spesifik yang diberikan dalam fakta, perbandingan umum: banyak model besar dengan jendela konteks lebih kecil (misalnya, 128k atau 200k token) memiliki harga yang serupa per token, namun batasan konteksnya memerlukan beberapa panggilan API untuk dokumen yang sangat panjang. Konteks yang lebih besar pada MiniMax M3 dapat mengurangi total biaya untuk tugas-tugas yang seharusnya memerlukan pemotongan dan beberapa permintaan. Pengguna harus menghitung total penggunaan token di seluruh alur kerja tipikal mereka untuk membandingkan.
Untuk menggunakan MiniMax M3 melalui OrcaRouter, kirim permintaan ke URL dasar https://api.orcarouter.ai/v1. Pengidentifikasi model adalah "minimax/minimax-m3". Autentikasi dilakukan dengan mengirimkan kunci API OrcaRouter Anda di header Authorization sebagai "Bearer YOUR_API_KEY". API ini kompatibel dengan SDK OpenAI, sehingga Anda dapat menggunakan pustaka klien yang sama dengan memperbarui URL dasar dan kunci API. Sebagai contoh, dengan Python menggunakan paket openai, atur `client = OpenAI(base_url="https://api.orcarouter.ai/v1", api_key=YOUR_API_KEY)` lalu panggil `client.chat.completions.create(model="minimax/minimax-m3", messages=[...])`.
Saat memanggil MiniMax M3 melalui API yang kompatibel dengan OpenAI milik OrcaRouter, Anda dapat menggunakan parameter standar seperti `messages`, `max_tokens`, `temperature`, `top_p`, `frequency_penalty`, `presence_penalty`, `stop`, dan `stream`. Parameter `max_tokens` tidak boleh melebihi output maksimum model yaitu 512.000 token. Token input (dalam `messages`) ditambah token output harus tetap berada dalam jendela konteks sebesar 1.048.576 token. Untuk input multimodal, sertakan gambar atau video dalam larik `content` menggunakan format yang sesuai (misalnya, `image_url` untuk gambar). Lihat dokumentasi API OpenAI untuk deskripsi parameter lengkap.
Untuk memigrasikan aplikasi yang sudah ada yang menggunakan API OpenAI ke MiniMax M3 di OrcaRouter, Anda perlu mengubah dua hal: URL dasar dan ID model. Ganti URL dasar OpenAI Anda dengan "https://api.orcarouter.ai/v1". Ubah string model menjadi "minimax/minimax-m3". Juga perbarui kunci API Anda menjadi kunci API OrcaRouter. Format pesan tetap identik—kompatibel dengan OpenAI. Tidak ada perubahan kode lain yang diperlukan. Jika aplikasi Anda menggunakan streaming, antarmuka streaming juga kompatibel. Uji coba dengan permintaan kecil terlebih dahulu untuk memastikan konektivitas dan bahwa model merespons sesuai harapan.
Authentikasi ke API OrcaRouter dilakukan melalui kunci API. Anda harus menyertakan kunci API OrcaRouter Anda di header Authorization setiap permintaan sebagai "Bearer YOUR_API_KEY". Kunci API dikeluarkan oleh OrcaRouter; Anda bisa mendapatkannya dengan mendaftar di platform mereka. Jaga keamanan kunci Anda dan jangan mengeksposnya dalam kode sisi klien. API hanya mendukung akses berbasis kunci; tidak ada OAuth atau metode autentikasi lain yang didokumentasikan untuk endpoint ini. Jika Anda menggunakan pustaka Python OpenAI, setel parameter `api_key` ke kunci OrcaRouter Anda saat menginisialisasi klien.
MiniMax M3 menawarkan jendela konteks 1.048.576 token, yang termasuk salah satu yang terbesar yang tersedia. Banyak model konteks panjang pesaing menawarkan 128K, 200K, atau 1M token, tetapi hanya sedikit yang juga mendukung input gambar dan video. Skor 83.5 BrowseComp menunjukkan kinerja yang kuat pada tugas pengambilan informasi berbasis web. Namun, tanpa skor benchmark lainnya, perbandingan yang komprehensif menjadi terbatas. Dari segi harga, pada $0.30 input / $1.20 output per juta token, harganya cukup moderat untuk ukuran konteksnya. Pengguna harus membandingkan total biaya untuk panjang input tipikal dan kebutuhan pembuatan output mereka.
Pilih MiniMax M3 ketika aplikasi Anda memerlukan jendela konteks yang sangat besar (hingga 1M token) atau input multimodal (teks, gambar, video). Jika Anda perlu memproses dokumen atau video yang panjang dalam satu panggilan API tanpa pemotongan, ukuran konteks M3 adalah keuntungan utama. Ini juga cocok jika Anda perlu menghasilkan hingga 512.000 token output. Untuk tugas yang murni berbasis teks dengan kebutuhan konteks yang lebih kecil (misalnya, di bawah 100K token), model yang lebih murah dengan jendela konteks yang lebih kecil mungkin lebih hemat biaya. Selain itu, jika Anda memerlukan kecepatan inferensi tertinggi, model dengan jendela konteks yang lebih kecil dapat merespons lebih cepat.
Privasi data untuk MiniMax M3, ketika diakses melalui OrcaRouter, diatur oleh kebijakan penanganan data OrcaRouter. OrcaRouter tidak menambahkan markup pada harga penyedia, namun infrastruktur pemrosesan data dikelola oleh OrcaRouter. Penyedia model (Minimax) mungkin juga memiliki ketentuan penggunaan datanya sendiri. Pengguna harus meninjau kebijakan privasi OrcaRouter dan ketentuan Minimax terkait penyimpanan data, pelatihan, dan enkripsi. Tidak ada sertifikasi keamanan khusus atau opsi residensi data yang disediakan dalam fakta yang tersedia. Untuk data sensitif, pertimbangkan untuk menghubungi OrcaRouter secara langsung untuk detail tentang penanganan data dan kepatuhan.
Kompatibel OpenAI — pakai SDK Anda yang sekarang
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| Input / 1M token | $0.300 |
| Output / 1M token | $1.20 |
| Baca cache / 1M | $0.060 |
| Mata uang | USD |
Perkiraan berdasarkan harga daftar
Hanya perkiraan — jumlah token sebenarnya bergantung pada tokenizer penyedia.
GET /api/public/models/minimax/minimax-m3Buka @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