API MiniMax M3: Giá, khu thử nghiệm và ví dụ

Lập trình dự án: sửa và cải tiến mã hiện có

Chúng tôi ưu tiên MiniMax M3 cho vòng cải tiến được xác định rõ, như sửa vấn đề hiện có, thêm tính năng theo hợp đồng giao diện hoặc điều chỉnh triển khai dựa trên kết quả kiểm thử. Thử nghiệm kỹ thuật công khai của Thinkwright thấy M3 và GLM-5.2 tương tự nhau ở sửa và thêm tính năng cho mã hiện có; khoảng cách rõ hơn tập trung vào xây dự án từ đầu.

Từ đó, chúng tôi đề xuất thử M3 để cải thiện liên tục và phát triển tính năng mới trong dự án hiện có.

Phân tích tài liệu dài: đọc cùng kho mã, tài liệu và nhật ký thực thi

MiniMax M3 dùng cơ chế chú ý thưa MSA để xử lý ngữ cảnh dài. Báo cáo kỹ thuật mô tả chọn khối thông tin liên quan trước khi tính chú ý, giảm tải tính toán cho đầu vào rất dài.

Chúng tôi chú trọng giá trị phân tích xuyên tài liệu, như kiểm tra triển khai có khớp yêu cầu, so sánh hợp đồng giao diện giữa phiên bản hoặc dựng lại sự cố từ nhật ký. Nên giữ tên tệp, phiên bản, thời điểm và yêu cầu kết luận tham chiếu vị trí cụ thể. Với tác vụ rất dài, mô hình có thể liệt kê bằng chứng chính tìm được trước khi đánh giá.

Hiểu hình ảnh và video: đưa giao diện, tài liệu trực quan vào phân tích

Chúng tôi dùng khả năng thị giác của MiniMax M3 cho việc cần hiểu trực quan, như kiểm tra ảnh chụp trang có khớp triển khai, phân tích biểu đồ hoặc ghi quy trình từ video thao tác. Như API MiniMax chính thức, API Hop cung cấp đầu vào hình ảnh và video, dùng khối nội dung image_url cho ảnh và video_url cho video.

Nên nêu rõ yêu cầu: chỉ vùng cần tập trung khi kiểm tra giao diện, chỉ số cần xác minh khi phân tích biểu đồ, giới hạn khoảng thời gian và sự kiện cần nhận diện khi xử lý video. Điều này giúp đối chiếu đầu ra với tài liệu gốc và tiếp tục sửa mã hoặc thêm giải thích.

Cộng tác công cụ: tiếp tục tác vụ nhiều bước bằng kết quả trung gian

MiniMax M3 hỗ trợ gọi công cụ và tiếp tục suy luận qua nhiều vòng tương tác công cụ. Khi ứng dụng cung cấp công cụ truy xuất, chạy mã hoặc xử lý tệp, mô hình có thể quyết định bước tiếp theo dựa trên kết quả. Hướng dẫn công cụ chính thức cũng yêu cầu giữ toàn bộ phản hồi mô hình ở lượt tiếp theo để duy trì thông tin tác vụ liên tục.

Phản hồi khách hàng về trải nghiệm tác tử M3 không đồng nhất: một số đánh giá cao khả năng thực thi, số khác báo cáo nhầm lẫn trong quy trình phức tạp. Vì vậy nên bắt đầu bằng quy trình ngắn, giới hạn rõ, nêu đầu vào, kết quả mong đợi và xử lý thất bại từng bước trước khi tăng dần độ dài tác vụ.

Tối ưu dài hạn: tiếp tục cải thiện theo mục tiêu xác minh được

MiniMax trình diễn ca tối ưu kernel nhân ma trận FP8, trong đó M3 gửi 147 lần benchmark và gọi công cụ 1,959 lần trong khoảng 24 giờ, liên tục sửa triển khai theo phản hồi.

Chúng tôi cho rằng khả năng này đáng áp dụng cho việc có mục tiêu rõ như tối ưu hiệu năng mã, sửa kiểm thử và tái lập thí nghiệm. Nên định nghĩa trước kiểm tra tính đúng, mục tiêu hiệu năng và điều kiện dừng; khi kết quả lâu không cải thiện, kiểm tra mô tả tác vụ, phản hồi công cụ hoặc hướng triển khai thay vì chỉ tăng số lệnh gọi.

Kỹ thuật phần mềm: 59.0% trên SWE-bench Pro và điểm SWE-fficiency 34.8

Trong kết quả phát hành chính thức, MiniMax M3 đạt 59.0% trên SWE-bench Pro và 34.8 trên SWE-fficiency. Chúng tôi dùng chúng làm tham chiếu tương ứng cho sửa vấn đề dự án và tối ưu hiệu năng mã.

