Como usar a API MiniMax M3

TL;DR MiniMax M3 combina uma janela de contexto de 1.000.000 tokens, compreensão nativa de texto‑imagem‑vídeo, desempenho sólido em programação e agentes, e MiniMax Sparse Attention (MSA). Os desenvolvedores podem chamar o MiniMax M3 por meio do gateway compatível com OpenAI da CometAPI em https://api.cometapi.com/v1 com o ID de modelo minimax-m3.

Este guia aborda as especificações do modelo, dados oficiais de benchmark, configuração da API, streaming, controles de raciocínio, solicitações multimodais, chamada de ferramentas, preços e comparações com outras APIs de ponta de 2026.

Principais destaques

• MiniMax M3 oferece suporte a até 1M tokens de contexto, permitindo codificação em escala de repositório e sessões de agentes de longa duração.
• O modelo é nativamente multimodal desde o passo zero de treinamento e aceita entrada de texto, imagem e vídeo.
• Sua arquitetura MiniMax Sparse Attention foi projetada para tornar o contexto de um milhão de tokens mais viável computacionalmente. Resultados oficiais incluem 59,0% no SWE-Bench Pro e 66,0% no Terminal-Bench 2.1, além de pontuações fortes em agentes e uso de ferramentas.
• A API compatível com OpenAI da MiniMax oferece pensamento adaptativo ou desativado, streaming, ferramentas e reasoning_split.
• Na CometAPI, o ID de modelo atual é minimax-m3 e o endpoint principal é /v1/chat/completions.

O que é o MiniMax M3?

MiniMax M3 é projetado em torno de três cargas de trabalho que definem cada vez mais os modelos de desenvolvedores de fronteira: engenharia de software em larga escala, execução autônoma de agentes e raciocínio multimodal de longo contexto. A MiniMax descreve o M3 como um modelo que alcança desempenho de nível de fronteira em tarefas de programação e agentes, combinando contexto de 1M, multimodalidade nativa e MSA. O resultado prático é um modelo voltado menos para turnos de chat isolados e mais para fluxos de trabalho que acumulam arquivos, resultados de ferramentas, capturas de tela, alterações de código e estado de raciocínio ao longo do tempo.

M3 está disponível por meio do próprio ecossistema de API da MiniMax e do endpoint MiniMax M3 da CometAPI. Para desenvolvedores que já usam o SDK da OpenAI, a rota da CometAPI mantém o formato familiar de Chat Completions, facilitando a comparação do M3 com modelos da Anthropic, Google, Moonshot AI e outros provedores.

Especificações técnicas do MiniMax M3

Os números de contexto e modalidades acima são confirmados na documentação da API da MiniMax, enquanto a arquitetura do modelo e seu posicionamento de lançamento vêm do comunicado oficial do M3.

O que torna o MiniMax M3 diferente?

MiniMax Sparse Attention e contexto de 1M

Uma janela de contexto de um milhão de tokens só é útil se a arquitetura de serving puder processá-la com velocidade e custo aceitáveis. O M3 aborda esse problema com o MiniMax Sparse Attention (MSA), que primeiro identifica blocos KV relevantes e, em seguida, executa atenção esparsa sobre regiões selecionadas em vez de aplicar atenção quadrática completa em todo lugar.

A MiniMax relata que, em comprimento de contexto de 1M, o M3 usa cerca de 1/20 do compute por token da geração anterior, com mais de 9x de prefill mais rápido e mais de 15x de decodificação mais rápida. Estes são resultados de engenharia relatados pelo fornecedor, e não medições de serving de terceiros, mas explicam por que o MSA é central para o design de longo contexto do M3.

Figura 1. Arquitetura MiniMax Sparse Attention. Fonte: comunicado oficial do M3 da MiniMax

Multimodalidade nativa

A MiniMax diz que o M3 passou por treinamento de modalidade mista desde o passo zero, em vez de adicionar uma camada de visão separada após o pré-treinamento de texto. Na API compatível com OpenAI, o M3 aceita partes de conteúdo de texto, imagem e vídeo. Imagens podem ser fornecidas com image_url e vídeos com video_url; os formatos de imagem suportados incluem JPEG, PNG, GIF e WEBP, enquanto os formatos de vídeo suportados incluem MP4, AVI, MOV e MKV.

Para desenvolvedores, isso torna um único modelo utilizável para tarefas como depuração baseada em captura de tela, interpretação de gráficos, revisão de UI, análise de documentos técnicos e compreensão de vídeo sem precisar rotear cada entrada visual por um modelo separado.

