इस काल्पनिक भुगतान वेबहुक नीति की समीक्षा करें: हर विफल POST तीन बार दोहराया जाता है, कोई idempotency कुंजी सहेजी नहीं जाती और प्रतिक्रिया भेजने से पहले बैलेंस कटता है। दोहरे शुल्क के जोखिम पहचानें, न्यूनतम बदलाव और तीन स्वीकृति परीक्षण सुझाएँ। केवल इन्हीं तथ्यों का उपयोग करें; कोड, टूल या प्रोडक्शन प्रणालियों की पहुँच न मानें।
MiniMax M3 API: मूल्य, प्रयोग टूल और उदाहरण
कोडिंग, शोध और एजेंट वर्कफ़्लो के लिए MiniMax M3 टोकन मूल्य और Chat Completions इंटीग्रेशन देखें, साथ में टूल उपयोग और टेक्स्ट प्रयोग टूल की सीमाएँ भी।
MiniMax M3 API मूल्य और बिलिंग
आधिकारिक मूल्य
- इनपुट
- $0.3000 /M
- आउटपुट
- $1.2000 /M
API Hop मूल्य
- इनपुट
- $0.2100 /M
- आउटपुट
- $0.8400 /M
- कैश किया गया इनपुट
- $0.2100 /M
- कैश लेखन
- $0.2100 /M
संदर्भ मूल्य का स्वतंत्र सत्यापन नहीं हुआ है। लागत की तुलना करने से पहले प्रकाशक की वर्तमान दरें, बिलिंग इकाइयाँ और लागू शर्तें जाँचें।
MiniMax M3 ऑनलाइन चैट टूल
मॉडल सेटिंग
स्मृति क्या करती है?
यह इस बातचीत के पूरे और दोबारा इस्तेमाल योग्य आदान-प्रदान को आपके अगले अनुरोध में शामिल करती है, ताकि आप संदर्भ दोहराए बिना आगे के सवाल पूछ सकें।
बंद होने पर क्या होता है?केवल आपका नया संदेश और कोई सिस्टम प्रॉम्प्ट भेजा जाता है। मौजूदा संदेश दिखते रहते हैं; स्मृति फिर चालू करने पर योग्य पुराने आदान-प्रदान फिर शामिल हो जाते हैं।
क्या यह दीर्घकालिक स्मृति है?नहीं। यह इसी बातचीत का संदर्भ है, अलग बातचीतों के बीच की स्मृति नहीं। विफल, रोके गए, अधूरे या दोबारा इस्तेमाल न किए जा सकने वाले जवाब शामिल नहीं होते। अधिक इतिहास से इनपुट टोकन और लागत बढ़ सकते हैं।
उन्नत पैरामीटर
0 या अधिक अक्षर(0/कोई तय सीमा नहीं)
अक्षरों की कोई तय सीमा नहीं; पूरा अनुरोध आकार और मॉडल संदर्भ की सीमाओं के अधीन है। यह टोकन की संख्या नहीं है। बातचीत
आज मैं आपकी कैसे मदद कर सकता हूँ?
