O MiniMax-M3 é o modelo fundacional de peso aberto emblemático da MiniMax e o primeiro a combinar três capacidades de fronteira ao mesmo tempo: desempenho de codificação e agentes de nível de fronteira, uma janela de contexto de 1 milhão de tokens e multimodalidade nativa. Ele aceita entradas de texto, imagem e vídeo com saída de texto, e é alimentado pela arquitetura proprietária MiniMax Sparse Attention (MSA), que sustenta até 1 milhão de tokens de contexto (com um mínimo garantido de 512 mil) - a base para tarefas de agentes de longo alcance, codificação de longo horizonte e compreensão de vídeos longos. A multimodalidade é uma capacidade central nativa, e não um complemento: o pipeline de dados foi reconstruído para escalar o pré-treinamento para mais de 100 trilhões de tokens com treinamento multimodal desde o passo zero, alinhando profundamente os espaços semânticos textuais e visuais. O M3 alcança resultados de primeira linha em benchmarks de codificação e agentes que abrangem engenharia de software, execução de terminal e navegação autônoma (pontuação 83,5 no BrowseComp), com decomposição autônoma de tarefas, invocação de ferramentas e raciocínio de múltiplas etapas. Ele é bem adequado para assistentes de codificação de IA, fluxos de trabalho automatizados e pipelines de agentes assíncronos de longa execução onde a coerência em sessões prolongadas é importante.
MiniMax M3 é um modelo de linguagem grande desenvolvido pela Minimax, acessível através da API compatível com OpenAI do OrcaRouter. Ele aceita entradas de texto, imagem e vídeo, e possui uma janela…
O MiniMax M3 pode processar documentos longos de até 1.048.576 tokens em uma única passagem. Isso permite realizar tarefas como sumarização, resposta a perguntas e extração de informações em artigos de pesquisa inteiros, petições legais ou manuais técnicos sem perder o contexto. O modelo também pode lidar com entradas de múltiplos documentos, como uma coleção de artigos, e gerar uma saída coerente. Para aplicações que exigem saídas muito longas, o limite de geração de 512.000 tokens permite a produção de relatórios completos ou códigos. Essa capacidade é particularmente útil para processamento de documentos empresariais e fluxos de trabalho de análise de dados.
MiniMax M3 aceita entradas de imagem e vídeo junto com texto, permitindo que ele raciocine sobre conteúdo visual. Imagens e vídeos são tokenizados e incorporados ao mesmo contexto que o texto. O modelo pode responder a perguntas sobre o conteúdo de uma imagem, descrever uma cena de vídeo ou realizar reconhecimento óptico de caracteres. Para vídeo, ele pode processar múltiplos quadros ou o vídeo inteiro, desde que a contagem total de tokens permaneça dentro da janela de 1.048.576 tokens. Esse suporte multimodal o torna adequado para tarefas como legendagem, resposta a perguntas visuais e análise de vídeo, tudo acessível através da API OrcaRouter.
O MiniMax M3 é otimizado para tarefas que exigem uma janela de contexto muito grande (1.048.576 tokens) ou entrada multimodal (texto, imagem, vídeo). Se sua aplicação envolve processar documentos longos, livros inteiros ou horas de vídeo em uma única chamada de API, o tamanho do contexto do M3 é uma grande vantagem. Ele também é adequado para cenários onde você precisa gerar até 512.000 tokens de saída sem múltiplas solicitações. Para tarefas mais simples — como geração de texto curto, sumarização de alguns parágrafos ou descrições de uma única imagem — um modelo mais barato com uma janela de contexto menor pode ser mais econômico. Avalie seus comprimentos médios de entrada e saída para decidir.
O MiniMax M3 é mais adequado para tarefas que aproveitam seu grande contexto de janela e capacidades multimodais. Exemplos incluem: análise de artigos de pesquisa ou documentos jurídicos com perguntas e respostas; extração de dados estruturados de formulários longos com várias páginas; geração de relatórios extensos ou código a partir de um grande conjunto de entradas; análise de conteúdo de vídeo, como resumir uma palestra ou identificar objetos em vários quadros; e criação de aplicações que exigem armazenar e raciocinar sobre um grande histórico de interações do usuário em uma única conversa. Seu preço — $0.30 por milhão de tokens de entrada e $1.20 por milhão de tokens de saída — torna-o econômico para fluxos de trabalho de alto volume e contexto longo.
