MiniMax-M3 là mô hình nền tảng trọng số mở hàng đầu của MiniMax và là mô hình đầu tiên kết hợp đồng thời ba khả năng tiên tiến: hiệu năng lập trình và tác tử ở cấp độ tiên tiến, cửa sổ ngữ cảnh 1M token, và đa phương thức bản địa. Nó chấp nhận đầu vào văn bản, hình ảnh và video với đầu ra văn bản, và được hỗ trợ bởi kiến trúc MiniMax Sparse Attention (MSA) độc quyền, kiến trúc này duy trì tới 1M token ngữ cảnh (với mức đảm bảo tối thiểu 512K) – nền tảng cho các tác vụ tác tử tầm xa, lập trình dài hạn và hiểu video dài. Đa phương thức là khả năng cốt lõi bản địa chứ không phải là phần bổ sung: đường ống dữ liệu đã được xây dựng lại để mở rộng quy mô tiền huấn luyện lên 100T+ token với đào tạo đa phương thức từ bước đầu tiên, căn chỉnh sâu sắc không gian ngữ nghĩa văn bản và hình ảnh. M3 đạt kết quả hàng đầu trên các điểm chuẩn lập trình và tác tử trên nhiều lĩnh vực kỹ thuật phần mềm, thực thi terminal và duyệt web tự động (đạt 83.5 điểm trên BrowseComp), với khả năng phân tách tác vụ tự động, triệu gọi công cụ và suy luận đa bước. Nó rất phù hợp với các trợ lý lập trình AI, quy trình làm việc tự động và các pipeline tác tử không đồng bộ chạy dài, nơi duy trì sự mạch lạc trong các phiên kéo dài là quan trọng.
MiniMax M3 là một mô hình ngôn ngữ lớn do Minimax phát triển, có thể truy cập thông qua API tương thích OpenAI của OrcaRouter. Mô hình này chấp nhận đầu vào văn bản, hình ảnh và video, có cửa sổ ngữ…
MiniMax M3 có thể xử lý các tài liệu dài lên tới 1,048,576 token trong một lần duy nhất. Điều này cho phép nó thực hiện các tác vụ như tóm tắt, trả lời câu hỏi và trích xuất thông tin trên toàn bộ bài nghiên cứu, bản tóm tắt pháp lý hoặc sổ tay kỹ thuật mà không mất ngữ cảnh. Mô hình cũng có thể xử lý đầu vào đa tài liệu, chẳng hạn như một tập hợp các bài báo, và tạo ra đầu ra mạch lạc. Đối với các ứng dụng yêu cầu đầu ra rất dài, giới hạn tạo 512,000 token cho phép sản xuất các báo cáo đầy đủ hoặc mã nguồn. Khả năng này đặc biệt hữu ích cho quy trình xử lý tài liệu và phân tích dữ liệu doanh nghiệp.
MiniMax M3 chấp nhận đầu vào là hình ảnh và video cùng với văn bản, cho phép nó suy luận về nội dung trực quan. Hình ảnh và video được token hóa và nhúng vào cùng ngữ cảnh với văn bản. Mô hình có thể trả lời các câu hỏi về nội dung của một hình ảnh, mô tả một cảnh video hoặc thực hiện nhận dạng ký tự quang học. Đối với video, nó có thể xử lý nhiều khung hình hoặc toàn bộ video miễn là tổng số token nằm trong cửa sổ 1.048.576 token. Hỗ trợ đa phương thức này làm cho nó phù hợp với các tác vụ như chú thích, trả lời câu hỏi trực quan và phân tích video, tất cả đều có thể truy cập thông qua API OrcaRouter.
MiniMax M3 được tối ưu hóa cho các tác vụ yêu cầu cửa sổ ngữ cảnh rất lớn (1.048.576 token) hoặc đầu vào đa phương thức (văn bản, hình ảnh, video). Nếu ứng dụng của bạn liên quan đến xử lý tài liệu dài, toàn bộ sách, hoặc hàng giờ video trong một lần gọi API, kích thước ngữ cảnh của M3 là một lợi thế lớn. Nó cũng phù hợp với các tình huống bạn cần tạo ra tới 512.000 token đầu ra mà không cần nhiều yêu cầu. Đối với các tác vụ đơn giản hơn—chẳng hạn như tạo văn bản ngắn, tóm tắt một vài đoạn, hoặc mô tả một hình ảnh—một mô hình rẻ hơn với cửa sổ ngữ cảnh nhỏ hơn có thể tiết kiệm chi phí hơn. Hãy đánh giá độ dài đầu vào và đầu ra trung bình của bạn để quyết định.