अभी प्रतिक्रिया डेटा नहीं है तैयार
MiniMax M3 प्रॉम्प्ट उदाहरण
ये MiniMax M3 के मूल्यांकन प्रॉम्प्ट हैं, दर्ज मॉडल आउटपुट नहीं। ये केवल दिए टेक्स्ट का विश्लेषण करते हैं; कोड नहीं चलाते, प्रोडक्शन प्रणालियों की जाँच नहीं करते और लंबे संदर्भ का प्रदर्शन साबित नहीं करते। उद्धृत प्रमाण तथा स्वीकृति मानदंड जाँचें, फिर प्रोडक्शन उपयोग से पहले प्रतिक्रिया मेटाडेटा और उपयोग देखें।
इस कृत्रिम ट्रेस का विश्लेषण करें: [L1] 10:00:00 अनुरोध A स्वीकार हुआ; [L2] 10:00:01 वर्कर ने A शुरू किया; [L3] 10:00:31 क्लाइंट टाइमआउट; [L4] 10:00:33 वर्कर ने A पूरा किया; [L5] 10:00:35 क्लाइंट ने A फिर भेजा। अवलोकन और परिकल्पना अलग करें, पंक्ति ID उद्धृत करें, गुम प्रमाण सूचीबद्ध करें और दो जाँच सुझाएँ। वास्तविक प्रणाली जाँचने या सुधार चलाने का दावा न करें।
एक काल्पनिक दो-सदस्यीय टीम रोज़ 2,000 रिपोर्ट चलाती है। 30 मिनट में पूरा होना स्वीकार्य है। उसके पास डेटाबेस है, कतार सेवा नहीं; कार्य रीस्टार्ट के बाद बहाल होने चाहिए और दोहरी डिलीवरी रोकनी चाहिए। डेटाबेस आधारित बैच और समर्पित कतार की तुलना करें। निर्णय तालिका, सशर्त सिफ़ारिश, तीन अज्ञात बातें और एक ऐसी शर्त दें जो आपका चयन बदल दे। बेंचमार्क, लागत या परीक्षण से मिली गारंटी न गढ़ें।
MiniMax M3 क्या है
परियोजना कोडिंग और एजेंट सहयोग के लिए मल्टीमोडल मॉडल
हम MiniMax M3 को परियोजना कोडिंग और कई चरणों के सहयोग का मल्टीमोडल मॉडल मानते हैं, जिसका ध्यान कोड सुधार, फ़्रंटएंड और बैकएंड विकास, टूल उपयोग और लगातार प्रगति की ज़रूरत वाले जटिल कार्यों पर है। M3 पाठ, चित्र और वीडियो स्वीकार करता है और टेक्स्ट देता है। हम इन क्षमताओं के साथ काम करने को अधिक महत्व देते हैं, जैसे पृष्ठ स्क्रीनशॉट, आवश्यकताओं और स्रोत कोड से समस्या का विश्लेषण, फिर टूल से बदलाव करना और सत्यापित करना।
दस लाख टोकन संदर्भ वाला ओपन-वेट MoE मॉडल
MiniMax M3, mixture-of-experts यानी MoE आर्किटेक्चर इस्तेमाल करता है। आधिकारिक मॉडल कार्ड में लगभग 428 अरब कुल पैरामीटर और 23 अरब सक्रिय पैरामीटर हैं, तथा अधिकतम 1M टोकन संदर्भ का समर्थन है; मॉडल वेट MiniMax Community License के तहत सार्वजनिक हैं।
हमारे अनुसार बड़ा संदर्भ कई फ़ाइलों के संबंध और लगातार काम के रिकॉर्ड रखने में उपयोगी है, जैसे परियोजना परंपराएँ, कई मॉड्यूल का कोड और रनटाइम लॉग साथ विश्लेषित करना। स्वयं होस्ट करने पर विचार करने वाली टीमों को डिप्लॉयमेंट और API उपयोग की लागत का अंतर परखना चाहिए।
कार्य के अनुसार सोच-विचार वाले और बिना सोच-विचार वाले मोड बदलें
MiniMax M3 सोच-विचार बंद करने और सोच-विचार मोड में समस्या सँभालने, दोनों का समर्थन करता है। हमारे अनुसार इससे कार्य के अनुसार तर्क-विचार बजट बाँटने का आधार मिलता है: सरल जानकारी निकालने, प्रारूप बदलने और छोटे उत्तर में पहले बिना सोच-विचार मोड परखें; कोड विश्लेषण, कई सीमाओं वाले तर्क और लगातार टूल कार्यों में सोच-विचार चालू करके परिणामों की तुलना करें।
