ตรวจนโยบายเว็บฮุกชำระเงินสมมตินี้: ทุก POST ที่ล้มเหลวลองซ้ำสามครั้ง ไม่เก็บคีย์ idempotency และหักยอดก่อนส่งการตอบกลับ ระบุความเสี่ยงคิดเงินซ้ำ เสนอการแก้ขั้นต่ำและการทดสอบยอมรับสามข้อ ใช้เฉพาะข้อเท็จจริงนี้ อย่าสมมติว่ามีสิทธิ์เข้าถึงโค้ด เครื่องมือ หรือระบบจริง
API MiniMax M3: ราคา พื้นที่ทดลอง และตัวอย่าง
สำรวจราคาโทเคน MiniMax M3 และการเชื่อมต่อ Chat Completions สำหรับเขียนโค้ด วิจัย และขั้นตอนเอเจนต์ พร้อมขอบเขตการใช้เครื่องมือและพื้นที่ทดลองข้อความ
ราคาและการคิดค่าบริการ API MiniMax M3
ราคาอย่างเป็นทางการ
- อินพุต
- $0.3000 /M
- เอาต์พุต
- $1.2000 /M
ราคา API Hop
- อินพุต
- $0.2100 /M
- เอาต์พุต
- $0.8400 /M
- อินพุตที่แคชไว้
- $0.2100 /M
- การเขียนแคช
- $0.2100 /M
ราคาอ้างอิงยังไม่ได้รับการตรวจสอบอย่างอิสระ โปรดตรวจสอบอัตราปัจจุบัน หน่วยคิดค่าบริการ และข้อกำหนดที่เกี่ยวข้องของผู้เผยแพร่ก่อนเปรียบเทียบต้นทุน
เครื่องมือแชตออนไลน์ MiniMax M3
การตั้งค่าโมเดล
ความจำทำอะไร?
นำรอบสนทนาที่เสร็จสมบูรณ์และใช้ซ้ำได้จากบทสนทนานี้ไปในคำขอถัดไป เพื่อให้คุณถามต่อได้โดยไม่ต้องทวนบริบท
เมื่อปิดจะเกิดอะไรขึ้น?ส่งเฉพาะข้อความใหม่และพรอมต์ระบบถ้ามี ข้อความเดิมยังแสดงอยู่ การเปิดความจำอีกครั้งจะรวมรอบสนทนาก่อนหน้าที่เข้าเกณฑ์
นี่คือความจำระยะยาวหรือไม่?ไม่ใช่ นี่คือบริบทบทสนทนา ไม่ใช่ความจำข้ามบทสนทนาแยกกัน การตอบกลับที่ล้มเหลว หยุด ถูกตัด หรือใช้ซ้ำไม่ได้จะไม่รวม ประวัติที่มากขึ้นอาจใช้โทเคนอินพุตและมีค่าใช้จ่ายมากขึ้น
พารามิเตอร์ขั้นสูง
0 อักขระขึ้นไป(0/ไม่มีขีดจำกัดตายตัว)
ไม่มีขีดจำกัดอักขระตายตัว คำขอทั้งหมดอยู่ภายใต้ขีดจำกัดขนาดคำขอและบริบทโมเดล นี่ไม่ใช่จำนวนโทเคน บทสนทนา
วันนี้ให้ฉันช่วยอะไรคุณได้บ้าง?
