MiniMax M3 API の使い方

TL;DR MiniMax M3 は、1,000,000 トークンのコンテキストウィンドウ、ネイティブなテキスト・画像・動画理解、強力なコーディングおよびエージェント性能、そして MiniMax Sparse Attention（MSA）を組み合わせています。開発者は、モデル ID minimax-m3 を用いて CometAPI の OpenAI 互換ゲートウェイ https://api.cometapi.com/v1 経由で MiniMax M3 を呼び出せます。

このガイドでは、モデル仕様、公式ベンチマーク、API セットアップ、ストリーミング、推論制御、マルチモーダルリクエスト、ツール呼び出し、料金、そして 2026 年の他フロンティア API との比較を扱います。

重要ポイント

• MiniMax M3 は 最大 100 万トークンのコンテキスト をサポートし、リポジトリ規模のコーディングや長時間稼働のエージェントセッションを可能にします。
• モデルは学習初期からネイティブにマルチモーダル であり、テキスト・画像・動画入力を受け付けます。
• MiniMax Sparse Attention アーキテクチャは、100 万トークンコンテキストを計算的に実用的にするよう設計されています。公式結果には SWE-Bench Pro で 59.0%、Terminal-Bench 2.1 で 66.0% が含まれ、強力なエージェント・ツール使用スコアも示されています。
• MiniMax の OpenAI 互換 API は、思考の adaptive/disabled、ストリーミング、ツール、reasoning_split をサポートします。
• CometAPI 上では現在のモデル ID は minimax-m3 で、主要エンドポイントは /v1/chat/completions です。

MiniMax M3 とは？

MiniMax M3 は、フロンティア開発者モデルを定義しつつある 3 つのワークロード、すなわち大規模ソフトウェアエンジニアリング、自律エージェント実行、マルチモーダル長コンテキスト推論を中心に設計されています。MiniMax は M3 を、100 万コンテキスト、ネイティブなマルチモーダリティ、MSA を組み合わせつつ、コーディングおよびエージェントタスクでフロンティアレベルの性能に到達したモデルだと説明しています。実用面では、単独のチャットターンよりも、ファイル、ツール結果、スクリーンショット、コード変更、推論状態が時間とともに蓄積されるワークフローに焦点を当てています。

M3 は MiniMax 自身の API エコシステムと、CometAPI の MiniMax M3 エンドポイントを通じて利用可能です。すでに OpenAI SDK を使っている開発者にとっては、CometAPI 経由で Chat Completions の形を保ちながら、Anthropic、Google、Moonshot AI など他プロバイダのモデルと比較しやすくなります。

MiniMax M3 技術仕様

上記のコンテキストとモダリティの数値は MiniMax の API ドキュメントで確認され、モデルアーキテクチャとリリースの位置付けは公式の M3 リリースに基づきます。

MiniMax M3 の差別化要因

MiniMax Sparse Attention と 100 万トークンコンテキスト

100 万トークンのコンテキストウィンドウは、提供アーキテクチャが許容可能な速度とコストで処理できて初めて有用です。M3 はこの課題に対し、MiniMax Sparse Attention（MSA） を用いて、まず関連する KV ブロックを特定し、全域に二次計算のフルアテンションを適用するのではなく、選択領域に対してスパースアテンションを実行します。

MiniMax は、1M コンテキスト長で M3 は前世代比でトークン当たり計算量が約 1/20、プレフィルが 9 倍以上高速、デコードが 15 倍以上高速であると報告しています。これらは第三者の提供測定ではなくベンダー報告のエンジニアリング結果ですが、MSA が M3 の長コンテキスト設計の中心にある理由を説明しています。

図 1. MiniMax Sparse Attention のアーキテクチャ。出典： MiniMax 公式 M3 リリース

ネイティブなマルチモーダリティ

MiniMax は、M3 が学習初期から混合モダリティでの訓練を受けており、テキスト事前学習後に別個のビジョン層を追加したのではないと述べています。OpenAI 互換 API では、M3 はテキスト、画像、動画のコンテンツパートを受け付けます。画像は image_url、動画は video_url で指定でき、対応画像形式は JPEG、PNG、GIF、WEBP、対応動画形式は MP4、AVI、MOV、MKV です。