हमारा मूल्यांकन कार्य पूर्णता, प्रतीक्षा समय और अनावश्यक आउटपुट बढ़ने पर केंद्रित है। बार-बार संवाद वाली सुविधाओं में पहले तय करें कि मॉडल का उत्तर समय व्यवसाय के लिए स्वीकार्य है या नहीं, फिर संबंधित सेटिंग चुनें।
API Hop पर MiniMax M3 के ऑनलाइन टूल और API
API Hop के ज़रिए हम चाहते हैं कि आप अपने कामों पर MiniMax M3 का वास्तविक प्रदर्शन जल्दी समझ सकें। पहले API एकीकरण कोड लिखे या छोटे मूल्यांकन के लिए निश्चित प्लान खरीदे बिना, साइन इन करके API कुंजी बनाएँ और थोड़ा क्रेडिट जोड़कर ऑनलाइन टूल आज़माएँ।
MiniMax M3 की प्रमुख क्षमताएँ और विशेषज्ञता के क्षेत्र
परियोजना कोडिंग: मौजूदा कोड में सुधार और लगातार बदलाव
हम स्पष्ट परिभाषित सुधार चक्रों के लिए MiniMax M3 को प्राथमिकता देंगे, जैसे मौजूदा समस्याएँ ठीक करना, इंटरफ़ेस अनुबंध के अनुसार सुविधाएँ जोड़ना या टेस्ट परिणाम से कार्यान्वयन बदलना। Thinkwright के सार्वजनिक इंजीनियरिंग प्रयोग में M3 और GLM-5.2 ने मौजूदा कोड के सुधार और सुविधा जोड़ने में समान प्रदर्शन किया; अधिक स्पष्ट अंतर शुरू से परियोजना बनाने में था।
इसके आधार पर हम मौजूदा परियोजनाओं के लगातार सुधार और नई सुविधाओं के विकास में M3 आज़माने का सुझाव देते हैं।
लंबे दस्तावेज़ों का विश्लेषण: कोडबेस, दस्तावेज़ और रनटाइम लॉग साथ पढ़ें
MiniMax M3 लंबे संदर्भ के लिए MSA sparse attention इस्तेमाल करता है। उसका तकनीकी पेपर attention गणना से पहले प्रासंगिक जानकारी ब्लॉक चुनने का वर्णन करता है, जिससे बहुत लंबे इनपुट की गणना लागत घटती है।
हम अलग सामग्रियों के विश्लेषण में इसके मूल्य पर अधिक ध्यान देते हैं, जैसे कार्यान्वयन को आवश्यकताओं से मिलाना, संस्करणों के इंटरफ़ेस अनुबंध तुलना करना या लॉग से घटना का क्रम बनाना। फ़ाइल नाम, संस्करण और टाइमस्टैम्प बनाए रखें तथा निष्कर्षों में विशिष्ट स्थानों का संदर्भ माँगें। बहुत लंबे कार्यों में मॉडल निर्णय देने से पहले मिले मुख्य प्रमाण सूचीबद्ध कर सकता है।
चित्र और वीडियो समझ: विश्लेषण में इंटरफ़ेस और दृश्य सामग्री शामिल करें
हम MiniMax M3 की दृश्य क्षमताएँ दृश्य समझ वाले कामों में इस्तेमाल करेंगे, जैसे वेबपृष्ठ स्क्रीनशॉट को कार्यान्वयन से मिलाना, चार्ट सामग्री विश्लेषित करना या संचालन वीडियो से कार्यप्रवाह दर्ज करना। आधिकारिक MiniMax API की तरह API Hop चित्र और वीडियो इनपुट देता है; चित्र के लिए image_url सामग्री ब्लॉक और वीडियो के लिए video_url सामग्री ब्लॉक इस्तेमाल होते हैं।
अपनी आवश्यकताएँ स्पष्ट करें: इंटरफ़ेस जाँच में ध्यान देने वाले क्षेत्र बताएँ, चार्ट विश्लेषण में सत्यापित किए जाने वाले माप तय करें और वीडियो संसाधन में समय सीमा तथा पहचानी जाने वाली घटनाएँ सीमित करें। इससे मॉडल आउटपुट को मूल सामग्री से मिलाना और आगे कोड बदलना या व्याख्या जोड़ना आसान होता है।
