MiniMax: MiniMax M3

MiniMax M3 は MiniMax によるマルチモーダル基盤モデルです。出力がテキストであるという意味ではテキストモデルですが、入力としてはテキスト以外も受け付けます。MiniMax はこれを狭い単一タスクのシステムではなく基盤モデルとして位置づけており、提供元は長時間のエージェント作業やコーディングなどに適していると説明しています。

入力側では、MiniMax M3 はテキスト、画像、動画を受け付けます。出力側ではテキストのみを生成します。コンテキストウィンドウは 1,048,576 トークンで、最大出力は 512,000 トークンです。この非常に大きなコンテキストと非常に大きな出力予算の組み合わせが、ここでの主要な能力です。大量の資料をモデルに渡しても、短い要約ではなく相当な分量の応答を期待できます。画像と動画が入力として受け付けられるため、モデルは同じリクエスト内でテキストと並べて視覚的な素材について推論できます。

実用的なユースケースはこれらの特性から導かれます。長時間のエージェント作業はその一つです。多くのステップにわたって状態を蓄積し、以前のステップを視野に留めておく必要があるタスクです。コーディングももう一つで、特に何かを書く前に大量の既存ソースを読む必要がある作業です。動画と画像の入力は、モデルが視覚的な内容について説明、解釈、質問への回答を行うタスクや、その内容を書面による指示と組み合わせるタスクを可能にします。大きな出力上限は、拡張された文書やファイル全体など、長い生成物を 1 回の呼び出しで要求することも合理的にします。

MiniMax M3 は、モデル ID "minimax/minimax-m3" を使用して api14 の OpenAI 互換 API を通じて呼び出します。インターフェースが OpenAI 互換であるため、既存の OpenAI クライアントライブラリとリクエスト形式は、ベース URL とモデル ID を変更するだけで動作します。このモデルは幅広いリクエストパラメータをサポートしています: 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、top_p です。ツール呼び出しと構造化出力はどちらも利用可能で、エージェントループを構築する場合やスキーマに準拠した応答が必要な場合に重要です。reasoning と include_reasoning パラメータにより、推論内容を表に出すかどうかを制御できます。

512,000 トークンの出力上限以外に、事実として述べられた制限はないため、主に確認すべきことは、あなたのタスクが実際にこれほどのコンテキストと出力を必要とするかどうかです。あなたのワークロードが短いプロンプトと短い回答で、視覚入力もない場合、より小さなテキストモデルの方が通常は扱いやすいでしょう。MiniMax M3 が最も意味を持つのは、入力が大きい場合、画像や動画を含む場合、またはタスクが多くのステップにわたりツールを必要とする場合です。