MiniMax-M3 是 MiniMax 的旗艦開源權重基礎模型，也是首款同時結合三項前沿能力的模型：前沿級別的程式碼撰寫與代理效能、1M token 的上下文窗口，以及原生多模態能力。它接受文字、圖像和影片輸入，並以文字輸出，採用專有的 MiniMax Sparse Attention (MSA) 架構，可支援高達 1M token 的上下文（保證最低 512K）——這是長程代理任務、長時間程式碼撰寫和長影片理解的基礎。 多模態是原生核心能力，而非附加功能：資料管線已重建，從零步驟開始進行多模態訓練，將預訓練規模擴展至 100T+ token，深度對齊文字與視覺語義空間。M3 在涵蓋軟體工程、終端執行和自主瀏覽的程式碼與代理基準測試中取得頂尖結果（在 BrowseComp 上得分 83.5），具備自主任務分解、工具呼叫和多步驟推理能力。它非常適合 AI 程式碼助手、自動化工作流程，以及在長時間執行中需要連貫性的非同步代理流程。
MiniMax M3 是由 Minimax 開發的大型語言模型，可透過 OrcaRouter 的 OpenAI 相容 API 使用。它支援文字、圖片和影片輸入，具備 1,048,576 個 token 的上下文視窗，最大輸出可達 512,000 個 token。這使其非常適合需要處理長篇文件、多模態內容或在單次 API 呼叫中生成大量回應的開發者與研究人員。該模型定價為每百萬輸入 token…
MiniMax M3 能夠在一次處理中讀取長達 1,048,576 個 token 的長篇文件。這使其能夠在完整的研究論文、法律文件或技術手冊上執行摘要、問答及資訊提取等任務，而不會失去上下文。該模型還能處理多份文件輸入（例如一批文章），並生成連貫的輸出。對於需要極長輸出的應用，512,000 個 token 的生成限制允許產出完整的報告或程式碼。這項能力對於企業級文件處理與數據分析工作流程特別實用。
MiniMax M3 可接受圖片與影片輸入，並能結合文字推理視覺內容。圖片與影片會被標記化並嵌入至與文字相同的上下文中。該模型能回答關於圖片內容的問題、描述影片場景，或執行光學字元辨識。針對影片，它可處理多個幀或整段影片，只要合併的標記總數不超過 1,048,576 個標記的視窗限制。此多模態支援使其適用於字幕生成、視覺問答與影片分析等任務，且皆可透過 OrcaRouter API 存取。
MiniMax M3 針對需要非常大的上下文窗口（1,048,576 個 token）或多模態輸入（文字、圖片、影片）的任務進行了優化。若你的應用涉及在單次 API 呼叫中處理長篇文件、整本書籍或數小時的影片，M3 的上下文大小是一大優勢。它也適用於需要無需多次請求即可生成多達 512,000 個 token 輸出的情境。對於較簡單的任務（例如短文字生成、幾段文字的摘要或單張圖片描述），採用上下文窗口較小且成本較低的模型可能更具成本效益。請評估你的平均輸入和輸出長度來決定。
MiniMax M3 最適合利用其大型上下文視窗與多模態能力的任務。範例包括：分析整篇研究論文或法律文件並進行問答；從長篇多頁表單中提取結構化數據；根據大量輸入產出詳盡報告或程式碼；影片內容分析，例如總結講座內容或跨多個影格識別物體；以及建置需要在單一對話中儲存並推理大量使用者互動歷史的應用程式。其定價—每百萬輸入代幣0.30美元，每百萬輸出代幣1.20美元—使其在高量、長上下文的流程中具備經濟效益。
MiniMax M3 在 BrowseComp 基準測試中取得了 83.5 的分數。BrowseComp 評估模型瀏覽網頁並從中提取相關資訊的能力。該測試通常模擬用戶瀏覽一系列網頁，然後根據內容回答問題。分數越高，表示在理解網頁佈局、跟隨連結以及綜合多個頁面資訊方面的表現越好。83.5 的分數使 MiniMax M3 在此基準測試的模型中處於競爭地位，特別是在涉及基於網頁的資訊檢索與推理任務上。