Fluxos de programação e agentes

O posicionamento público mais forte do M3 não é chat genérico. A MiniMax foca em correção de bugs, desenvolvimento frontend e backend, execução em terminal, otimização de desempenho, invocação de ferramentas e colaboração de longo horizonte. O conjunto oficial de benchmarks do M3 enfatiza, portanto, benchmarks de engenharia de software e agentes, em vez de apenas testes acadêmicos de QA.

Raciocínio configurável

Na API compatível com OpenAI da MiniMax, o M3 oferece controle explícito de raciocínio: thinking pode ser definido como adaptive ou disabled. Se o campo for omitido no endpoint compatível com OpenAI da MiniMax, o thinking fica ativado por padrão. Para integrações de produção, definir o campo explicitamente é mais seguro porque torna latência e comportamento mais fáceis de reproduzir entre ambientes.

Desempenho de agentes de longo horizonte

A MiniMax também publicou dois estudos de caso de longa duração que mostram por que o design de contexto do M3 importa. Em uma tarefa de reprodução de artigo, o M3 executou autonomamente por quase 12 horas, produzindo 18 commits e 23 figuras experimentais enquanto reproduzia os experimentos centrais de um ICLR 2025 Outstanding Paper. A tarefa exigiu leitura de figuras e fórmulas, edição de código, acompanhamento de experimentos e retenção de um histórico de execução longo.

Em um exercício separado de otimização de kernel CUDA, a MiniMax relata 147 submissões de benchmark e 1.959 chamadas de ferramentas ao longo de cerca de 24 horas, com a utilização de pico de hardware Hopper FP8 subindo de 7,6% para 71,3%, equivalente a um aumento de velocidade relatado de 9,4x. Esses exemplos são demonstrações controladas, e não garantias para todo agente de produção, mas ilustram o caso de uso pretendido: loops de ferramentas persistentes onde o progresso pode chegar apenas após muitas iterações.

Por que usar a API do MiniMax M3 via CometAPI?

A CometAPI expõe o M3 por meio do mesmo ambiente geral de API usado para centenas de outros modelos. Isso importa quando uma equipe quer comparar vários provedores, manter uma única superfície de cobrança ou preservar rotas de fallback sem reconstruir o aplicativo em torno de cada SDK específico do fornecedor.

• Integração compatível com OpenAI: clientes existentes do SDK da OpenAI podem ser reutilizados alterando a base URL, a chave de API e o ID do modelo.
• Uma única chave para vários provedores de modelos, facilitando implementar testes A/B e rotas de fallback.
• Centralização de uso e acompanhamento de custo por modelo em vez de painéis separados de cada provedor.
• Troca rápida de modelos quando uma carga de trabalho precisa de outro equilíbrio de qualidade, latência, suporte de modalidade ou preço.

A página ao vivo do MiniMax M3 na CometAPI atualmente lista o ID de modelo minimax-m3, POST /v1/chat/completions e exemplos de SDK da OpenAI.

Como usar a API do MiniMax M3 com a CometAPI

Etapa 1: Crie uma conta na CometAPI e obtenha uma chave de API

Crie ou entre na sua conta CometAPI, depois gere um token de API no console de tokens. Armazene o token em uma variável de ambiente, em vez de commitá-lo no controle de versão.

export COMETAPI_KEY="your-key-here"

Etapa 2: Configure o cliente OpenAI

A base URL compatível com OpenAI da CometAPI é:

https://api.cometapi.com/v1

Instale o SDK da OpenAI e aponte o cliente para a CometAPI:

pip install openai

   from openai import OpenAI
   import os

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

Etapa 3: Faça sua primeira requisição ao MiniMax M3

Use o ID de modelo minimax-m3 da CometAPI. Uma requisição cURL mínima se parece com:

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": "You   are a precise software engineering assistant."
      },
      {
        "role":   "user",
        "content":   "Review this migration plan and list three high-risk failure   modes."
      }
    ],
    "max_completion_tokens":   1200,
    "reasoning_split": true
  }' 

Python:

completion = client.chat.completions.create(
    model="minimax-m3",
    messages=[
        {"role":   "system", "content": "You are a precise technical   assistant."},
        {"role":   "user", "content": "Explain how sparse attention   helps long-context coding agents."},
    ],
    max_completion_tokens=1200,
      extra_body={"reasoning_split": True},
   )

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

A página ao vivo do M3 na CometAPI usa o mesmo padrão reasoning_split em seu exemplo Python. Esse ajuste muda como o conteúdo de raciocínio é retornado; ele não ativa ou desativa o thinking por si só.