O MiniMax M3 alcançou uma pontuação de 83,5 no benchmark BrowseComp. O BrowseComp avalia a capacidade de um modelo de navegar por páginas da web e extrair informações relevantes delas. Esse teste geralmente envolve simular um usuário que navega por uma série de páginas da web e, em seguida, responde a perguntas com base no conteúdo. Uma pontuação mais alta indica melhor desempenho na compreensão de layouts da web, no seguimento de links e na síntese de informações de várias páginas. A pontuação de 83,5 coloca o MiniMax M3 em uma posição competitiva entre os modelos testados neste benchmark, especialmente para tarefas que envolvem recuperação e raciocínio baseados na web.
A principal força do MiniMax M3, demonstrada por sua pontuação de 83,5 no BrowseComp, é sua capacidade de lidar com tarefas de busca de informações baseadas na web. Isso indica forte compreensão de leitura e habilidades de navegação. No entanto, o desempenho do modelo em outros benchmarks comuns (como MMLU, HumanEval ou GSM8K) não foi divulgado publicamente como parte das informações fornecidas. Portanto, seu desempenho relativo em conhecimento geral, geração de código ou raciocínio matemático não é quantificado aqui. Os usuários devem avaliar o modelo em suas próprias tarefas. A grande janela de contexto e o suporte multimodal são pontos fortes adicionais não capturados apenas pelo BrowseComp.
A velocidade de inferência e a latência do MiniMax M3 dependem de vários fatores, incluindo o comprimento da entrada, o comprimento da saída e a carga do servidor. Não são fornecidos números específicos de latência nos fatos disponíveis. Em geral, modelos com grandes janelas de contexto podem ter latência maior para entradas muito longas devido ao custo computacional de processar muitos tokens. O limite de saída de 512.000 tokens significa que gerar respostas muito longas levará proporcionalmente mais tempo. Ao usar a API do OrcaRouter, a latência será semelhante à de outros grandes modelos de tamanho comparável. Para aplicações quase em tempo real que exigem baixa latência, considere modelos com janelas de contexto menores.
O MiniMax M3 tem o preço de $0.30 por 1 milhão de tokens de entrada e $1.20 por 1 milhão de tokens de saída. Essas taxas refletem o preço do provedor sem nenhum acréscimo da OrcaRouter. Os tokens de entrada incluem todos os tokens no prompt, incluindo mensagens do sistema, mensagens do usuário e quaisquer tokens de imagem ou vídeo. Os tokens de saída são os tokens gerados na resposta. O custo é escalado linearmente com o uso de tokens. Por exemplo, uma requisição com 100,000 tokens de entrada e 10,000 tokens de saída custaria $0.03 para entrada e $0.012 para saída, totalizando $0.042. Não há taxas adicionais de plataforma ou compromissos mínimos.
Os fatos fornecidos não mencionam nenhum programa de desconto específico ou benefícios de cache para o MiniMax M3 no OrcaRouter. O preço é direto por token, conforme as taxas acima. O OrcaRouter não oferece cache automático ou taxas reduzidas para entradas repetidas com base nas informações disponíveis. Os usuários devem consultar a documentação do OrcaRouter ou entrar em contato com a equipe de suporte para obter os detalhes mais atualizados sobre quaisquer recursos de redução de custos. Na ausência de tais programas, o custo é diretamente proporcional ao número de tokens de entrada e saída consumidos.
O preço do MiniMax M3 de $0.30 por milhão de tokens de entrada e $1.20 por milhão de tokens de saída é competitivo para um modelo que oferece uma janela de contexto de 1,048,576 tokens e entrada multimodal. Sem preços específicos de concorrentes fornecidos nos fatos, uma comparação geral: muitos modelos grandes com janelas de contexto menores (por exemplo, 128k ou 200k tokens) têm preços semelhantes por token, mas seu limite de contexto exige múltiplas chamadas de API para documentos muito longos. O contexto maior do MiniMax M3 pode reduzir o custo total para tarefas que de outra forma exigiriam divisão em partes e múltiplas solicitações. Os usuários devem calcular o uso total de tokens em seu fluxo de trabalho típico para comparar.
Para usar o MiniMax M3 através do OrcaRouter, envie requisições para a URL base https://api.orcarouter.ai/v1. O identificador do modelo é "minimax/minimax-m3". A autenticação é feita passando sua chave de API do OrcaRouter no cabeçalho Authorization como "Bearer YOUR_API_KEY". A API é compatível com o SDK da OpenAI, então você pode usar a mesma biblioteca cliente atualizando a URL base e a chave de API. Por exemplo, em Python com o pacote openai, defina `client = OpenAI(base_url="https://api.orcarouter.ai/v1", api_key=YOUR_API_KEY)` e depois chame `client.chat.completions.create(model="minimax/minimax-m3", messages=[...])`.