MiniMax M3 的主要優勢體現在其 83.5 的 BrowseComp 分數上，顯示出它能夠處理基於網路的資訊搜尋任務，具備強大的閱讀理解與導航能力。然而，該模型在其他常見基準測試（如 MMLU、HumanEval 或 GSM8K）上的表現，並未在已提供的資訊中公開揭露。因此，其在通用知識、程式碼生成或數學推理方面的相對表現，在此無法量化。使用者應根據自身任務來評估該模型。此外，大型上下文視窗與多模態支援也是 BrowseComp 本身無法完全涵蓋的額外優勢。
MiniMax M3的推理速度和延遲取決於多個因素，包括輸入長度、輸出長度和伺服器負載。現有資料中未提供具體的延遲數據。一般而言，具有大上下文窗口的模型在處理非常長的輸入時可能會有更高的延遲，因為處理大量標記（tokens）的計算成本較高。512,000個標記的輸出限制意味著生成非常長的回應需要按比例花費更長時間。使用OrcaRouter的API時，延遲將與其他類似規模的大型模型相近。對於需要低延遲的準即時應用，建議考慮上下文窗口較小的模型。
MiniMax M3 定價為每100萬個輸入代幣0.30美元，每100萬個輸出代幣1.20美元。此價格反映提供商的定價，OrcaRouter 不加收任何費用。輸入代幣包含提示中的所有代幣，包括系統訊息、使用者訊息以及任何圖片或影片代幣。輸出代幣則是回應中產生的代幣。成本會根據代幣用量線性增加。例如，一個包含10萬個輸入代幣與1萬個輸出代幣的請求，輸入費用為0.03美元，輸出費用為0.012美元，總計0.042美元。無需支付額外平台費用或最低消費。
所提供的資料中，並未提及任何針對OrcaRouter上MiniMax M3的特定折扣方案或快取優惠。其定價方式直接按上述費率以每個Token計費。根據現有資訊，OrcaRouter並未提供自動快取或針對重複輸入的優惠費率。使用者應查閱OrcaRouter的文件或聯絡其支援團隊，以獲取關於潛在節省成本功能的最新詳細資訊。在缺乏此類方案的情況下，成本將直接與消耗的輸入和輸出Token數量成正比。
MiniMax M3的定價為每百萬輸入Token 0.30美元，每百萬輸出Token 1.20美元，對於提供1,048,576 Token上下文視窗與多模態輸入的模型而言，極具競爭力。由於事實中未提供特定競爭對手的定價，進行一般性比較：許多擁有較小上下文視窗（例如128k或200k Token）的大型模型，其每Token定價相似，但當處理超長文件時，其上下文限制會導致需要多次API呼叫。MiniMax M3更大的上下文視窗可減少因分塊與多次請求而產生的整體成本，適用於原本需要分段的任務。使用者應根據自身典型工作流程計算總Token用量，以進行比較。
若要透過 OrcaRouter 使用 MiniMax M3，請將請求發送至基礎 URL https://api.orcarouter.ai/v1。模型識別碼為 "minimax/minimax-m3"。驗證方式是將您的 OrcaRouter API 金鑰放在 Authorization 標頭中，格式為 "Bearer YOUR_API_KEY"。此 API 與 OpenAI SDK 相容，因此您可以透過更新基礎 URL 和 API 金鑰來使用相同的客戶端程式庫。例如，在使用 openai 套件的 Python 中，設定 `client = OpenAI(base_url="https://api.orcarouter.ai/v1", api_key=YOUR_API_KEY)`，然後呼叫 `client.chat.completions.create(model="minimax/minimax-m3", messages=[...])`。