ยังไม่มีข้อมูลการตอบกลับ พร้อม
ตัวอย่างพรอมต์ MiniMax M3
นี่คือพรอมต์ประเมิน MiniMax M3 ไม่ใช่เอาต์พุตโมเดลที่บันทึกไว้ วิเคราะห์เฉพาะข้อความที่ส่ง ไม่รันโค้ด ตรวจระบบจริง หรือพิสูจน์ประสิทธิภาพบริบทยาว ตรวจหลักฐานที่อ้างและเกณฑ์ยอมรับ แล้วดูเมทาดาทาการตอบกลับกับการใช้งานก่อนใช้จริง
วิเคราะห์ร่องรอยจำลองนี้: [L1] 10:00:00 รับคำขอ A; [L2] 10:00:01 worker เริ่ม A; [L3] 10:00:31 ไคลเอนต์หมดเวลา; [L4] 10:00:33 worker ทำ A เสร็จ; [L5] 10:00:35 ไคลเอนต์ส่ง A อีกครั้ง แยกสิ่งที่สังเกตจากสมมติฐาน อ้าง ID บรรทัด ระบุหลักฐานที่ขาด และเสนอการตรวจสองข้อ อย่าอ้างว่าตรวจระบบจริงหรือแก้ไขแล้ว
ทีมสมมติสองคนรัน 2,000 รายงานต่อวัน ยอมรับการเสร็จภายใน 30 นาที มีฐานข้อมูลแต่ไม่มีบริการคิว งานต้องกู้คืนหลังรีสตาร์ตและไม่ส่งซ้ำ เปรียบเทียบแบตช์ที่ใช้ฐานข้อมูลกับคิวเฉพาะ ให้ตารางตัดสินใจ คำแนะนำตามเงื่อนไข สิ่งไม่ทราบสามข้อ และหนึ่งเงื่อนไขที่ทำให้เปลี่ยนคำเลือก อย่าแต่งผลทดสอบ ค่าใช้จ่าย หรือการรับรองที่ทดสอบแล้ว
MiniMax M3 คืออะไร
โมเดลหลายสื่อสำหรับเขียนโค้ดโครงการและทำงานร่วมกับเอเจนต์
เราวาง MiniMax M3 เป็นโมเดลหลายสื่อสำหรับโค้ดโครงการและความร่วมมือหลายขั้น เน้นแก้โค้ด พัฒนาส่วนหน้าและหลัง ใช้เครื่องมือ และงานซับซ้อนที่ต้องคืบหน้าต่อเนื่อง M3 รับข้อความ ภาพ และวิดีโอ แล้วส่งข้อความ เราให้คุณค่ากับการทำงานร่วมของความสามารถ เช่น วิเคราะห์ปัญหาด้วยภาพหน้าจอ ข้อกำหนด และซอร์สโค้ด แล้วใช้เครื่องมือเปลี่ยนและตรวจ
โมเดล MoE เปิดน้ำหนักที่รองรับบริบทล้านโทเคน
MiniMax M3 ใช้สถาปัตยกรรม mixture-of-experts หรือ MoE การ์ดโมเดลทางการระบุพารามิเตอร์รวมประมาณ 428 พันล้านและพารามิเตอร์ทำงาน 23 พันล้าน รองรับบริบทไม่เกิน 1M โทเคน น้ำหนักโมเดลเปิดสาธารณะภายใต้ MiniMax Community License
เราเห็นว่าบริบทใหญ่มีประโยชน์รักษาความสัมพันธ์ข้ามไฟล์และบันทึกงานต่อเนื่อง เช่น วิเคราะห์แนวปฏิบัติโครงการ โค้ดหลายโมดูล และบันทึกรันร่วมกัน สำหรับทีมพิจารณาโฮสต์เอง แนะนำประเมินต้นทุนต่างระหว่างติดตั้งกับใช้ API
สลับโหมดคิดและไม่คิดตามงาน
MiniMax M3 รองรับทั้งปิดการคิดและจัดการปัญหาในโหมดคิด เราเห็นว่าเป็นฐานจัดงบการให้เหตุผลตามงาน สำหรับดึงข้อมูลง่าย แปลงรูปแบบ และตอบสั้น ประเมินโหมดไม่คิดก่อน สำหรับวิเคราะห์โค้ด เหตุผลหลายข้อจำกัด และงานเครื่องมือต่อเนื่อง ให้เทียบกับผลเปิดการคิด
