MiniMax: MiniMax M3

MiniMax M3 är en multimodal basmodell från MiniMax. Det är en textmodell i den meningen att dess utdata är text, men den accepterar mer än text på vägen in. MiniMax positionerar den som en basmodell snarare än ett smalt enskilt uppgiftssystem, och leverantören beskriver den som lämpad för långsiktigt agentiskt arbete och kodning, bland annat.

På indatasidan accepterar MiniMax M3 text, bilder och video. På utdatasidan producerar den text. Kontextfönstret är 1 048 576 token, och maximal utdata är 512 000 token. Den kombinationen av ett mycket stort kontextfönster och en mycket stor utdatabudget är huvudförmågan här: du kan ge modellen en stor mängd material och fortfarande förvänta dig ett omfattande svar snarare än en kort sammanfattning. Eftersom bilder och video accepteras som indata kan modellen resonera kring visuellt material tillsammans med text inom samma begäran.

De praktiska användningsfallen följer av dessa egenskaper. Långsiktigt agentiskt arbete är ett: uppgifter som ackumulerar tillstånd över många steg och behöver de tidigare stegen kvar i sikte. Kodning är ett annat, särskilt arbete som innebär att läsa en stor mängd befintlig källkod innan något skrivs. Video- och bildindata öppnar upp uppgifter där modellen måste beskriva, tolka eller svara på frågor om visuellt innehåll, eller kombinera det innehållet med skriftliga instruktioner. Det stora utdatataket gör det också rimligt att begära långa genererade artefakter, såsom utökade dokument eller fullständiga filer, i ett enda anrop.

Du anropar MiniMax M3 via api14:s OpenAI-kompatibla API med modell-id:t "minimax/minimax-m3". Eftersom gränssnittet är OpenAI-kompatibelt fungerar befintliga OpenAI-klientbibliotek och begäransformat med en ändring av bas-URL och modell-id. Modellen stöder en bred uppsättning begäransparametrar: 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 och top_p. Verktygsanrop och strukturerade utdata är båda tillgängliga, vilket spelar roll om du bygger en agentloop eller behöver svar som följer ett schema. Parametrarna reasoning och include_reasoning låter dig styra huruvida resonemangsinnehåll visas.

Det finns ingen angiven begränsning i faktaunderlaget bortom utdatataket på 512 000 token, så det viktigaste att kontrollera är huruvida din uppgift faktiskt behöver så här mycket kontext och utdata. Om din arbetsbelastning består av korta prompter med korta svar och ingen visuell indata är en mindre textmodell vanligtvis enklare att arbeta med. MiniMax M3 är mest meningsfull när indata är stor, när den innehåller bilder eller video, eller när uppgiften löper över många steg och behöver verktyg.