टूल सहयोग: बीच के परिणामों से कई चरणों के कार्य जारी रखें
MiniMax M3 टूल कॉलिंग समर्थित करता है और टूल संवाद के कई दौर में तर्क-विचार जारी रख सकता है। ऐप खोज, कोड निष्पादन या फ़ाइल संसाधन टूल दे तो मॉडल परिणामों के आधार पर अगला काम तय कर सकता है। आधिकारिक टूल ट्यूटोरियल भी कार्य जानकारी की निरंतरता के लिए बाद के चरणों में पूरा मॉडल उत्तर बनाए रखने को कहता है।
M3 के एजेंट अनुभव पर ग्राहक प्रतिक्रिया मिश्रित है: कुछ उपयोगकर्ता निष्पादन क्षमता पसंद करते हैं, दूसरे जटिल कार्यप्रवाह में भ्रम बताते हैं। इसलिए छोटे, स्पष्ट सीमित कार्यप्रवाह से शुरू करें, हर चरण का इनपुट, अपेक्षित परिणाम और विफलता प्रबंधन तय करें, फिर कार्य की लंबाई धीरे-धीरे बढ़ाएँ।
लंबे समय तक अनुकूलन: सत्यापन योग्य लक्ष्यों की दिशा में सुधार जारी रखें
MiniMax ने FP8 मैट्रिक्स गुणन कर्नेल अनुकूलन का मामला दिखाया, जिसमें M3 ने लगभग 24 घंटे में 147 बेंचमार्क सबमिशन और 1,959 टूल कॉल किए और प्रतिक्रिया के आधार पर अपना कार्यान्वयन लगातार बदला।
हमारे अनुसार यह क्षमता स्पष्ट लक्ष्य वाले कामों में उपयोगी है, जैसे कोड प्रदर्शन अनुकूलन, टेस्ट सुधार और प्रयोग दोहराना। पहले सहीपन की जाँच, प्रदर्शन लक्ष्य और रुकने की शर्तें तय करें; लंबे समय तक परिणाम न सुधरें तो केवल कॉल बढ़ाने के बजाय कार्य विवरण, टूल प्रतिक्रिया या कार्यान्वयन दिशा जाँचें।
MiniMax M3 के बेंचमार्क और प्रदर्शन
इस भाग में MiniMax द्वारा जून 2026 में प्रकाशित मूल M3 मूल्यांकन विधि इस्तेमाल हुई है और 7 अक्टूबर 2026 तक जाँचे गए Artificial Analysis परिणाम अलग दिए गए हैं। आधिकारिक टेस्ट के टूल फ़्रेमवर्क और बजट बेंचमार्क के अनुसार बदलते हैं; हम उन्हीं स्थितियों के संदर्भ में स्कोर समझाते हैं।
सॉफ़्टवेयर इंजीनियरिंग: SWE-bench Pro पर 59.0% और SWE-fficiency स्कोर 34.8
आधिकारिक रिलीज़ परिणामों में MiniMax M3 को SWE-bench Pro पर 59.0% और SWE-fficiency पर 34.8 मिला। हम इन्हें क्रमशः परियोजना समस्या सुधार और कोड प्रदर्शन अनुकूलन के संदर्भ मानते हैं।
SWE-fficiency कार्यात्मक सहीपन बनाए रखते हुए गति सुधार पर केंद्रित है; इसके माप मॉडल और विशेषज्ञ अनुकूलन के सापेक्ष प्रदर्शन से जुड़े हैं। हम 34.8 को बेंचमार्क स्कोर ही रखते हैं ताकि इसे वास्तविक परियोजना में 34.8% गति बढ़ना न समझा जाए। प्रदर्शन अनुकूलन में रनटाइम, संसाधन उपयोग और टेस्ट परिणाम साथ जाँचें।
टर्मिनल निष्पादन: Terminal-Bench 2.1 पर 66.0%
MiniMax ने M3 का स्कोर 66.0% बताया। टेस्ट में Terminus 2, प्रति कार्य दो घंटे का टाइमआउट और अधिकतम 128K टोकन आउटपुट बजट था। ये मूल्यांकन सेटिंग स्कोर के पीछे की निष्पादन स्थितियाँ समझने में मदद करती हैं।