การประเมินเราเน้นงานเสร็จ เวลารอ และเอาต์พุตไม่จำเป็นเพิ่มหรือไม่ สำหรับฟีเจอร์โต้ตอบถี่ แนะนำตัดสินก่อนว่าเวลาตอบโมเดลยอมรับได้สำหรับธุรกิจหรือไม่ แล้วเลือกการตั้งค่าที่สอดคล้อง
เครื่องมือออนไลน์และ API ของ MiniMax M3 บน API Hop
ผ่าน API Hop เราต้องการช่วยให้เข้าใจผลจริงของ MiniMax M3 กับงานคุณเร็วขึ้น เพียงเข้าสู่ระบบ สร้างคีย์ API และเติมเครดิตเล็กน้อยเพื่อเริ่มลองในเครื่องมือออนไลน์ โดยไม่ต้องเขียนโค้ดเชื่อม API ก่อนหรือซื้อแผนคงที่เพื่อประเมินระยะสั้น
ความสามารถหลักและจุดแข็งตามด้านของ MiniMax M3
เขียนโค้ดโครงการ: แก้และปรับโค้ดเดิม
เราจะให้ MiniMax M3 เป็นตัวเลือกต้นสำหรับการปรับที่กำหนดชัด เช่น แก้ปัญหาเดิม เพิ่มฟีเจอร์ตามข้อกำหนดอินเทอร์เฟซ หรือปรับโค้ดตามผลทดสอบ การทดลองวิศวกรรมสาธารณะ Thinkwright พบ M3 และ GLM-5.2 ทำได้ใกล้กันในการแก้และเพิ่มฟีเจอร์โค้ดเดิม โดยช่องว่างเด่นกว่าอยู่ที่สร้างโครงการจากศูนย์
ด้วยเหตุนี้ แนะนำลอง M3 สำหรับปรับปรุงต่อเนื่องและพัฒนาฟีเจอร์ใหม่ในโครงการเดิม
วิเคราะห์เอกสารยาว: อ่านฐานโค้ด เอกสาร และบันทึกรันร่วมกัน
MiniMax M3 ใช้ MSA sparse attention จัดการบริบทยาว บทความเทคนิคอธิบายเลือกบล็อกข้อมูลที่เกี่ยวข้องก่อนคำนวณ attention ลดภาระคำนวณอินพุตยาวมาก
เราเน้นคุณค่าวิเคราะห์ข้ามข้อมูล เช่น ตรวจโค้ดตรงข้อกำหนดหรือไม่ เทียบข้อกำหนดอินเทอร์เฟซข้ามรุ่น หรือเรียงเหตุการณ์จากบันทึก แนะนำเก็บชื่อไฟล์ รุ่น และเวลา พร้อมกำหนดให้ข้อสรุปอ้างตำแหน่งชัด สำหรับงานยาวมาก โมเดลอาจแจกแจงหลักฐานสำคัญที่พบก่อนตัดสิน
เข้าใจภาพและวิดีโอ: รวมอินเทอร์เฟซและข้อมูลภาพในการวิเคราะห์
เราจะใช้ความสามารถภาพของ MiniMax M3 สำหรับงานที่ต้องเข้าใจภาพ เช่น ตรวจภาพหน้าจอเว็บตรงโค้ดหรือไม่ วิเคราะห์เนื้อหาแผนภูมิ หรือบันทึกขั้นตอนจากวิดีโอการใช้งาน API Hop ให้อินพุตภาพและวิดีโอเช่น API ทางการ MiniMax โดยใช้บล็อก image_url สำหรับภาพและ video_url สำหรับวิดีโอ
แนะนำทำข้อกำหนดชัด: ระบุพื้นที่เน้นเมื่อตรวจอินเทอร์เฟซ ระบุตัวชี้วัดตรวจเมื่อวิเคราะห์กราฟ และจำกัดช่วงเวลากับเหตุการณ์ที่จะหาเมื่อประมวลผลวิดีโอ ทำให้เทียบเอาต์พุตกับต้นฉบับและเปลี่ยนโค้ดหรือเพิ่มคำอธิบายต่อได้ง่าย
ทำงานร่วมกับเครื่องมือ: ดำเนินงานหลายขั้นต่อด้วยผลระหว่างทาง