Etapa 4: Ative o streaming

Streaming é útil para interfaces de chat, assistentes de programação e respostas longas porque os usuários podem ver a saída à medida que ela chega. A documentação compatível com OpenAI da MiniMax confirma o suporte de streaming para o M3.

stream = client.chat.completions.create(
    model="minimax-m3",
    messages=[{"role":   "user", "content": "Create a phased plan for   migrating a monolith to services."}],
    stream=True,
    max_completion_tokens=3000,
   )

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

Etapa 5: Ative ou desative o thinking

A MiniMax define modos de thinking adaptativo e desativado para o M3. Use thinking adaptativo para tarefas difíceis de programação, planejamento e agentes; desative para extração simples, classificação ou respostas sensíveis à latência. Ao usar campos específicos do provedor por meio de um roteador compatível com OpenAI, valide-os no playground da CometAPI antes da produção porque o comportamento de pass-through pode evoluir.

# Deeper reasoning
   completion = client.chat.completions.create(
    model="minimax-m3",
    messages=[{"role":   "user", "content": "Find the root cause of this   distributed transaction failure."}],
    extra_body={"thinking":   {"type": "adaptive"}},
   )

   # Faster direct answer
   completion = client.chat.completions.create(
    model="minimax-m3",
    messages=[{"role":   "user", "content": "Extract the invoice number from   this text."}],
    extra_body={"thinking":   {"type": "disabled"}},
   )

Etapa 6: Use entrada de imagem

A API compatível com OpenAI do M3 aceita partes de conteúdo image_url. O mesmo padrão de conteúdo tipado é a forma natural de enviar capturas de tela, diagramas ou gráficos por uma rota ao estilo OpenAI.

response = client.chat.completions.create(
    model="minimax-m3",
    messages=[{
        "role":   "user",
        "content": [
            {"type":   "text", "text": "Review this dashboard screenshot   and identify the likely UI problems."},
            {
                "type":   "image_url",
                "image_url":   {
                    "url":   "https://example.com/dashboard.png",
                    "detail":   "default"
                }
            }
        ]
    }]
   )

A MiniMax documenta suporte a JPEG, PNG, GIF e WEBP, com níveis de detalhe de imagem low, default ou high. O provedor também publica limites de tamanho de requisição, então verifique os limites multimodais mais recentes da API antes de enviar ativos grandes.

Etapa 7: Use entrada de vídeo

O M3 também oferece suporte a partes de conteúdo video_url. A MiniMax documenta MP4, AVI, MOV e MKV e suporta vídeos maiores via sua Files API.

response = client.chat.completions.create(
    model="minimax-m3",
    messages=[{
        "role":   "user",
        "content": [
            {"type":   "text", "text": "Summarize the workflow in this   product demo and list every visible error state."},
            {
                "type":   "video_url",
                "video_url":   {"url": "mm_file://your_file_id", "detail":   "default"}
            }
        ]
    }]
   )

Se seu aplicativo roteia requisições multimodais pela CometAPI, confirme o transporte de arquivo exato suportado pela rota M3 ativa; o identificador nativo do provedor mm_file:// pertence ao fluxo de Files da MiniMax.

Etapa 8: Adicione chamadas de função e ferramentas

MiniMax M3 suporta definições de ferramentas na API compatível com OpenAI. Um agente de produção deve executar a ferramenta solicitada, anexar a mensagem completa de tool-call do assistente ao histórico da conversa e, então, retornar o resultado da ferramenta ao modelo. A MiniMax alerta explicitamente que preservar a resposta completa é importante para a continuidade do raciocínio.

tools = [{
    "type":   "function",
    "function": {
        "name":   "get_build_status",
        "description":   "Get the current CI build status for a repository.",
        "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": "Check whether the main branch of   acme/payments is passing CI."}],
    tools=tools,
   )

Etapa 9: Use contexto longo e cache de prompt com sabedoria

Uma janela de contexto de 1M tokens não significa que toda requisição deve conter 1M tokens. Inclua apenas os arquivos, logs, documentos e saídas de ferramentas relevantes para a tarefa. O cache automático de prompt da MiniMax pode reduzir custo e tempo de processamento quando prefixos repetidos como prompts de sistema, listas de ferramentas ou histórico de conversas reaparecem entre requisições.