通過 OrcaRouter 的 OpenAI 相容 API 呼叫 MiniMax M3 時，您可以使用標準參數，例如 `messages`、`max_tokens`、`temperature`、`top_p`、`frequency_penalty`、`presence_penalty`、`stop` 和 `stream`。`max_tokens` 參數不得超過模型最大輸出 512,000 個 token。輸入 token（位於 `messages` 中）加上輸出 token 必須保持在 1,048,576 個 token 的上下文視窗內。對於多模態輸入，請在 `content` 陣列中以適當格式（例如圖片使用 `image_url`）包含圖片或影片。完整參數說明請參閱 OpenAI API 文件。
若要將現有使用 OpenAI API 的應用程式遷移到 OrcaRouter 上的 MiniMax M3，您需要更改兩項內容：基礎 URL 與模型 ID。將 OpenAI 基礎 URL 替換為 "https://api.orcarouter.ai/v1"。將模型字串更改為 "minimax/minimax-m3"。同時將您的 API 金鑰更新為 OrcaRouter API 金鑰。訊息格式保持完全相同——與 OpenAI 相容。無需其他程式碼變更。如果您的應用程式使用串流，串流介面同樣相容。先以小型請求進行測試，以確保連線正常且模型能如預期回應。
對 OrcaRouter API 的驗證是透過 API 金鑰完成的。您必須在每個請求的 Authorization 標頭中將 OrcaRouter API 金鑰包含為 "Bearer YOUR_API_KEY"。API 金鑰由 OrcaRouter 核發；您可以透過在他們的平台註冊來取得。請妥善保管您的金鑰，切勿在客戶端代碼中暴露。此 API 僅支援基於金鑰的存取；該端點未記錄 OAuth 或其他驗證方法。如果您使用 OpenAI Python 函式庫，請在初始化客戶端時將 `api_key` 參數設為您的 OrcaRouter 金鑰。
MiniMax M3 提供 1,048,576 個 token 的上下文視窗，屬於市面上最大的之一。許多競爭的長上下文模型提供 128K、200K 或 1M token，但同時支援圖片和影片輸入的則較少。83.5 的 BrowseComp 分數顯示其在網頁資訊檢索任務上表現強勁。然而，缺乏其他基準測試分數，使得全面比較受限。在定價方面，每百萬 token 輸入 $0.30 / 輸出 $1.20，以其上下文大小而言價格適中。使用者應根據自身常見的輸入長度和輸出生成需求來比較總成本。
當您的應用需要非常大的上下文窗口（最多1M個token）或多模態輸入（文字、圖像、影片）時，請選擇MiniMax M3。如果您需要在單次API呼叫中處理長文檔或影片而無需分段，M3的上下文大小是一個關鍵優勢。如果您需要生成最多512,000個token的輸出，它也很適合。對於純文字且上下文需求較小（例如，少於100K個token）的任務，使用上下文窗口較小的較便宜模型可能更具成本效益。此外，如果您需要最快的推理速度，上下文窗口較小的模型可能回應更快。
透過 OrcaRouter 存取 MiniMax M3 時的資料隱私，受 OrcaRouter 的資料處理政策規範。OrcaRouter 不會在提供商的定價上加價，但資料處理基礎設施由 OrcaRouter 管理。模型提供商（Minimax）可能也有自己的資料使用條款。使用者應同時查閱 OrcaRouter 的隱私政策與 Minimax 關於資料保留、訓練及加密的條款。現有資料中未提供特定的安全認證或資料駐留選項。若涉及敏感資料，建議直接聯絡 OrcaRouter 以獲取資料處理與合規的詳細資訊。
相容 OpenAI——沿用你現有的 SDK
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| 輸入 / 1M tokens | $0.300 |
| 輸出 / 1M tokens | $1.20 |
| 快取讀取 / 1M | $0.060 |
| 貨幣 | USD |
基於標價的估算
僅為估算——實際 Token 數取決於供應商的分詞器。
@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