MiniMax M3 รองรับเรียกเครื่องมือและให้เหตุผลต่อข้ามหลายรอบโต้ตอบ เมื่อแอปให้เครื่องมือค้นคืน รันโค้ด หรือประมวลผลไฟล์ โมเดลตัดสินใจขั้นถัดไปจากผลได้ คู่มือเครื่องมือทางการกำหนดให้เก็บการตอบกลับโมเดลครบในรอบถัดไปเพื่อคงข้อมูลงานต่อเนื่องด้วย
ความเห็นลูกค้าต่อเอเจนต์ M3 แตกต่าง บางคนชอบความสามารถดำเนินการ ขณะที่บางคนรายงานความสับสนในงานซับซ้อน จึงแนะนำเริ่มงานสั้นขอบเขตชัด ระบุอินพุต ผลคาดหวัง และการจัดการล้มเหลวแต่ละขั้นก่อนค่อยเพิ่มความยาว
ปรับปรุงระยะยาว: พัฒนาต่อเนื่องตามเป้าหมายที่ตรวจได้
MiniMax แสดงกรณีปรับเคอร์เนลคูณเมทริกซ์ FP8 ที่ M3 ส่งทดสอบมาตรฐาน 147 ครั้งและเรียกเครื่องมือ 1,959 ครั้งในประมาณ 24 ชั่วโมง ปรับโค้ดต่อเนื่องตามผลป้อนกลับ
เราเห็นว่าความสามารถนี้น่าใช้กับงานเป้าหมายชัด เช่น ปรับประสิทธิภาพโค้ด แก้ทดสอบ และทำการทดลองซ้ำ แนะนำกำหนดการตรวจความถูกต้อง เป้าประสิทธิภาพ และเงื่อนไขหยุดล่วงหน้า เมื่อผลไม่ดีขึ้นนาน ให้ตรวจคำอธิบายงาน ผลเครื่องมือ หรือทิศทางโค้ด แทนเพิ่มจำนวนเรียกอย่างเดียว
ทดสอบมาตรฐานและประสิทธิภาพ MiniMax M3
ส่วนนี้ใช้วิธีประเมิน M3 เดิมที่ MiniMax เผยแพร่เดือนมิถุนายน 2026 และแสดงผล Artificial Analysis ที่ตรวจถึงวันที่ 7 ตุลาคม 2026 แยกกัน เฟรมเวิร์กเครื่องมือและงบทดสอบทางการต่างตามแบบทดสอบ เราอธิบายคะแนนภายใต้เงื่อนไขเหล่านั้น
วิศวกรรมซอฟต์แวร์: 59.0% บน SWE-bench Pro และคะแนน SWE-fficiency 34.8
ผลเปิดตัวทางการ MiniMax M3 ได้ 59.0% บน SWE-bench Pro และ 34.8 บน SWE-fficiency เราใช้อ้างอิงการแก้ปัญหาโครงการและปรับประสิทธิภาพโค้ดตามลำดับ
SWE-fficiency เน้นเพิ่มความเร็วโดยรักษาความถูกต้องการทำงาน ตัวชี้วัดเกี่ยวกับประสิทธิภาพเปรียบเทียบการปรับของโมเดลกับผู้เชี่ยวชาญ เราคง 34.8 เป็นคะแนนทดสอบเพื่อไม่ให้อ่านผิดว่าโครงการจริงเร็วขึ้น 34.8% สำหรับงานปรับประสิทธิภาพ แนะนำตรวจเวลารัน การใช้ทรัพยากร และผลทดสอบร่วมกัน
การรันเทอร์มินัล: 66.0% บน Terminal-Bench 2.1
MiniMax รายงานคะแนน M3 66.0% ทดสอบใช้ Terminus 2 กำหนดหมดเวลาสองชั่วโมงต่องาน และงบเอาต์พุตสูงสุด 128K โทเคน การตั้งค่าประเมินนี้ช่วยอธิบายเงื่อนไขรันเบื้องหลังคะแนน
เราเน้นว่าโมเดลเข้าใจผลหลังรันคำสั่งและแก้ต่อได้หรือไม่ สำหรับประเมินจริง แนะนำงานที่ต้องติดตั้งแพ็กเกจ รันทดสอบ และจัดการข้อผิดพลาด เก็บบันทึกขั้นล้มเหลวเพื่อตรวจว่าสุดท้ายงานเสร็จหรือไม่