MiniMax M3 phù hợp nhất cho các tác vụ tận dụng được cửa sổ ngữ cảnh lớn và khả năng đa phương thức của nó. Các ví dụ bao gồm: phân tích toàn bộ bài báo nghiên cứu hoặc tài liệu pháp lý với tính năng hỏi đáp; trích xuất dữ liệu có cấu trúc từ các biểu mẫu dài nhiều trang; tạo báo cáo hoặc mã nguồn mở rộng từ một tập lớn đầu vào; phân tích nội dung video, như tóm tắt một bài giảng hoặc xác định đối tượng qua nhiều khung hình; và xây dựng các ứng dụng yêu cầu lưu trữ và suy luận trên một lịch sử tương tác lớn của người dùng trong một cuộc trò chuyện duy nhất. Giá của nó—$0.30 cho mỗi triệu token đầu vào và $1.20 cho mỗi triệu token đầu ra—khiến nó trở nên kinh tế cho các quy trình làm việc khối lượng lớn, ngữ cảnh dài.
MiniMax M3 đạt được số điểm 83.5 trên benchmark BrowseComp. BrowseComp đánh giá khả năng của mô hình trong việc điều hướng các trang web và trích xuất thông tin liên quan từ chúng. Bài kiểm tra này thường mô phỏng một người dùng duyệt qua một loạt các trang web và sau đó trả lời các câu hỏi dựa trên nội dung. Điểm số cao hơn cho thấy hiệu suất tốt hơn trong việc hiểu bố cục web, theo dõi các liên kết và tổng hợp thông tin từ nhiều trang. Với số điểm 83.5, MiniMax M3 chiếm vị trí cạnh tranh trong số các mô hình được thử nghiệm trên benchmark này, đặc biệt là đối với các tác vụ liên quan đến truy xuất thông tin và suy luận dựa trên web.
Điểm mạnh chính của MiniMax M3 thể hiện qua điểm số 83,5 trên BrowseComp là khả năng xử lý các tác vụ tìm kiếm thông tin dựa trên web. Điều này cho thấy khả năng đọc hiểu và điều hướng mạnh mẽ. Tuy nhiên, hiệu suất của mô hình trên các benchmark phổ biến khác (như MMLU, HumanEval hoặc GSM8K) chưa được công bố công khai trong các dữ kiện được cung cấp. Do đó, hiệu suất tương đối của nó trong kiến thức tổng quát, sinh mã hoặc suy luận toán học không được định lượng tại đây. Người dùng nên tự đánh giá mô hình trên các tác vụ của riêng mình. Cửa sổ ngữ cảnh lớn và hỗ trợ đa phương thức là những điểm mạnh bổ sung mà BrowseComp chưa thể hiện hết.
Tốc độ suy luận và độ trễ của MiniMax M3 phụ thuộc vào một số yếu tố bao gồm độ dài đầu vào, độ dài đầu ra và tải máy chủ. Không có số liệu độ trễ cụ thể nào được cung cấp trong các thông tin hiện có. Nhìn chung, các mô hình có cửa sổ ngữ cảnh lớn có thể có độ trễ cao hơn đối với các đầu vào rất dài do chi phí tính toán khi xử lý nhiều token. Giới hạn đầu ra là 512.000 token có nghĩa là việc tạo ra các phản hồi rất dài sẽ mất thời gian tương ứng lâu hơn. Khi sử dụng API của OrcaRouter, độ trễ sẽ tương tự như các mô hình lớn khác có kích thước tương đương. Đối với các ứng dụng gần thời gian thực yêu cầu độ trễ thấp, hãy cân nhắc sử dụng các mô hình có cửa sổ ngữ cảnh nhỏ hơn.
MiniMax M3 có giá $0,30 cho mỗi 1 triệu token đầu vào và $1,20 cho mỗi 1 triệu token đầu ra. Các mức giá này phản ánh định giá của nhà cung cấp mà không có bất kỳ khoản phụ phí nào từ OrcaRouter. Token đầu vào bao gồm tất cả token trong lời nhắc, bao gồm tin nhắn hệ thống, tin nhắn người dùng và bất kỳ token hình ảnh hoặc video nào. Token đầu ra là các token được tạo ra trong phản hồi. Chi phí tăng tuyến tính theo lượng token sử dụng. Ví dụ, một yêu cầu có 100.000 token đầu vào và 10.000 token đầu ra sẽ tốn $0,03 cho đầu vào và $0,012 cho đầu ra, tổng cộng là $0,042. Không có phí nền tảng bổ sung hoặc cam kết tối thiểu.