開発者にとっては、スクリーンショットに基づくデバッグ、チャート解釈、UI レビュー、技術文書解析、動画理解などのタスクを、すべてのビジュアル入力を別モデルへルーティングせずに 1 つのモデルで扱えることを意味します。

コーディングとエージェント型ワークフロー

M3 の最も強い公開ポジショニングは汎用チャットではありません。MiniMax はバグ修正、フロントエンド・バックエンド開発、ターミナル実行、性能最適化、ツール呼び出し、長期的な協働に焦点を当てています。そのため公式の M3 ベンチマークセットは、学術的な QA テストのみではなく、ソフトウェアエンジニアリングとエージェント系のベンチマークを強調しています。

設定可能な思考モード

MiniMax の OpenAI 互換 API では、M3 は明示的な推論制御をサポートします：thinking は adaptive または disabled に設定可能です。MiniMax の OpenAI 互換エンドポイントでフィールドを省略した場合、thinking はデフォルトでオンです。本番統合では、遅延や挙動を環境間で再現しやすくするため、フィールドを明示的に設定する方が安全です。

長期ホライズンのエージェント性能

MiniMax は、M3 のコンテキスト設計の重要性を示す 2 つの長時間ケーススタディも公開しています。論文再現タスクでは、M3 は約 12 時間自律的に稼働し、18 コミットと 23 の実験図を生成し、ICLR 2025 Outstanding Paper の中核実験を再現しました。タスクには図や数式の読解、コード編集、実験の追跡、長い実行履歴の保持が必要でした。

別の CUDA カーネル最適化演習では、MiniMax は約 24 時間で 147 件のベンチマーク提出と 1,959 回のツール呼び出しを報告し、Hopper FP8 ハードウェアのピーク利用率は 7.6% から 71.3% に上昇、報告上 9.4 倍の高速化に相当します。これらは管理されたデモであり、すべての本番エージェントの保証ではありませんが、意図するユースケースを示しています：進捗が多くの繰り返しの後にしか得られない可能性がある持続的なツールループです。

なぜ CometAPI 経由で MiniMax M3 API を使うのか？

CometAPI は、他の数百のモデルと同じ一般的な API 環境で M3 を公開しています。これは複数プロバイダのベンチマーク、単一の請求面、ベンダー固有 SDK に合わせてアプリケーションを毎回作り直すことなくフォールバックルートを維持したいチームにとって重要です。

• OpenAI 互換の統合：既存の OpenAI SDK クライアントは、ベース URL、API キー、モデル ID を変更するだけで再利用できます。
• 複数モデルプロバイダに対して 1 つのキーでのアクセスが可能になり、A/B テストやフォールバックルーティングが実装しやすくなります。
• プロバイダ個別のダッシュボードではなく、集中化された利用状況とモデル単位のコスト追跡。
• 品質、レイテンシ、モダリティ対応、価格のバランスが異なるモデルへの高速切り替え。

ライブの MiniMax M3 CometAPI ページには、現在モデル ID minimax-m3、POST /v1/chat/completions、OpenAI SDK の例が記載されています。

CometAPI で MiniMax M3 API を使う方法

Step 1: CometAPI アカウントを作成し API キーを取得

CometAPI アカウントを作成またはサインインし、トークンコンソールから API トークンを生成します。トークンはソース管理にコミットせず、環境変数に保存してください。

export COMETAPI_KEY="your-key-here"

Step 2: OpenAI クライアントを設定

CometAPI の OpenAI 互換ベース URL は以下です：

https://api.cometapi.com/v1

OpenAI SDK をインストールし、クライアントを CometAPI に向けます：

pip install openai

   from openai import OpenAI
   import os

   client = OpenAI(
      api_key=os.environ["COMETAPI_KEY"],
      base_url="https://api.cometapi.com/v1",
   )

Step 3: 最初の MiniMax M3 リクエストを送る

CometAPI のモデル ID minimax-m3 を使用します。最小の cURL リクエストは次のとおりです：

curl   https://api.cometapi.com/v1/chat/completions \
  -H "Authorization: Bearer   $COMETAPI_KEY" \
  -H "Content-Type:   application/json" \
  -d '{
    "model":   "minimax-m3",
    "messages": [
      {
        "role":   "system",
        "content": "あなたは正確なソフトウェアエンジニアリング支援者です。"
      },
      {
        "role":   "user",
        "content":   "この移行計画をレビューし、リスクの高い失敗モードを3つ挙げてください。"
      }
    ],
    "max_completion_tokens":   1200,
    "reasoning_split": true
  }' 