เครื่องมือและการค้นคืน: 74.2% บน MCP Atlas และประมาณ 83.5% บน BrowseComp
รายงานทางการ MiniMax M3 ได้ 74.2% บน MCP Atlas และประมาณ 83.5% บน BrowseComp เราใช้อ้างอิงความสามารถทำงานร่วมเครื่องมือและค้นคืนซับซ้อน
สำหรับงานที่ค้นหลายแหล่งและตรวจเงื่อนไขก่อนสรุป แนะนำตรวจ “พบเนื้อหาเกี่ยวข้อง” กับ “ตอบคำถามถูกต้อง” แยก เช่น กำหนดให้เก็บลิงก์แหล่ง อธิบายหลักฐานรองรับเงื่อนไขใด และชี้คำถามยังไม่ตอบ เราเน้นตรวจว่าข้อมูลเครื่องมือรองรับคำตอบสุดท้ายจริงหรือไม่
เข้าใจหลายสื่อ: 91.6 บน OmniDocBench และ 78.1% บน MMMU-Pro
ตารางประเมินทางการเต็ม MiniMax M3 ได้ 91.6 บน OmniDocBench ด้วยชุดข้อมูล v1.5 และ 78.1% บน MMMU-Pro เราเห็นว่าผลนี้มีประโยชน์ตรวจการแยกเอกสารและเข้าใจภาพหลายสาขาตามลำดับ
OmniDocBench ประเมินองค์ประกอบเอกสารรวมข้อความ ตาราง และสูตร เราจะเน้นทดสอบ M3 กับข้อมูลเลย์เอาต์ซับซ้อน ตารางซ้อน หรือสูตร พร้อมตรวจเนื้อหาที่ดึงตรงตำแหน่งหน้า สำหรับคำถามที่ต้องให้เหตุผลต่อ แนะนำตรวจข้อมูลที่ใช้ในเหตุผลด้วย ไม่ใช่แค่อ่านข้อความครบหรือไม่
ประเมินอิสระและความเร็วตอบ: คะแนนดัชนี 29 และเอาต์พุตประมาณ 100 โทเคน/วินาที
Artificial Analysis ให้ MiniMax M3 รุ่นคิด 29 บน Intelligence Index v4.3.2 ความเร็วเอาต์พุตผ่าน MiniMax API ประมาณ 100.4 โทเคนต่อวินาที และเวลาโทเคนแรกประมาณ 2.65 วินาที
เปรียบเทียบ MiniMax M3 กับ M2.7, Claude Opus 4.7, GPT-5.5 และ GLM-5.2
เราเลือกรุ่นที่มีข้อมูลเปรียบเทียบสาธารณะ ตัวเลข M2.7, Claude Opus 4.7 และ GPT-5.5 มาจากการประเมินเปิดตัว M3
เทียบ MiniMax M2.7: ดีขึ้นมากกว่าในงานเทอร์มินัลและเครื่องมือ
- MiniMax M366.0%
- MiniMax M2.751.1%
- MiniMax M374.2%
- MiniMax M2.749.4%
ตารางเปิดตัวทางการ MiniMax M2.7 และ M3 ได้ 51.1% และ 66.0% บน Terminal-Bench 2.1 และ 49.4% กับ 74.2% บน MCP Atlas ตามลำดับ
สำหรับทีมใช้ M2.7 และวางแผนอัปเกรด M3 แนะนำเน้นเรียกเครื่องมือหลายรอบ แก้โค้ด และสนทนายาวในการประเมินแทนที่ สำหรับงานสั้นที่ขั้นตอนเดิมทำเสร็จน่าเชื่อถือแล้ว เราจะเทียบคุณภาพตอบ ระยะเวลา และต้นทุนเรียกต่อเพื่อประเมินประโยชน์อัปเกรดจริง
เทียบ Claude Opus 4.7: คะแนนค้นคืนสูงกว่า แต่ยังมีช่องว่างวิศวกรรมซอฟต์แวร์
- MiniMax M3~83.5%