Các sự kiện được cung cấp không đề cập đến bất kỳ chương trình giảm giá cụ thể nào hoặc lợi ích lưu trữ đệm cho MiniMax M3 trên OrcaRouter. Giá cả được tính đơn giản theo từng token với mức giá nêu trên. OrcaRouter không cung cấp tính năng lưu trữ đệm tự động hoặc mức giá giảm cho các đầu vào lặp lại dựa trên thông tin hiện có. Người dùng nên tham khảo tài liệu của OrcaRouter hoặc liên hệ với đội ngũ hỗ trợ của họ để biết thông tin chi tiết mới nhất về bất kỳ tính năng tiết kiệm chi phí tiềm năng nào. Trong trường hợp không có các chương trình như vậy, chi phí tỷ lệ thuận trực tiếp với số lượng token đầu vào và đầu ra đã sử dụng.
Mức giá của MiniMax M3 là $0.30 cho mỗi triệu token đầu vào và $1.20 cho mỗi triệu token đầu ra, đây là mức cạnh tranh đối với một mô hình cung cấp cửa sổ ngữ cảnh 1.048.576 token và đầu vào đa phương thức. Nếu không có giá cụ thể của đối thủ cạnh tranh trong dữ liệu thực tế, có thể so sánh tổng quát: nhiều mô hình lớn với cửa sổ ngữ cảnh nhỏ hơn (ví dụ: 128k hoặc 200k token) có giá tương tự trên mỗi token, nhưng giới hạn ngữ cảnh của chúng đòi hỏi nhiều lệnh gọi API cho các tài liệu rất dài. Cửa sổ ngữ cảnh lớn hơn của MiniMax M3 có thể giảm tổng chi phí cho các tác vụ mà nếu không sẽ phải chia nhỏ và gửi nhiều yêu cầu. Người dùng nên tính tổng lượng token sử dụng trong quy trình làm việc điển hình của mình để so sánh.
Để sử dụng MiniMax M3 qua OrcaRouter, gửi yêu cầu đến URL cơ sở https://api.orcarouter.ai/v1. Định danh mô hình là "minimax/minimax-m3". Xác thực bằng cách truyền khóa API OrcaRouter của bạn trong header Authorization dưới dạng "Bearer YOUR_API_KEY". API tương thích với SDK OpenAI, vì vậy bạn có thể sử dụng cùng một thư viện client bằng cách cập nhật URL cơ sở và khóa API. Ví dụ, trong Python với gói openai, đặt `client = OpenAI(base_url="https://api.orcarouter.ai/v1", api_key=YOUR_API_KEY)` và sau đó gọi `client.chat.completions.create(model="minimax/minimax-m3", messages=[...])`.
Khi gọi MiniMax M3 thông qua API tương thích OpenAI của OrcaRouter, bạn có thể sử dụng các tham số tiêu chuẩn như `messages`, `max_tokens`, `temperature`, `top_p`, `frequency_penalty`, `presence_penalty`, `stop` và `stream`. Tham số `max_tokens` không được vượt quá giới hạn đầu ra tối đa của mô hình là 512.000 token. Các token đầu vào (trong `messages`) cộng với token đầu ra phải nằm trong cửa sổ ngữ cảnh 1.048.576 token. Đối với đầu vào đa phương thức, hãy bao gồm hình ảnh hoặc video trong mảng `content` sử dụng định dạng phù hợp (ví dụ: `image_url` cho hình ảnh). Tham khảo tài liệu API OpenAI để biết mô tả đầy đủ về các tham số.
Để di chuyển ứng dụng hiện tại sử dụng API OpenAI sang MiniMax M3 trên OrcaRouter, bạn cần thay đổi hai thứ: base URL và model ID. Thay base URL OpenAI của bạn bằng "https://api.orcarouter.ai/v1". Đổi chuỗi model thành "minimax/minimax-m3". Cũng cập nhật API key của bạn thành API key OrcaRouter. Định dạng tin nhắn vẫn giống hệt — tương thích OpenAI. Không cần thay đổi code nào khác. Nếu ứng dụng của bạn sử dụng streaming, giao diện stream cũng tương thích. Kiểm tra trước với một yêu cầu nhỏ để đảm bảo kết nối và model phản hồi như mong đợi.