हम इस पर अधिक ध्यान देते हैं कि कमांड चलाने के बाद मॉडल प्रतिक्रिया समझकर सुधार जारी रख सकता है या नहीं। व्यावहारिक मूल्यांकन में निर्भरताएँ इंस्टॉल करने, टेस्ट चलाने और त्रुटियाँ सँभालने वाले कार्य रखें तथा विफल चरणों के लॉग रखकर जाँचें कि अंततः कार्य पूरा हुआ या नहीं।
टूल और खोज: MCP Atlas पर 74.2% और BrowseComp पर लगभग 83.5%
आधिकारिक रिपोर्ट में MiniMax M3 को MCP Atlas पर 74.2% और BrowseComp पर लगभग 83.5% मिला। हम इन्हें टूल सहयोग और जटिल खोज क्षमताओं के संदर्भ मानते हैं।
कई सामग्रियों में खोज और निष्कर्ष से पहले शर्तें सत्यापित करने वाले कार्यप्रवाह में "प्रासंगिक सामग्री ढूँढ़ना" और "प्रश्न का सही उत्तर देना" अलग जाँचें। उदाहरण के लिए मॉडल से स्रोत लिंक रखने, प्रमाण किन शर्तों का समर्थन करता है समझाने और अनसुलझे प्रश्न चिह्नित करने को कहें। हम जाँचते हैं कि टूल से मिली जानकारी वास्तव में अंतिम उत्तर का समर्थन करती है या नहीं।
मल्टीमोडल समझ: OmniDocBench पर 91.6 और MMMU-Pro पर 78.1%
पूरी आधिकारिक मूल्यांकन तालिका में MiniMax M3 को v1.5 डेटासेट वाले OmniDocBench पर 91.6 और MMMU-Pro पर 78.1% मिला। हमारे अनुसार ये परिणाम क्रमशः दस्तावेज़ पार्सिंग और कई विषयों की दृश्य समझ परखने में उपयोगी हैं।
OmniDocBench पाठ, तालिका और सूत्र जैसे दस्तावेज़ तत्व परखता है। हम जटिल लेआउट, नेस्टेड तालिका या सूत्र वाली सामग्री पर M3 को प्राथमिकता से जाँचेंगे और निकाली सामग्री का पृष्ठ स्थान से मेल भी देखेंगे। आगे तर्क-विचार वाले प्रश्नों में केवल पाठ पहचान पूरी होने के बजाय तर्क में इस्तेमाल डेटा भी सत्यापित करें।
स्वतंत्र मूल्यांकन और उत्तर गति: सूचकांक स्कोर 29 और लगभग 100 टोकन/सेकंड आउटपुट
Artificial Analysis ने MiniMax M3 के सोच-विचार संस्करण को Intelligence Index v4.3.2 पर 29 दिया; MiniMax API से आउटपुट गति लगभग 100.4 टोकन प्रति सेकंड और पहले टोकन तक समय लगभग 2.65 सेकंड था।
M2.7, Claude Opus 4.7, GPT-5.5 और GLM-5.2 के साथ MiniMax M3 की तुलना
हमने सार्वजनिक तुलना डेटा वाले संस्करण चुने। M2.7, Claude Opus 4.7 और GPT-5.5 के आँकड़े M3 रिलीज़ मूल्यांकन से हैं।
MiniMax M2.7 से तुलना: टर्मिनल और टूल कार्यों में अधिक सुधार
- MiniMax M366.0%
- MiniMax M2.751.1%
- MiniMax M374.2%
- MiniMax M2.749.4%
आधिकारिक रिलीज़ तालिका में MiniMax M2.7 और M3 के Terminal-Bench 2.1 स्कोर क्रमशः 51.1% और 66.0%, तथा MCP Atlas स्कोर 49.4% और 74.2% हैं।
पहले से M2.7 इस्तेमाल करने और M3 में उन्नयन की योजना वाली टीमों को बदलाव मूल्यांकन में कई दौर के टूल कॉल, कोड सुधार और लंबी बातचीत प्राथमिकता देनी चाहिए। मौजूदा कार्यप्रवाह जिन छोटे कामों को भरोसेमंद ढंग से पूरा करते हैं, उनमें उन्नयन का वास्तविक लाभ आँकने के लिए हम उत्तर गुणवत्ता, अवधि और कॉल लागत की तुलना जारी रखेंगे।