Quando chamar o MiniMax M3 através da API compatível com OpenAI do OrcaRouter, você pode usar parâmetros padrão como `messages`, `max_tokens`, `temperature`, `top_p`, `frequency_penalty`, `presence_penalty`, `stop` e `stream`. O parâmetro `max_tokens` não deve exceder a saída máxima do modelo de 512.000 tokens. Os tokens de entrada (em `messages`) mais os tokens de saída devem permanecer dentro da janela de contexto de 1.048.576 tokens. Para entradas multimodais, inclua imagens ou vídeo no array `content` usando o formato apropriado (por exemplo, `image_url` para imagens). Consulte a documentação da API OpenAI para descrições completas dos parâmetros.
Para migrar um aplicativo existente que usa a API da OpenAI para o MiniMax M3 no OrcaRouter, você precisa alterar duas coisas: a URL base e o ID do modelo. Substitua sua URL base da OpenAI por "https://api.orcarouter.ai/v1". Altere a string do modelo para "minimax/minimax-m3". Atualize também sua chave de API para uma chave de API do OrcaRouter. O formato das mensagens permanece idêntico — compatível com OpenAI. Nenhuma outra alteração de código é necessária. Se seu aplicativo usar streaming, a interface de streaming também é compatível. Teste com uma pequena solicitação primeiro para garantir a conectividade e que o modelo responda conforme esperado.
A autenticação na API do OrcaRouter é feita através de uma chave de API. Você deve incluir sua chave de API do OrcaRouter no cabeçalho Authorization de cada requisição como "Bearer YOUR_API_KEY". As chaves de API são emitidas pelo OrcaRouter; você pode obter uma se cadastrando na plataforma deles. Mantenha sua chave segura e não a exponha em código do lado do cliente. A API suporta apenas acesso baseado em chave; nenhum OAuth ou outro método de autenticação está documentado para este endpoint. Se você estiver usando a biblioteca Python do OpenAI, defina o parâmetro `api_key` como sua chave do OrcaRouter ao inicializar o cliente.
MiniMax M3 oferece uma janela de contexto de 1,048,576 tokens, uma das maiores disponíveis. Muitos modelos concorrentes de contexto longo oferecem 128K, 200K ou 1M tokens, mas poucos também suportam entrada de imagem e vídeo. A pontuação de 83,5 no BrowseComp sugere um bom desempenho em tarefas de recuperação de informações baseadas na web. No entanto, sem outras pontuações de benchmark, uma comparação abrangente é limitada. Em termos de preços, a US$ 0,30 de entrada / US$ 1,20 de saída por milhão de tokens, é moderadamente precificado para seu tamanho de contexto. Os usuários devem comparar o custo total para seus comprimentos típicos de entrada e necessidades de geração de saída.
Escolha o MiniMax M3 quando sua aplicação exigir uma janela de contexto muito grande (até 1M de tokens) ou entrada multimodal (texto, imagem, vídeo). Se você precisar processar um documento longo ou vídeo em uma única chamada de API sem dividir em partes, o tamanho do contexto do M3 é uma vantagem chave. Também é adequado se você precisar gerar até 512,000 tokens de saída. Para tarefas puramente baseadas em texto com requisitos de contexto menores (por exemplo, abaixo de 100K tokens), um modelo mais barato com uma janela de contexto menor pode ser mais econômico. Além disso, se você precisar da velocidade de inferência mais rápida, modelos com janelas de contexto menores podem responder mais rapidamente.
A privacidade dos dados para o MiniMax M3, quando acessado através do OrcaRouter, é regida pelas políticas de tratamento de dados do OrcaRouter. O OrcaRouter não adiciona uma margem ao preço do provedor, mas a infraestrutura de processamento de dados é gerenciada pelo OrcaRouter. O provedor do modelo (Minimax) também pode ter seus próprios termos de uso de dados. Os usuários devem revisar tanto a política de privacidade do OrcaRouter quanto os termos do Minimax sobre retenção, treinamento e criptografia de dados. Nenhuma certificação de segurança específica ou opções de residência de dados são fornecidas nos fatos disponíveis. Para dados sensíveis, considere entrar em contato diretamente com o OrcaRouter para obter detalhes sobre tratamento de dados e conformidade.
Compatível com OpenAI — mantenha seu SDK
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| Entrada / 1M tokens | $0.300 |
| Saída / 1M tokens | $1.20 |
| Leitura de cache / 1M | $0.060 |
| Moeda | USD |
Estimativa com base no preço de tabela
Apenas uma estimativa — a contagem real de tokens depende do tokenizador do provedor.
GET /api/public/models/minimax/minimax-m3Abrir @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