Spesifikasi teknikal MiniMax M3.1-Flash-Preview
| Item | MiniMax M3.1-Flash-Preview |
|---|---|
| Model ID | MiniMax-M3.1-Flash-Preview |
| Model family | Siri MiniMax M3.1, model pengkodan Pratonton |
| Release status | Pratonton; diumumkan pada 27 September 2026 |
| Primary focus | Pembangunan perisian harian, daripada pembaikan pepijat hingga kerja ciri lengkap |
| Context window | 1,000,000 token |
| Input modalities | Teks, imej dan video |
| Output modality | Teks |
| Reasoning control | reasoning_effort: low, medium, high, xhigh, max |
| Thinking behavior | Pemikiran adaptif diperlukan; dokumentasi awam yang disemak tidak menyokong mematikan pemikiran |
| Maximum output | Tidak diterbitkan secara berasingan dalam bahan awam yang disemak |
| Parameter count | Tidak didedahkan kepada umum |
| Open weights | Tiada titik semak/repositori model awam dikenal pasti |
MiniMax mengumumkan M3.1-Flash-Preview untuk MiniMax Code pada 27 September 2026, memposisikannya bagi tugas pembangunan harian seperti pembaikan pepijat dan penyampaian ciri penuh. Liputan awam semasa secara konsisten mengenal pasti tetingkap konteks 1M token dan usaha penaakulan boleh laras, sambil menyatakan bahawa jadual penanda aras kendiri dan harga per token masih belum diterbitkan.
Apakah MiniMax M3.1-Flash?
MiniMax M3.1-Flash-Preview ialah model teks berorientasikan pengkodan Pratonton yang direka untuk aliran kerja pembangunan perisian beriterasi, bukan sekadar penjanaan kod. MiniMax menerangkan aliran kerja ini merangkumi pemahaman keperluan, penyetempatan masalah, pelaksanaan, ujian regresi, dan pengesahan perubahan terhadap fungsi sedia ada.
Kawalan terdokumentasi yang membezakan model ini ialah konteksnya yang panjang dan tangga usaha penaakulan lima aras. Aras yang tersedia ialah low, medium, high, xhigh, dan max, membolehkan pembangun menukar antara kedalaman penaakulan dan kependaman mengikut kerumitan tugas.
Ciri utama MiniMax M3.1-Flash-Preview
- Konteks 1M token: Penerangan model yang diterbitkan memberikan model Pratonton ini tetingkap konteks sejuta token, menjadikannya sesuai untuk repositori besar, spesifikasi panjang dan sesi ejen pengkodan yang berlanjutan.
- Input multimodal natif: Penerangan model awam menyenaraikan teks, imej dan video sebagai input, manakala model memulangkan teks.
- Lima aras usaha penaakulan:
low,medium,high,xhigh, danmaxmenyediakan kawalan lebih halus ke atas kedalaman penaakulan berbanding suis pemikiran hidup/mati yang ringkas. - Aliran kerja pengkodan hujung-ke-hujung: MiniMax secara khusus memposisikan model ini untuk penyetempatan pepijat, pelaksanaan, pengendalian kes sempadan, penyiapan ujian regresi dan pengesahan perubahan.
- Penyebaran berorientasikan Pratonton: Pelancaran awam awal adalah melalui MiniMax Code dan Token Plan dan bukannya tawaran model bayar ikut guna yang berdiri sendiri dengan dokumentasi penuh.
- Sesuai untuk ejen pengkodan: Model ini bertujuan untuk interaksi pembangunan berulang di mana konteks repositori, keluaran alat, ujian dan pembetulan beriterasi lebih penting daripada penjanaan kod sekali gus.
MiniMax M3.1-Flash-Preview berbanding model pengkodan MiniMax lain
| Model | Fokus | Konteks | Data penanda aras awam | Akses/status |
|---|---|---|---|---|
| M3.1-Flash-Preview | Pengkodan harian, pembangunan beriterasi | 1M | Belum diterbitkan | Pratonton; MiniMax Code / Token Plan |
| M3 | Pengkodan barisan hadapan + kerja ber-ejen, multimodaliti natif | Sehingga 1M | Diterbitkan oleh MiniMax | API, Token Plan, MiniMax Code |
| M2.7 | Kejuruteraan perisian + kerja ejen/produktiviti yang luas | Tidak digunakan di sini sebagai spesifikasi M3.1 yang disalin | Diterbitkan oleh MiniMax | API, Token Plan, Agent |
M3 ialah titik rujukan yang didokumentasikan dengan lebih menyeluruh: MiniMax menerbitkan seni bina, metodologi penilaian pengkodan/ejen dan ketersediaan API. M2.7 juga mempunyai rekod penanda aras awam dan integrasi API. M3.1-Flash-Preview lebih baharu dan pada masa ini mempunyai jejak dokumentasi awam yang lebih sempit, jadi perbandingan harus menumpukan pada pemposisian yang didokumentasikan dan bukannya mendakwa pemenang penanda aras. 4
Kes penggunaan representatif
- Pembetulan pepijat skala repositori: Berikan model kod asas besar, perihalan isu, log dan ujian dan gunakan konteks panjangnya untuk mengekalkan konteks projek yang relevan.
- Pelaksanaan ciri: Gunakan model untuk bergerak daripada keperluan bahasa semula jadi kepada perubahan kod dan ujian regresi.
- Semakan kod dan pembetulan: Minta ia mengenal pasti kes sempadan, mencadangkan tampalan dan mengesahkan bahawa perubahan tidak merosakkan tingkah laku sedia ada.
- Nyahpepijat multimodal: Bekalkan tangkapan layar, rajah atau video bersama keperluan bertulis apabila konteks visual menjadi sebahagian daripada masalah kejuruteraan.
- Sesi ejen pengkodan jangka panjang: Gunakan tetingkap konteks besar untuk spesifikasi, fail repositori, keluaran terminal dan hasil ujian beriterasi.
- Pembangunan sensitif kepada kelajuan: Pilih aras usaha rendah untuk suntingan rutin dan tingkatkan usaha untuk perubahan berbilang langkah yang lebih kompleks.
Cara mengakses API MiniMax M3.1-Flash-Preview
Langkah 1: Daftar untuk Kunci API
Log masuk ke cometapi.com. Jika anda belum menjadi pengguna kami, sila daftar terlebih dahulu. Log masuk ke konsol CometAPI anda. Dapatkan kunci API kelayakan akses bagi antara muka. Klik “Add Token” pada token API di pusat peribadi, dapatkan kunci token: sk-xxxxx dan serahkan.

Langkah 2: Hantar Permintaan kepada API MiniMax M3.1-Flash-Preview
Pilih titik akhir “minimax-m3.1-flash-preview” untuk menghantar permintaan API dan tetapkan badan permintaan. Kaedah permintaan dan badan permintaan diperoleh daripada dok API laman web kami. Laman web kami juga menyediakan ujian Apifox untuk kemudahan anda. Gantikan <YOUR_API_KEY> dengan kunci CometAPI sebenar anda daripada akaun anda. base url is Chat Completions .
Masukkan soalan atau permintaan anda ke dalam medan content—ini ialah perkara yang akan direspons oleh model . Proses respons API untuk mendapatkan jawapan yang dijana.
Langkah 3: Dapatkan dan Sahkan Keputusan
Proses respons API untuk mendapatkan jawapan yang dijana. Selepas pemprosesan, API akan memberikan status tugasan dan data output.