Claude Opus 4.7 से तुलना: खोज में ऊँचे स्कोर, पर सॉफ़्टवेयर इंजीनियरिंग का अंतर बना है
- MiniMax M3~83.5%
- Claude Opus 4.779.3%
- MiniMax M359.0%
- Claude Opus 4.764.3%
उसी रिलीज़ तालिका में M3 और Claude Opus 4.7 के BrowseComp स्कोर लगभग 83.5% और 79.3% हैं, जबकि SWE-bench Pro पर 59.0% और 64.3%। इसलिए हम M3 का खोज प्रदर्शन उल्लेखनीय मानते हैं, पर सॉफ़्टवेयर इंजीनियरिंग क्षमता की कार्य-विशिष्ट तुलना अभी चाहिए।
जानकारी खोज, अलग स्रोतों का सत्यापन और परियोजना सुधार अलग परखें। काम मुख्यतः खोज पर निर्भर हो तो पहले M3 परखें; जटिल कोडबेस में बड़ा बदलाव एक प्रयास में पूरा करना हो तो Opus 4.7 को तुलना में रखें और पास दर तथा बाद के दोबारा काम को देखें।
GPT-5.5 से तुलना: कोड सुधार स्कोर समान, टर्मिनल निष्पादन में बड़ा अंतर
- MiniMax M359.0%
- GPT-5.558.6%
- MiniMax M366.0%
- GPT-5.578.2%
MiniMax की रिलीज़ तालिका में M3 और GPT-5.5 के SWE-bench Pro स्कोर 59.0% और 58.6% हैं, जबकि Terminal-Bench 2.1 पर 66.0% और 78.2%। GPT-5.5 का टर्मिनल स्कोर बेंचमार्क की आधिकारिक लीडरबोर्ड से लिया गया और उसका टेस्ट परिवेश M3 से पूरी तरह मेल नहीं खाता था। आधिकारिक MiniMax M3 रिलीज़ और मूल्यांकन नोट्स
हम पहली जोड़ी को उस मूल्यांकन में समान प्रदर्शन मानते हैं; केवल 0.4 प्रतिशत अंक का अंतर स्पष्ट बढ़त का दावा नहीं बनाता। लगातार कमांड, परिवेश डीबगिंग और पूर्ण डिलीवरी वाले कार्यों में केवल कोड-सुधार स्कोर से मॉडल चुनने के बजाय अंतिम पूर्णता दर की आगे तुलना करें।
GLM-5.2 से तुलना: सार्वजनिक इंजीनियरिंग प्रयोग में गति और पूर्ण डिलीवरी का संतुलन
- MiniMax M3152 / 180
- GLM-5.2165 / 180
- MiniMax M345 सेकंड
- GLM-5.280 सेकंड
Brandon Huey के 19 जून 2026 को प्रकाशित Thinkwright प्रयोग में हर मॉडल पर 60 स्कोर किए गए कार्य तीन बार चले। प्रयोग में Fireworks priority सेवा इस्तेमाल हुई और क्लाइंट पर सोच-विचार बंद था। परिणाम नीचे हैं। Thinkwright का प्रत्यक्ष इंजीनियरिंग प्रयोग
| माप | MiniMax M3 | GLM-5.2 |
|---|---|---|
| पूरी तरह पास रन | 152 / 180, लगभग 84% | 165 / 180, लगभग 92% |
| प्रति रन औसत समय | 45 सेकंड | 80 सेकंड |
हम इन परिणामों को उसी प्रयोग में पूर्णता दर और प्रतीक्षा समय के संतुलन के रूप में देखते हैं: M3 तेज़ था, जबकि GLM-5.2 की पूर्ण पास दर अधिक थी। लेखक के दर्ज बड़े अंतर शुरू से बनाने वाले कार्यों में केंद्रित थे, जिनमें पैकेज संरचना और इंटरफ़ेस व्यवहार शामिल हैं। इसलिए M3 को स्पष्ट सीमित संशोधन कार्यों में प्राथमिकता दें और नई परियोजना देते समय प्रवेश बिंदु, डायरेक्टरी संरचना तथा सीमा स्थितियों की जाँच जोड़ें।
API Hop के ज़रिए MiniMax M3 क्यों इस्तेमाल करें?