Xác thực với API của OrcaRouter được thực hiện thông qua khóa API. Bạn phải bao gồm khóa API OrcaRouter của mình trong header Authorization của mỗi yêu cầu dưới dạng "Bearer YOUR_API_KEY". Khóa API do OrcaRouter cấp; bạn có thể nhận một khóa bằng cách đăng ký trên nền tảng của họ. Giữ khóa của bạn an toàn và không để lộ nó trong mã phía client. API chỉ hỗ trợ truy cập dựa trên khóa; không có OAuth hoặc các phương pháp xác thực nào khác được ghi lại cho endpoint này. Nếu bạn đang sử dụng thư viện Python của OpenAI, hãy đặt tham số `api_key` thành khóa OrcaRouter của bạn khi khởi tạo client.
MiniMax M3 cung cấp cửa sổ ngữ cảnh 1.048.576 token, nằm trong số những cửa sổ lớn nhất hiện có. Nhiều mô hình ngữ cảnh dài cạnh tranh cung cấp 128K, 200K hoặc 1M token, nhưng ít mô hình cũng hỗ trợ đầu vào hình ảnh và video. Điểm BrowseComp 83,5 cho thấy hiệu suất mạnh mẽ trong các tác vụ truy xuất thông tin dựa trên web. Tuy nhiên, nếu không có các điểm chuẩn khác, việc so sánh toàn diện bị hạn chế. Về mặt giá cả, với $0,30 đầu vào / $1,20 đầu ra trên một triệu token, nó có giá vừa phải so với kích thước ngữ cảnh của nó. Người dùng nên so sánh tổng chi phí cho độ dài đầu vào thông thường và nhu cầu tạo đầu ra của họ.
Hãy chọn MiniMax M3 khi ứng dụng của bạn yêu cầu cửa sổ ngữ cảnh rất lớn (lên đến 1M token) hoặc đầu vào đa phương thức (văn bản, hình ảnh, video). Nếu bạn cần xử lý một tài liệu dài hoặc video trong một lần gọi API duy nhất mà không cần chia nhỏ, kích thước ngữ cảnh của M3 là một lợi thế chính. Nó cũng phù hợp nếu bạn cần tạo ra tối đa 512.000 token đầu ra. Đối với các tác vụ hoàn toàn dựa trên văn bản với yêu cầu ngữ cảnh nhỏ hơn (ví dụ: dưới 100K token), một mô hình rẻ hơn với cửa sổ ngữ cảnh nhỏ hơn có thể tiết kiệm chi phí hơn. Ngoài ra, nếu bạn cần tốc độ suy luận nhanh nhất, các mô hình có cửa sổ ngữ cảnh nhỏ hơn có thể phản hồi nhanh hơn.
Quyền riêng tư dữ liệu đối với MiniMax M3 khi được truy cập qua OrcaRouter được điều chỉnh bởi các chính sách xử lý dữ liệu của OrcaRouter. OrcaRouter không thêm phụ phí vào giá của nhà cung cấp, nhưng cơ sở hạ tầng xử lý dữ liệu do OrcaRouter quản lý. Nhà cung cấp mô hình (Minimax) cũng có thể có các điều khoản sử dụng dữ liệu riêng. Người dùng nên xem xét cả chính sách bảo mật của OrcaRouter và các điều khoản của Minimax liên quan đến lưu giữ dữ liệu, đào tạo và mã hóa. Không có chứng nhận bảo mật cụ thể hoặc tùy chọn cư trú dữ liệu nào được cung cấp trong các thông tin có sẵn. Đối với dữ liệu nhạy cảm, hãy cân nhắc liên hệ trực tiếp với OrcaRouter để biết chi tiết về xử lý dữ liệu và tuân thủ.
Tương thích OpenAI — giữ nguyên SDK bạn đang dùng
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| Đầu vào / 1M tokens | $0.300 |
| Đầu ra / 1M tokens | $1.20 |
| Đọc cache / 1M | $0.060 |
| Tiền tệ | USD |
Ước tính theo giá niêm yết
Chỉ là ước tính — số token thực tế phụ thuộc vào bộ tách token của nhà cung cấp.
GET /api/public/models/minimax/minimax-m3Mở @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