SWE-fficiency tập trung tăng tốc trong khi giữ tính đúng chức năng, với chỉ số liên quan hiệu năng tương đối giữa tối ưu của mô hình và chuyên gia. Chúng tôi giữ 34.8 là điểm benchmark để tránh hiểu thành tăng tốc 34.8% trong dự án thực. Với tác vụ tối ưu hiệu năng, nên kiểm tra đồng thời thời gian chạy, sử dụng tài nguyên và kết quả kiểm thử.

Thực thi terminal: 66.0% trên Terminal-Bench 2.1

MiniMax báo cáo M3 đạt 66.0%. Kiểm thử dùng Terminus 2, thời gian chờ hai giờ mỗi tác vụ và ngân sách đầu ra tối đa 128K token. Các cài đặt đánh giá giúp giải thích điều kiện thực thi đằng sau điểm số.

Chúng tôi chú trọng khả năng hiểu phản hồi sau khi chạy lệnh và tiếp tục sửa. Khi đánh giá thực tế, nên dùng tác vụ cần cài phụ thuộc, chạy kiểm thử và xử lý lỗi, giữ nhật ký bước thất bại để kiểm tra cuối cùng tác vụ có hoàn thành không.

Công cụ và truy xuất: 74.2% trên MCP Atlas và khoảng 83.5% trên BrowseComp

Trong báo cáo chính thức, MiniMax M3 đạt 74.2% trên MCP Atlas và khoảng 83.5% trên BrowseComp. Chúng tôi dùng kết quả làm tham chiếu cho cộng tác công cụ và truy xuất phức tạp.

Với quy trình tìm nhiều tài liệu và xác minh điều kiện trước khi kết luận, nên kiểm tra riêng "tìm nội dung liên quan" và "trả lời đúng câu hỏi". Ví dụ, yêu cầu mô hình giữ liên kết nguồn, giải thích bằng chứng hỗ trợ điều kiện nào và đánh dấu câu hỏi chưa giải quyết. Chúng tôi ưu tiên kiểm tra thông tin công cụ trả về có thực sự hỗ trợ câu trả lời cuối không.

Hiểu đa phương thức: 91.6 trên OmniDocBench và 78.1% trên MMMU-Pro

Trong bảng đánh giá chính thức đầy đủ, MiniMax M3 đạt 91.6 trên OmniDocBench với tập dữ liệu v1.5 và 78.1% trên MMMU-Pro. Chúng tôi cho rằng kết quả hữu ích để xem xét tương ứng khả năng phân tích tài liệu và hiểu trực quan đa ngành.

OmniDocBench đánh giá thành phần tài liệu gồm văn bản, bảng và công thức. Chúng tôi ưu tiên thử M3 trên tài liệu có bố cục phức tạp, bảng lồng hoặc công thức, đồng thời kiểm tra nội dung trích xuất khớp vị trí trang. Với câu hỏi cần suy luận thêm, cũng nên xác minh dữ liệu dùng trong suy luận, không chỉ kiểm tra nhận dạng văn bản đầy đủ.

Đánh giá độc lập và tốc độ phản hồi: điểm chỉ số 29 và đầu ra khoảng 100 token/giây

Artificial Analysis chấm phiên bản suy luận MiniMax M3 đạt 29 trên Intelligence Index v4.3.2; tốc độ đầu ra qua API MiniMax khoảng 100.4 token mỗi giây, thời gian tới token đầu khoảng 2.65 giây.

So với MiniMax M2.7: cải thiện lớn hơn ở tác vụ terminal và công cụ

Trong bảng phát hành chính thức, MiniMax M2.7 và M3 lần lượt đạt 51.1% và 66.0% trên Terminal-Bench 2.1, cùng 49.4% và 74.2% trên MCP Atlas.

Với nhóm đang dùng M2.7 và định nâng lên M3, nên ưu tiên gọi công cụ nhiều lượt, sửa mã và hội thoại dài trong đánh giá thay thế. Với tác vụ ngắn mà quy trình hiện tại đã hoàn thành ổn định, chúng tôi tiếp tục so sánh chất lượng phản hồi, thời gian và phí lệnh gọi để đánh giá lợi ích thực tế của nâng cấp.

So với Claude Opus 4.7: điểm truy xuất cao hơn nhưng vẫn còn khoảng cách kỹ thuật phần mềm

Trong cùng bảng phát hành, M3 và Claude Opus 4.7 đạt khoảng 83.5% và 79.3% trên BrowseComp, so với 59.0% và 64.3% trên SWE-bench Pro. Vì vậy chúng tôi thấy hiệu năng truy xuất của M3 đáng chú ý, trong khi kỹ thuật phần mềm vẫn cần so sánh theo tác vụ.