उपयोग आधारित बिलिंग और मॉडल लागत अनुकूलन
शुल्क वर्तमान API Hop दरों और वास्तविक उपयोग के अनुसार हैं। ज़रूरत पर बैलेंस जोड़ें।
एकीकृत AI मॉडल और डेटा API, एक जगह कई मॉडल की पहुँच
एक API कुंजी कई AI मॉडल और डेटा सेवाएँ जोड़ती है, जिससे इंटीग्रेशन लागत घटती है और आप एक क्लिक में स्विच कर सकते हैं। व्यावसायिक एप्लिकेशन को AI और डेटा दोनों चाहिए।
हर कॉल की स्पष्ट जानकारी के साथ कॉल लॉग और एप्लिकेशन पहुँच नियंत्रण
हर API कॉल आपके डैशबोर्ड में दर्ज होती है। अलग एप्लिकेशन के लिए अलग API कुंजियाँ बनाएँ।
अपने कार्य के अनुसार आउटपुट का मूल्यांकन करें
API Hop से दस्तावेज़ में दी मॉडल ID और समर्थित पैरामीटर इस्तेमाल करें। अपने स्वीकृति मानदंडों पर आउटपुट परखें, फिर प्रोडक्शन उपयोग से पहले उपयोग रिकॉर्ड और प्रतिक्रिया मेटाडेटा जाँचें। मॉडल का नाम या उदाहरण हर परिणाम की गारंटी नहीं देता।
API Hop पर MiniMax M3 कैसे इस्तेमाल करें
कंसोल में API कुंजी बनाने के बाद दस्तावेज़ के अनुसार MiniMax M3 से शुरुआत करें।
खाता तैयार करें और ऑनलाइन जाँचें
लॉग इन करें, बैलेंस की पुष्टि करें और API कुंजी बनाएँ।
प्रयोग टूल में आज़माएँ
इस्तेमाल करने का सही तरीका जानने के लिए प्रयोग टूल में मॉडल की क्षमताएँ आज़माएँ।
MiniMax M3 को अपने व्यवसाय में जोड़ें
MiniMax M3 को अपने व्यवसाय में जोड़ने के लिए हमारे डेवलपर दस्तावेज़ देखें।
आगे के मॉडल अपग्रेड
नए मॉडल पर स्विच करने से पहले पुष्टि करें कि आपकी API कुंजी के मॉडल कैटलॉग में उसकी सटीक ID लौटती है। वही एंडपॉइंट और अनुरोध फ़ील्ड समर्थित होने पर मॉडल ID बदलें, फिर प्रोडक्शन ट्रैफ़िक भेजने से पहले प्रतिक्रिया प्रारूप, स्ट्रीमिंग, आउटपुट सीमा और बिलिंग जाँचें। एसिंक्रोनस इमेज या वीडियो कार्यों के लिए कार्य भेजना, स्थिति पोलिंग और परिणाम प्राप्ति भी सत्यापित करें।
MiniMax M3 API के सामान्य सवाल
API Hop पर MiniMax M3 कॉल करने के लिए कौन सा एंडपॉइंट और मॉडल नाम इस्तेमाल करें?
हम न्यूनतम अनुरोध से शुरुआत सुझाते हैं: https://api.apihop.ai/v1/chat-completions पर POST अनुरोध भेजें, model को minimax-m3 सेट करें, Authorization: Bearer YOUR_API_KEY से अपनी API Hop API कुंजी भेजें और messages ऐरे दें। स्ट्रीमिंग प्रतिक्रिया चाहिए तो stream: true जोड़ें। API Hop MiniMax M3 API दस्तावेज़
क्या MiniMax M3 में तर्क बंद कर सकते हैं और प्रतिक्रिया बॉडी कभी खाली क्यों होती है?
हाँ। इसे बंद करने का हमारा पैरामीटर thinking: {"type": "disabled"} है; फ़ील्ड न देने पर मॉडल का डिफ़ॉल्ट व्यवहार रहता है। छोटे सवालों या प्रारूप परिवर्तन के लिए पहले इस सेटिंग से प्रतिक्रियाएँ परखने की सलाह है। MiniMax पाँच-स्तरीय reasoning_effort गहराई नियंत्रण को M3.1-Flash-Preview की क्षमता बताता है; M3 इंटीग्रेशन में उसके अपने पैरामीटर दस्तावेज़ का पालन करें। API Hop MiniMax M3 API दस्तावेज़ MiniMax आधिकारिक OpenAI-संगत API दस्तावेज़
प्रतिक्रिया बॉडी खाली या अधूरी हो तो finish_reason और आउटपुट बजट जाँचें। तर्क टोकन भी जनरेशन बजट खर्च करते हैं; max_tokens बहुत कम होने पर अंतिम जवाब शुरू होने से पहले बजट समाप्त हो सकता है। तर्क और जवाब दोनों के लिए जगह रखें, फिर कार्य के अनुसार बजट बदलें या तर्क बंद करके पुनः प्रयास करें। MiniMax आधिकारिक OpenAI-संगत API दस्तावेज़ API Hop साझा Chat Completions दस्तावेज़
Playground में अलग सोच-विचार स्विच नहीं है। छोटा उत्तर माँगने से प्रस्तुति नियंत्रित होती है; आंतरिक तर्क-विचार आवश्यक रूप से बंद नहीं होता।
0क्या MiniMax M3 इमेज, वीडियो और दस लाख टोकन इनपुट समर्थित करता है?