- Claude Opus 4.779.3%
- MiniMax M359.0%
- Claude Opus 4.764.3%
ในตารางเปิดตัวเดียวกัน M3 และ Claude Opus 4.7 ได้ประมาณ 83.5% และ 79.3% บน BrowseComp เทียบกับ 59.0% และ 64.3% บน SWE-bench Pro จึงเห็นว่าการค้นคืน M3 น่าสนใจ ขณะที่วิศวกรรมซอฟต์แวร์ยังต้องเทียบเฉพาะงาน
แนะนำทดสอบค้นคืนข้อมูล ตรวจข้ามแหล่ง และแก้โครงการแยกกัน หากงานพึ่งค้นคืนเป็นหลัก เน้นประเมิน M3 หากต้องทำการเปลี่ยนใหญ่ในฐานโค้ดซับซ้อนจบในครั้งเดียว เราจะคง Opus 4.7 เป็นตัวเทียบและดูอัตราผ่านกับงานแก้ภายหลัง
เทียบ GPT-5.5: คะแนนแก้โค้ดใกล้กัน ช่องว่างรันเทอร์มินัลมากกว่า
- MiniMax M359.0%
- GPT-5.558.6%
- MiniMax M366.0%
- GPT-5.578.2%
ตารางเปิดตัว MiniMax แสดง M3 และ GPT-5.5 ได้ 59.0% และ 58.6% บน SWE-bench Pro เทียบกับ 66.0% และ 78.2% บน Terminal-Bench 2.1 คะแนนเทอร์มินัล GPT-5.5 อ้างจากอันดับทางการของแบบทดสอบ และสภาพแวดล้อมไม่ได้ตรงกับ M3 ทั้งหมด บันทึกเปิดตัวและประเมิน MiniMax M3 ทางการ
เราตีความคู่แรกว่าประสิทธิภาพใกล้กันในการประเมินนั้น ความต่าง 0.4 จุดเปอร์เซ็นต์อย่างเดียวไม่รองรับข้ออ้างนำชัด สำหรับงานที่ต้องใช้คำสั่งต่อเนื่อง แก้สภาพแวดล้อม และส่งงานเสร็จ แนะนำเทียบอัตราเสร็จสุดท้ายเพิ่มเติม แทนเลือกจากคะแนนแก้โค้ดอย่างเดียว
เทียบ GLM-5.2: การทดลองวิศวกรรมสาธารณะแสดงสิ่งแลกระหว่างความเร็วกับส่งงานครบ
- MiniMax M3152 / 180
- GLM-5.2165 / 180
- MiniMax M345 วินาที
- GLM-5.280 วินาที
การทดลอง Thinkwright ที่ Brandon Huey เผยแพร่วันที่ 19 มิถุนายน 2026 รันงานให้คะแนน 60 งาน โมเดลละสามครั้ง ใช้บริการ Fireworks แบบ priority โดยปิดการคิดที่ไคลเอนต์ ผลมีดังนี้ การทดลองวิศวกรรมจากผู้ทำโดยตรง Thinkwright
| ตัวชี้วัด | MiniMax M3 | GLM-5.2 |
|---|---|---|
| การรันที่ผ่านทั้งหมด | 152 / 180 ประมาณ 84% | 165 / 180 ประมาณ 92% |
| เวลาเฉลี่ยต่อการรัน | 45 วินาที | 80 วินาที |
เราตีความผลเป็นสิ่งแลกระหว่างอัตราเสร็จกับเวลารอในการทดลองนั้น M3 เร็วกว่า ขณะที่ GLM-5.2 ผ่านครบสูงกว่า ช่องว่างใหญ่ที่ผู้เขียนบันทึกอยู่ในงานสร้างจากศูนย์ รวมโครงสร้างแพ็กเกจและพฤติกรรมอินเทอร์เฟซ จึงแนะนำเน้นงานปรับขอบเขตชัดสำหรับ M3 และเพิ่มตรวจจุดเริ่ม โครงสร้างไดเรกทอรี และเงื่อนไขขอบเมื่อส่งโครงการใหม่
ทำไมจึงใช้ MiniMax M3 ผ่าน API Hop?
