MiniMax: MiniMax M3

MiniMax M3 adalah model fondasi multimodal dari MiniMax. Ini adalah model teks dalam arti keluarannya berupa teks, tetapi ia menerima lebih dari sekadar teks pada masukannya. MiniMax memposisikannya sebagai model fondasi, bukan sistem tugas tunggal yang sempit, dan penyedia mendeskripsikannya sebagai cocok untuk pekerjaan agentic jangka panjang dan coding, di antara hal lainnya.

Pada sisi masukan, MiniMax M3 menerima teks, gambar dan video. Pada sisi keluaran, ia hanya menghasilkan teks. Jendela konteksnya adalah 1.048.576 token, dan keluaran maksimumnya adalah 512.000 token. Kombinasi konteks yang sangat besar dan anggaran keluaran yang sangat besar itulah kemampuan utamanya di sini: Anda dapat memberikan sekumpulan besar materi kepada model dan tetap mengharapkan respons yang substansial, bukan ringkasan singkat. Karena gambar dan video diterima sebagai masukan, model dapat menalar atas materi visual bersama teks dalam permintaan yang sama.

Kasus penggunaan praktis mengikuti properti tersebut. Pekerjaan agentic jangka panjang adalah salah satunya: tugas yang mengakumulasi status selama banyak langkah dan membutuhkan langkah-langkah sebelumnya tetap terlihat. Coding adalah yang lainnya, terutama pekerjaan yang melibatkan pembacaan sejumlah besar sumber yang ada sebelum menulis apa pun. Masukan video dan gambar membuka tugas di mana model harus mendeskripsikan, menafsirkan atau menjawab pertanyaan tentang konten visual, atau menggabungkan konten tersebut dengan instruksi tertulis. Batas keluaran yang besar juga membuatnya wajar untuk meminta artefak yang dihasilkan panjang, seperti dokumen panjang atau file penuh, dalam satu panggilan.

Anda memanggil MiniMax M3 melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "minimax/minimax-m3". Karena antarmukanya kompatibel dengan OpenAI, pustaka klien OpenAI yang ada dan bentuk permintaan yang ada berfungsi dengan mengubah base URL dan model id. Model ini mendukung sekumpulan besar parameter permintaan: frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs dan top_p. Tool calling dan structured outputs keduanya tersedia, yang penting jika Anda membangun loop agen atau membutuhkan respons yang sesuai dengan skema. Parameter reasoning dan include_reasoning memungkinkan Anda mengontrol apakah konten penalaran ditampilkan.

Tidak ada batasan yang dinyatakan dalam fakta selain batas keluaran 512.000 token, jadi hal utama yang perlu diperiksa adalah apakah tugas Anda benar-benar membutuhkan konteks dan keluaran sebanyak ini. Jika beban kerja Anda berupa prompt pendek dengan jawaban pendek dan tanpa masukan visual, model teks yang lebih kecil biasanya lebih sederhana untuk digunakan. MiniMax M3 paling masuk akal ketika masukannya besar, ketika mencakup gambar atau video, atau ketika tugas berjalan selama banyak langkah dan membutuhkan tools.