MiniMax के आधिकारिक दस्तावेज़ M3 के लिए 1M टोकन संदर्भ तथा इमेज और वीडियो इनपुट समर्थन बताते हैं। संदर्भ में इनपुट और आउटपुट दोनों समाने चाहिए, इसलिए एक अनुरोध की सामग्री में सिस्टम प्रॉम्प्ट, संदेश इतिहास और जनरेशन बजट का भी हिसाब रखें। इंटीग्रेशन के दौरान वास्तव में उपलब्ध इनपुट जगह जाँचना उचित है। MiniMax आधिकारिक API अवलोकन Artificial Analysis स्वतंत्र मूल्यांकन
यह प्रयोग टूल फ़ाइल अपलोड या स्वचालित लिंक प्राप्ति के बिना टेक्स्ट स्वीकार करता है। जाँच के लिए संबंधित निकाला गया टेक्स्ट यहाँ चिपकाएँ। दृश्य इनपुट के लिए अलग समर्थित इंटरफ़ेस चाहिए; यह पेज MiniMax ऑडियो या वीडियो भी नहीं बनाता।
0401, 402, 403 या 429 त्रुटियाँ कैसे सँभालें?
पहले HTTP स्थिति पढ़ें, फिर प्रतिक्रिया का संख्यात्मक code जाँचें। API Hop के Chat Completions दस्तावेज़ नीचे के संबंध तय करते हैं। API Hop साझा Chat Completions दस्तावेज़
| HTTP स्थिति | प्लेटफ़ॉर्म कोड | अर्थ और कार्रवाई |
|---|---|---|
| 401 | 20000 | प्रमाणीकरण विफल; API कुंजी और Authorization हेडर जाँचें |
| 402 | 40000 | अपर्याप्त बैलेंस; खाते का बैलेंस जाँचें |
| 403 | 20001 | पहुँच अस्वीकृत या वर्तमान कुंजी इस मॉडल को इस्तेमाल नहीं कर सकती |
| 429 | 40001 | दर सीमा पूरी; समवर्तिता घटाएँ और बाद में पुनः प्रयास करें |
प्रमाणीकरण, बैलेंस और अनुमति की समस्याओं में पहले कॉन्फ़िगरेशन सुधारें; दर सीमा और अस्थायी सेवा त्रुटियों में बढ़ते अंतराल के साथ सीमित पुनः प्रयास करें। समस्या निवारण के दौरान अनुरोध पहचानकर्ता, HTTP स्थिति और त्रुटि बॉडी रखें। यह प्रारूप Chat Completions HTTP त्रुटियों पर लागू है; पहले से शुरू SSE स्ट्रीम में घटनाएँ और कनेक्शन सामान्य रूप से समाप्त हुआ या नहीं, अलग से जाँचें। API Hop साझा Chat Completions दस्तावेज़
अपनी API कुंजी को दिखने वाले मॉडल कैटलॉग में minimax-m3 सत्यापित करें।
क्या बातचीत की स्मृति अलग बातचीतों में बनी रहती है?
स्मृति में वर्तमान बातचीत के पुनः उपयोग योग्य पूरे आदान-प्रदान शामिल हैं, अलग बातचीतों का स्थायी ज्ञान नहीं। बंद करने पर इतिहास दिखता रहता है लेकिन नए अनुरोधों में शामिल नहीं होता। लंबा रखा इतिहास इनपुट उपयोग बढ़ा सकता है।
संबंधित टेक्स्ट API
MiniMax M3 API उदाहरण और समर्थित पैरामीटर
MiniMax M3 API त्वरित शुरुआत
minimax-m3model आवश्यक है; ये उदाहरण वर्तमान पेज की मॉडल ID इस्तेमाल करते हैं। GET /v1/models से अपनी API कुंजी की मॉडल पहुँच जाँचें।
Chat CompletionsPOST /v1/chat-completions
curl -X POST "https://api.apihop.ai/v1/chat-completions" \
-H "Authorization: Bearer <API_KEY>" \
-H "Content-Type: application/json" \
-d '{"model":"minimax-m3","messages":[{"role":"user","content":"Hello, introduce yourself in one sentence."}],"stream":false}'मॉडल समूह और प्रोटोकॉल संदर्भ
MiniMax मॉडल
पूरे API दस्तावेज़साझा Chat Completions एंडपॉइंट से MiniMax M3 कॉल करें।
POST
https://api.apihop.ai/v1/chat-completions