Nên thử riêng truy xuất thông tin, xác minh xuyên nguồn và sửa dự án. Nếu công việc chủ yếu dựa trên truy xuất, ưu tiên đánh giá M3; nếu cần hoàn thành thay đổi lớn trong kho mã phức tạp trong một lần, chúng tôi giữ Opus 4.7 để so sánh và theo dõi tỷ lệ đạt cùng việc làm lại sau đó.

So với GPT-5.5: điểm sửa mã tương tự, khoảng cách thực thi terminal lớn hơn

Trong bảng phát hành MiniMax, M3 và GPT-5.5 đạt 59.0% và 58.6% trên SWE-bench Pro, so với 66.0% và 78.2% trên Terminal-Bench 2.1. Điểm terminal GPT-5.5 được trích từ bảng xếp hạng chính thức của benchmark, môi trường kiểm thử không hoàn toàn đồng nhất với M3. Ghi chú phát hành và đánh giá MiniMax M3 chính thức

Chúng tôi hiểu cặp đầu là hiệu năng tương tự trong đánh giá đó; riêng chênh lệch 0.4 điểm phần trăm không hỗ trợ tuyên bố dẫn đầu rõ rệt. Với tác vụ cần lệnh liên tiếp, gỡ lỗi môi trường và bàn giao đầy đủ, nên so sánh thêm tỷ lệ hoàn thành cuối thay vì chọn mô hình chỉ theo điểm sửa mã.

So với GLM-5.2: thử nghiệm kỹ thuật công khai cho thấy đánh đổi giữa tốc độ và bàn giao đầy đủ

Trong thử nghiệm Thinkwright do Brandon Huey công bố ngày 19 tháng Sáu năm 2026, 60 tác vụ chấm điểm được chạy ba lần mỗi mô hình. Thử nghiệm dùng dịch vụ ưu tiên Fireworks, tắt suy luận phía máy khách. Kết quả như sau. Thử nghiệm kỹ thuật trực tiếp của Thinkwright

Chúng tôi diễn giải kết quả là đánh đổi giữa tỷ lệ hoàn thành và thời gian chờ trong thử nghiệm đó: M3 nhanh hơn, còn GLM-5.2 có tỷ lệ đạt toàn bộ cao hơn. Khoảng cách lớn hơn tác giả ghi nhận tập trung ở tác vụ xây từ đầu, gồm cấu trúc gói và hành vi giao diện. Vì vậy nên ưu tiên tác vụ sửa đổi có giới hạn rõ cho M3, thêm kiểm tra điểm vào, cấu trúc thư mục và điều kiện biên khi bàn giao dự án mới.

Tính phí theo mức sử dụng và tối ưu chi phí mô hình

Phí theo giá API Hop hiện tại và mức sử dụng thực tế. Nạp tiền theo nhu cầu.

Mô hình AI và API dữ liệu thống nhất, truy cập nhiều mô hình ở cùng một nơi

Một khóa API kết nối nhiều mô hình AI và dịch vụ dữ liệu, giảm chi phí tích hợp và cho phép chuyển bằng một lần nhấp. Ứng dụng kinh doanh cần cả AI lẫn dữ liệu.

Nhật ký lệnh gọi và kiểm soát truy cập ứng dụng, minh bạch từng lệnh gọi

Mỗi lệnh gọi API được ghi trong bảng điều khiển. Tạo khóa API riêng cho các ứng dụng khác nhau.

Đánh giá đầu ra theo tác vụ

Dùng ID mô hình trong tài liệu và tham số được hỗ trợ qua API Hop. Đánh giá đầu ra theo tiêu chí chấp nhận của bạn, rồi kiểm tra bản ghi sử dụng và siêu dữ liệu phản hồi trước khi dùng trong sản xuất. Tên mô hình hoặc ví dụ không đảm bảo từng kết quả.

Chuẩn bị tài khoản và thử trực tuyến

Đăng nhập, xác nhận số dư và tạo khóa API.

Thử trong khu thử nghiệm

Khám phá khả năng mô hình trong khu thử nghiệm để tìm cách dùng phù hợp nhất.

Tích hợp MiniMax M3 vào doanh nghiệp

Làm theo tài liệu lập trình viên để tích hợp MiniMax M3 vào doanh nghiệp.

Nâng cấp mô hình trong tương lai

Để chuyển sang mô hình mới hơn, trước tiên xác nhận danh mục mô hình của khóa API trả đúng ID đó. Nếu hỗ trợ cùng endpoint và trường yêu cầu, cập nhật ID mô hình rồi kiểm thử định dạng phản hồi, truyền trực tiếp, giới hạn đầu ra và tính phí trước khi gửi lưu lượng sản xuất. Với tác vụ hình ảnh hoặc video bất đồng bộ, cũng xác minh gửi tác vụ, thăm dò trạng thái và lấy kết quả.