Python:

completion = client.chat.completions.create(
    model="minimax-m3",
    messages=[
        {"role":   "system", "content": "あなたは精密な技術支援者です。"},
        {"role":   "user", "content": "スパースアテンションが長コンテキストのコーディングエージェントにどのように役立つか説明してください。"},
    ],
    max_completion_tokens=1200,
      extra_body={"reasoning_split": True},
   )

   print(completion.choices[0].message.content)

CometAPI のライブ M3 ページでは、Python 例で同じ reasoning_split パターンが使われています。このスイッチは推論コンテンツの返し方を変更しますが、thinking のオン/オフ自体は切り替えません。

Step 4: ストリーミングを有効化

ストリーミングは、チャットインターフェース、コーディングアシスタント、長い補完で有用です。ユーザーは出力が到着次第、逐次確認できます。MiniMax の OpenAI 互換ドキュメントは、M3 のストリーミング対応を確認しています。

stream = client.chat.completions.create(
    model="minimax-m3",
    messages=[{"role":   "user", "content": "モノリスをサービスへ段階的に移行する計画を作成してください。"}],
    stream=True,
    max_completion_tokens=3000,
   )

   for chunk in stream:
    delta = chunk.choices[0].delta
    if delta.content:
        print(delta.content,   end="", flush=True)

Step 5: Thinking を有効化／無効化

MiniMax は M3 の思考モードとして adaptive と disabled を定義しています。難しいコーディング、計画、エージェントタスクには adaptive を使い、単純な抽出、分類、レイテンシ重視の応答には disabled を使います。OpenAI 互換ルーター経由でプロバイダ固有フィールドを使う場合、CometAPI のプレイグラウンドで本番前に検証してください。パススルー挙動は進化し得ます。

# より深い推論
   completion = client.chat.completions.create(
    model="minimax-m3",
    messages=[{"role":   "user", "content": "この分散トランザクション障害の根本原因を特定してください。"}],
    extra_body={"thinking":   {"type": "adaptive"}},
   )

   # より高速な直接応答
   completion = client.chat.completions.create(
    model="minimax-m3",
    messages=[{"role":   "user", "content": "このテキストから請求書番号を抽出してください。"}],
    extra_body={"thinking":   {"type": "disabled"}},
   )

Step 6: 画像入力を使う

M3 の OpenAI 互換 API は image_url コンテンツパートを受け付けます。OpenAI スタイルのルートでスクリーンショット、ダイアグラム、チャートを送る自然な方法です。

response = client.chat.completions.create(
    model="minimax-m3",
    messages=[{
        "role":   "user",
        "content": [
            {"type":   "text", "text": "このダッシュボードのスクリーンショットをレビューし、想定される UI の問題を特定してください。"},
            {
                "type":   "image_url",
                "image_url":   {
                    "url":   "https://example.com/dashboard.png",
                    "detail":   "default"
                }
            }
        ]
    }]
   )

MiniMax は JPEG、PNG、GIF、WEBP のサポートと、画像詳細レベルとして low、default、high を記載しています。プロバイダはリクエストサイズの制限も公開しているため、大きなアセットを送る前に最新のマルチモーダル API 制限を確認してください。

Step 7: 動画入力を使う

M3 は video_url コンテンツパートもサポートします。MiniMax は MP4、AVI、MOV、MKV を記載しており、より大きな動画は Files API でサポートします。

response = client.chat.completions.create(
    model="minimax-m3",
    messages=[{
        "role":   "user",
        "content": [
            {"type":   "text", "text": "この製品デモのワークフローを要約し、目に見えるすべてのエラー状態を列挙してください。"},
            {
                "type":   "video_url",
                "video_url":   {"url": "mm_file://your_file_id", "detail":   "default"}
            }
        ]
    }]
   )