คิดค่าบริการตามการใช้งานและปรับต้นทุนโมเดล
ค่าบริการเป็นไปตามอัตรา API Hop ปัจจุบันและการใช้งานจริง เติมเงินตามต้องการ
รวมโมเดล AI และ API ข้อมูล เข้าถึงหลายโมเดลในที่เดียว
คีย์ API เดียวเชื่อมต่อหลายโมเดล AI และบริการข้อมูล ลดต้นทุนการเชื่อมต่อและสลับได้ในคลิกเดียว แอปธุรกิจต้องการทั้ง AI และข้อมูล
บันทึกการเรียกใช้และควบคุมการเข้าถึงแอป ชัดเจนทุกการเรียก
การเรียก API ทุกครั้งบันทึกในแดชบอร์ด สร้างคีย์ API แยกสำหรับแต่ละแอป
ประเมินเอาต์พุตเทียบกับงานของคุณ
ใช้ ID โมเดลตามเอกสารและพารามิเตอร์ที่รองรับผ่าน API Hop ประเมินเอาต์พุตตามเกณฑ์ยอมรับของคุณ แล้วตรวจบันทึกการใช้งานและเมทาดาทาการตอบกลับก่อนใช้งานจริง ชื่อโมเดลหรือตัวอย่างไม่รับประกันแต่ละผลลัพธ์
วิธีใช้ MiniMax M3 บน API Hop
หลังสร้างคีย์ API ในคอนโซล ให้ทำตามเอกสารเพื่อเริ่มใช้ MiniMax M3
เตรียมบัญชีและทดสอบออนไลน์
เข้าสู่ระบบ ตรวจสอบยอดเงิน และสร้างคีย์ API
ลองในพื้นที่ทดลอง
สำรวจความสามารถโมเดลในพื้นที่ทดลองเพื่อหาวิธีใช้ที่เหมาะที่สุด
เชื่อมต่อ MiniMax M3 เข้ากับธุรกิจของคุณ
ทำตามเอกสารนักพัฒนาของเราเพื่อเชื่อมต่อ MiniMax M3 เข้ากับธุรกิจ
การอัปเกรดโมเดลในอนาคต
หากจะเปลี่ยนเป็นโมเดลใหม่กว่า ให้ยืนยันก่อนว่าแค็ตตาล็อกโมเดลของคีย์ API ส่ง ID ที่ตรงกันกลับมา หากรองรับเอนด์พอยต์และฟิลด์คำขอเดียวกัน ให้อัปเดต ID แล้วทดสอบรูปแบบการตอบกลับ สตรีม ขีดจำกัดเอาต์พุต และการคิดค่าบริการก่อนส่งทราฟฟิกจริง สำหรับงานภาพหรือวิดีโอแบบอะซิงโครนัส ให้ตรวจการส่งงาน โพลสถานะ และดึงผลลัพธ์ด้วย
คำถามที่พบบ่อยของ API MiniMax M3
ควรใช้เอนด์พอยต์และชื่อโมเดลใดเรียก MiniMax M3 บน API Hop?
แนะนำเริ่มด้วยคำขอขั้นต่ำ: ส่ง POST ไป https://api.apihop.ai/v1/chat-completions ตั้ง model เป็น minimax-m3 ส่งคีย์ API ของ API Hop ผ่าน Authorization: Bearer YOUR_API_KEY และให้อาร์เรย์ messages เพิ่ม stream: true เมื่อต้องการตอบกลับสตรีม เอกสาร API MiniMax M3 ของ API Hop
ปิดการคิดใน MiniMax M3 ได้หรือไม่ และทำไมบางครั้งเนื้อหาตอบกลับว่าง?
ได้ พารามิเตอร์ที่เราให้ปิดคือ thinking: {"type": "disabled"} เมื่อละฟิลด์จะคงพฤติกรรมเริ่มต้นโมเดล สำหรับคำถามสั้นหรือแปลงรูปแบบ แนะนำประเมินคำตอบด้วยการตั้งค่านี้ก่อน MiniMax ระบุการควบคุมความลึก reasoning_effort ห้าระดับเป็นความสามารถของ M3.1-Flash-Preview การเชื่อม M3 ควรตามเอกสารพารามิเตอร์ของตน เอกสาร API MiniMax M3 ของ API Hop เอกสาร API ที่เข้ากันได้กับ OpenAI ทางการ MiniMax
หากเนื้อหาตอบกลับว่างหรือถูกตัด แนะนำตรวจ finish_reason และงบเอาต์พุต โทเคนการคิดใช้งบสร้างด้วย เมื่อ max_tokens น้อยเกิน งบอาจหมดก่อนเริ่มคำตอบสุดท้าย แนะนำเผื่อทั้งการคิดและคำตอบ แล้วปรับงบตามงานหรือลองใหม่โดยปิดการคิด เอกสาร API ที่เข้ากันได้กับ OpenAI ทางการ MiniMax เอกสาร Chat Completions ร่วมของ API Hop
Playground ไม่มีสวิตช์การคิดแยก การขอคำตอบสั้นควบคุมการนำเสนอและไม่ได้ปิดการให้เหตุผลภายในเสมอไป
0MiniMax M3 รองรับภาพ วิดีโอ และอินพุตล้านโทเคนหรือไม่?
