MiniMax: MiniMax M3

MiniMax M3 is een multimodaal basismodel van MiniMax. Het is een tekstmodel in de zin dat de uitvoer tekst is, maar het accepteert meer dan tekst aan de invoerkant. MiniMax positioneert het als een basismodel in plaats van een nauw systeem voor een enkele taak, en de provider beschrijft het als geschikt voor langdurig agentisch werk en coderen, onder andere.

Aan de invoerkant accepteert MiniMax M3 tekst, afbeeldingen en video. Aan de uitvoerkant produceert het alleen tekst. Het contextvenster is 1.048.576 tokens, en de maximale uitvoer is 512.000 tokens. Die combinatie van een zeer grote context en een zeer groot uitvoerbudget is de belangrijkste capaciteit hier: je kunt het model een grote hoeveelheid materiaal geven en toch een substantieel antwoord verwachten in plaats van een korte samenvatting. Omdat afbeeldingen en video als invoer worden geaccepteerd, kan het model redeneren over visueel materiaal naast tekst binnen hetzelfde verzoek.

De praktische gebruiksscenario's volgen uit die eigenschappen. Langdurig agentisch werk is er een: taken die gedurende vele stappen status opbouwen en waarbij de eerdere stappen in beeld moeten blijven. Coderen is een andere, vooral werk waarbij een grote hoeveelheid bestaande broncode moet worden gelezen voordat er iets wordt geschreven. Video- en afbeeldingsinvoer openen taken waarbij het model visuele inhoud moet beschrijven, interpreteren of er vragen over moet beantwoorden, of die inhoud moet combineren met schriftelijke instructies. Het hoge uitvoerplafond maakt het ook redelijk om in één aanroep te vragen om lange gegenereerde artefacten, zoals uitgebreide documenten of volledige bestanden.

Je roept MiniMax M3 aan via de OpenAI-compatibele API van api14 met het model-id "minimax/minimax-m3". Omdat de interface OpenAI-compatibel is, werken bestaande OpenAI-clientbibliotheken en verzoekstructuren met een wijziging van de basis-URL en het model-id. Het model ondersteunt een brede set verzoekparameters: 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 en top_p. Tool calling en structured outputs zijn beide beschikbaar, wat belangrijk is als je een agent-lus bouwt of antwoorden nodig hebt die aan een schema voldoen. De parameters reasoning en include_reasoning laten je bepalen of redeneerinhoud wordt getoond.

Er is geen vermelde beperking in de feiten naast het uitvoerplafond van 512.000 tokens, dus het belangrijkste om te controleren is of je taak echt zoveel context en uitvoer nodig heeft. Als je workload korte prompts met korte antwoorden en geen visuele invoer betreft, is een kleiner tekstmodel meestal eenvoudiger om mee te werken. MiniMax M3 is het meest logisch wanneer de invoer groot is, wanneer deze afbeeldingen of video bevat, of wanneer de taak over vele stappen loopt en tools nodig heeft.