アプリケーションが CometAPI 経由でマルチモーダルリクエストをルーティングする場合、アクティブな M3 ルートでサポートされる正確なファイル転送を確認してください。プロバイダネイティブの mm_file:// 識別子は MiniMax の Files ワークフローに属します。

Step 8: 関数／ツール呼び出しを追加

MiniMax M3 は OpenAI 互換 API におけるツール定義をサポートします。本番のエージェントは、要求されたツールを実行し、会話履歴に完全な assistant のツール呼び出しメッセージを追加し、ツール結果をモデルへ返却するべきです。MiniMax は、推論の継続性のために完全なレスポンスを保持することが重要だと明言しています。

tools = [{
    "type":   "function",
    "function": {
        "name":   "get_build_status",
        "description":   "リポジトリの現在の CI ビルドステータスを取得します。",
        "parameters": {
            "type":   "object",
            "properties": {
                "repo":   {"type": "string"},
                "branch":   {"type": "string"}
            },
            "required":   ["repo", "branch"]
        }
    }
   }]

   response = client.chat.completions.create(
    model="minimax-m3",
    messages=[{"role":   "user", "content": "acme/payments の main ブランチが CI に合格しているか確認してください。"}],
    tools=tools,
   )

Step 9: 長コンテキストとプロンプトキャッシュの賢い利用

100 万トークンのコンテキストウィンドウがあるからといって、すべてのリクエストで 100 万トークンを含めるべきではありません。タスクに関連するファイル、ログ、文書、ツール出力のみを詰めてください。MiniMax の自動プロンプトキャッシュは、システムプロンプト、ツール一覧、会話履歴など、繰り返し現れる接頭辞がある場合にコストと処理時間を削減できます。

リポジトリ規模のエージェントでは、安定したプロジェクト概要とツールスキーマを保持し、現在のステップに関連するファイルのみを取得し、セッションを無制限に膨張させないように古い履歴を定期的に圧縮するのが良いパターンです。

重要な MiniMax M3 API パラメータ

上記のパラメータ定義は MiniMax の現在の OpenAI 互換 API リファレンスに従っています。アグリゲータ経由でルーティングする際、プロバイダ固有フィールドはパススルー対応が必要な場合があるため、本番前に現在の CometAPI エンドポイントで非標準フィールドをテストしてください。

MiniMax 公式 API と CometAPI の比較

MiniMax はAnthropic 互換および OpenAI 互換の呼び出しの両方を公式にサポートしています。MiniMax 直の Anthropic ルートは高度な thinking 挙動に推奨され、CometAPI の M3 モデルページは現在 OpenAI スタイルの /v1/chat/completions 統合を強調しています。

MiniMax M3 API の料金

料金は注意深く扱う必要があります。現在の MiniMax 直の実効レートと、CometAPI 比較に示されるリストレートは一致していません。2026年8月10日時点で、CometAPI は M3 を入力 $0.48/M、出力 $1.92/M と掲載しています。同じ CometAPI ページは、MiniMax のリスト価格が入力 $0.60/M、出力 $2.40/M と比較しています。

しかし、MiniMax の現在の従量課金料金ページでは、標準の M3 トラフィックに対して恒久的な 50% 割引が示されています：入力トークンが 512K 以下のリクエストでは、MiniMax 直の実効価格は入力 $0.30/M、出力 $1.20/M、キャッシュ読み取り $0.06/M。512K を超える入力では、割引後の直レートは入力 $0.60/M、出力 $2.40/M、キャッシュ読み取り $0.12/M です。

これは、CometAPI が現在、MiniMax の名目上のリスト価格よりは低いものの、プロバイダの割引された直の <=512K レートよりは低くないことを意味します。大規模導入では、固定の「20% 安い」という主張に頼らず、ライブ価格を比較してください。価格はそれぞれのプラットフォームで独立に変更され得ます。

料金例

現在の CometAPI の M3 レートでは、入力 100,000 トークン、出力 5,000 トークンのリクエストは概算で次のとおりです：

同じリクエストは、プロバイダの現在の割引された <=512K ティアに該当するなら MiniMax 直の方が安くなる可能性がありますが、マルチモデルチームは統一ゲートウェイの運用上のシンプルさを重視することもあります。