เอกสารทางการ MiniMax ระบุบริบท 1M โทเคนและรองรับอินพุตภาพกับวิดีโอสำหรับ M3 บริบทต้องรองรับทั้งอินพุตและเอาต์พุต ข้อมูลที่ส่งครั้งเดียวจึงต้องเผื่อพรอมต์ระบบ ประวัติข้อความ และงบสร้าง แนะนำตรวจพื้นที่อินพุตใช้ได้จริงระหว่างเชื่อมต่อ ภาพรวม API ทางการ MiniMax การประเมินอิสระ Artificial Analysis
Playground นี้รับข้อความ ไม่มีอัปโหลดไฟล์หรือดึงลิงก์อัตโนมัติ วางข้อความที่ดึงมาและเกี่ยวข้องเพื่อทดสอบ อินพุตภาพต้องใช้อินเทอร์เฟซที่รองรับแยก หน้านี้ไม่สร้างเสียงหรือวิดีโอ MiniMax ด้วย
0ควรจัดการข้อผิดพลาด 401, 402, 403 หรือ 429 อย่างไร?
แนะนำอ่านสถานะ HTTP ก่อน แล้วตรวจ code ตัวเลขในการตอบกลับ เอกสาร Chat Completions ของ API Hop กำหนดการจับคู่ต่อไปนี้ เอกสาร Chat Completions ร่วมของ API Hop
| สถานะ HTTP | รหัสแพลตฟอร์ม | ความหมายและการดำเนินการ |
|---|---|---|
| 401 | 20000 | ยืนยันตัวตนล้มเหลว ตรวจคีย์ API และเฮดเดอร์ Authorization |
| 402 | 40000 | ยอดไม่พอ ตรวจยอดบัญชี |
| 403 | 20001 | ปฏิเสธสิทธิ์ หรือคีย์ปัจจุบันใช้โมเดลนี้ไม่ได้ |
| 429 | 40001 | ถึงขีดจำกัดอัตรา ลดจำนวนพร้อมกันแล้วลองภายหลัง |
สำหรับปัญหายืนยันตัวตน ยอด และสิทธิ์ แนะนำแก้การตั้งค่าก่อน สำหรับจำกัดอัตราและข้อผิดพลาดบริการชั่วคราว ใช้ลองซ้ำจำกัดพร้อมหน่วง เมื่อแก้ปัญหา เก็บตัวระบุคำขอ สถานะ HTTP และเนื้อหาข้อผิดพลาด รูปแบบนี้ใช้กับข้อผิดพลาด HTTP ของ Chat Completions สำหรับสตรีม SSE ที่เริ่มแล้ว ให้ตรวจเหตุการณ์ในสตรีมและการจบเชื่อมต่อปกติแยก เอกสาร Chat Completions ร่วมของ API Hop
ตรวจ minimax-m3 ในแค็ตตาล็อกโมเดลที่คีย์ API ของคุณเห็น
ความจำสนทนาคงอยู่ข้ามสนทนาหรือไม่?
ความจำรวมรอบที่เสร็จและใช้ซ้ำได้จากสนทนาปัจจุบัน ไม่ใช่ความรู้ถาวรข้ามสนทนา ปิดแล้วยังเห็นประวัติแต่ไม่นำไปคำขอใหม่ ประวัติที่เก็บยาวขึ้นอาจเพิ่มการใช้อินพุต
API ข้อความที่เกี่ยวข้อง
ตัวอย่าง API MiniMax M3 และพารามิเตอร์ที่รองรับ
เริ่มต้น API MiniMax M3 อย่างรวดเร็ว
minimax-m3ต้องระบุ model ตัวอย่างนี้ใช้ ID โมเดลของหน้าปัจจุบัน ตรวจสอบสิทธิ์เข้าถึงโมเดลของคีย์ API ด้วย GET /v1/models
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}'เอกสารอ้างอิงกลุ่มและโปรโตคอล
โมเดล MiniMax
เอกสาร API ฉบับเต็มเรียก MiniMax M3 ผ่านเอนด์พอยต์ Chat Completions ที่ใช้ร่วมกัน
POST
https://api.apihop.ai/v1/chat-completions