MiniMax M3 vs Claude Sonnet 5 vs Gemini 3.6 Flash vs Kimi K3

4 モデルはいずれもエージェントおよびコーディングのワークロードを対象とし、非常に大きなコンテキストウィンドウを提供します。相違は、モダリティ対応、推論制御、プロバイダエコシステム、現在の CometAPI 料金により明確になります。公式ドキュメントでは Claude Sonnet 5 の 1M コンテキストウィンドウ、Gemini 3.6 Flash の大コンテキストマルチモーダル API、そして Kimi K3 の 1M トークンフラグシップが確認できます。

表中の CometAPI のトークン価格は、ライブのモデルページ MiniMax M3、Claude Sonnet 5、Gemini 3.6 Flash、Kimi K3 に基づきます。

図 4. 現在の CometAPI におけるトークン価格比較（2026年8月10日確認）。モデルページの出典： M3、 Gemini 3.6 Flash、 Claude Sonnet 5、 Kimi K3。

どのモデルを選ぶべきか？

• MiniMax M3：CometAPI の低価格なトークン、1M コンテキスト、ネイティブな画像／動画理解、長時間稼働のコーディング／ツール使用エージェントを優先する場合。
• Claude Sonnet 5：洗練されたコーディングエージェント、プロフェッショナルな知識作業、成熟した Anthropic スタイルのツールワークフローを重視する場合。
• Gemini 3.6 Flash：モダリティ、迅速なエージェントループ、Google ネイティブツール、音声／PDF 入力、スループットを重視する場合。
• Kimi K3：長期的なコーディング、深い知識作業、1M コンテキストの常時推論モデルが中心のワークロードの場合。

単一のベンチマークやトークン価格だけで選択しないでください。自社のリポジトリ、ドキュメント、ツール呼び出し、失敗ケースから小規模な評価セットを作成し、成功タスク率、レイテンシ、総トークン、リトライ、人的修正時間を比較しましょう。

MiniMax M3 API ベストプラクティス

• 思考モードを明示的に設定する。困難な作業には adaptive、単純でレイテンシ重視のタスクには disabled。明示的設定の方がベンチマークと再現が容易。
• 1M ウィンドウを選択的に使う。大きなコンテキストウィンドウは能力上限であり目標ではない。大規模リポジトリや文書集を送る前に取得・圧縮を行う。
• ツール呼び出し履歴を保持する。複数ターンの関数呼び出しでは、assistant の完全なレスポンスとツール呼び出しオブジェクトを保持して推論の継続性を保つ。
• 長い応答はストリーミングする。コーディング、リサーチ、エージェント用途で、総完成時間が変わらなくても知覚レイテンシが改善。
• 繰り返しコンテキストのキャッシュを活用する。安定したシステムプロンプト、ツールスキーマ、繰り返される履歴は、アクティブなルートが対応している場合はプロンプトキャッシュに適している。
• 成功タスク当たりのコストを測定する。トークン価格は重要だが、リトライ、ツールループ、長い推論トレース、失敗復旧が最終的な経済性を左右することが多い。
• プロバイダ固有のパラメータを再テストする。OpenAI 互換ゲートウェイは非標準フィールドの通し方が異なる場合がある。thinking、reasoning_split、マルチモーダルペイロード、ツール挙動は本番前に検証する。

結論

MiniMax M3 は、コーディング、エージェント実行、ネイティブなビジュアル理解、非常に長いコンテキストを 1 つのモデルで必要とする開発者にとって強力な API の選択肢です。技術的なストーリーは異例に整合的です：MSA は 1M コンテキストの提供課題に対処し、ネイティブなマルチモーダル訓練は入力面を広げ、公開ベンチマークは開発者が実際に重視するソフトウェアエンジニアリングとツール使用のワークロードに焦点を当てています。

多くの CometAPI ユーザーにとって最も迅速な出発点は明快です：キーを作成し、ベース URL を https://api.cometapi.com/v1 に設定し、モデル minimax-m3 を呼び出し、実際の本番タスクに対してベンチマークします。その後、より深い thinking を有効化するか、マルチモーダル入力を追加するか、ツールループを構築するかを判断してください。料金やルート挙動は変化し得るため、本番移行前にライブの CometAPI M3 ページとMiniMax API ドキュメントを再確認してください。