Para agentes em escala de repositório, um bom padrão é manter um resumo de projeto estável e o esquema de ferramentas, recuperar apenas os arquivos relevantes para a etapa atual e, periodicamente, comprimir o histórico obsoleto em vez de permitir que a sessão cresça sem limites.

Parâmetros importantes da API MiniMax M3

As definições de parâmetros acima seguem a referência atual da API compatível com OpenAI da MiniMax. Alguns campos específicos do provedor podem exigir suporte de pass-through quando roteados por um agregador, então teste campos não padrão no endpoint atual da CometAPI antes do rollout.

API oficial da MiniMax vs CometAPI

A MiniMax oficialmente suporta invocação compatível com Anthropic e com OpenAI. A rota Anthropic direta é recomendada pela MiniMax para comportamento de thinking avançado; a página do modelo M3 da CometAPI atualmente enfatiza a integração do estilo OpenAI com /v1/chat/completions.

Preços da API MiniMax M3

Preço merece tratamento cuidadoso porque a tarifa direta efetiva da MiniMax e a tarifa de lista mostrada na comparação da CometAPI atualmente não são as mesmas. Em 10 de agosto de 2026, a CometAPI lista o M3 a $0,48/M de entrada e $1,92/M de saída. A mesma página da CometAPI compara essas taxas com um preço de lista da MiniMax de $0,60/M de entrada e $2,40/M de saída.

No entanto, a página atual de preços pay‑as‑you‑go da MiniMax mostra um desconto permanente de 50% no tráfego padrão do M3: para requisições com no máximo 512K tokens de entrada, o preço direto efetivo é $0,30/M de entrada, $1,20/M de saída e $0,06/M por leitura de cache. Acima de 512K de entrada, as taxas diretas com desconto são $0,60/M de entrada, $2,40/M de saída e $0,12/M de leitura de cache.

Isso significa que a CometAPI está atualmente abaixo do preço de lista nominal da MiniMax, mas não abaixo da taxa direta com desconto do provedor para <=512K. Para implantações de alto volume, compare preços ao vivo em vez de confiar em uma afirmação fixa de “20% mais barato”. Os preços podem mudar independentemente em qualquer plataforma.

Exemplo de custo

Na taxa atual do M3 na CometAPI, uma requisição com 100.000 tokens de entrada e 5.000 tokens de saída custaria aproximadamente:

A mesma requisição pode custar menos na MiniMax direta se se qualificar para o nível <=512K atual com desconto do provedor, mas equipes multi‑modelo ainda podem valorizar a simplicidade operacional de um gateway unificado.

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

Todos os quatro modelos visam cargas de trabalho de agentes e programação, e todos fornecem janelas de contexto muito grandes. Suas diferenças são mais visíveis em suporte de modalidade, controles de raciocínio, ecossistemas de provedores e preços atuais na CometAPI. A documentação oficial dos provedores confirma uma janela de contexto de 1M para Claude Sonnet 5, uma API multimodal de grande contexto para o Gemini 3.6 Flash, e um Kimi K3 principal com 1M tokens.

Os preços atuais por token na CometAPI da tabela são retirados das páginas de modelo ao vivo para MiniMax M3, Claude Sonnet 5, Gemini 3.6 Flash e Kimi K3.

Figura 4. Comparação atual de preços por token na CometAPI, verificado em 10 de agosto de 2026. Fontes das páginas de modelo: M3, Gemini 3.6 Flash, Claude Sonnet 5*** e*** Kimi K3.

Qual modelo escolher?

• MiniMax M3 se sua prioridade for preço por token baixo na CometAPI, contexto de 1M, compreensão nativa de imagem/vídeo e agentes de programação ou uso de ferramentas de longa execução.
• Claude Sonnet 5 quando você prioriza agentes de programação refinados, trabalho profissional de conhecimento e fluxos de ferramentas maduros ao estilo Anthropic.
• Gemini 3.6 Flash quando multimodalidade, loops de agente rápidos, ferramentas nativas do Google, entradas de áudio/PDF e throughput são o que mais importam.
• Kimi K3 quando a carga de trabalho se concentra em programação de longo horizonte, trabalho de conhecimento profundo e um modelo sempre raciocinando com janela de contexto de 1M.

Não selecione apenas com base em um benchmark ou preço por token. Construa um pequeno conjunto de avaliação a partir de seu próprio repositório, documentos, chamadas de ferramentas e casos de falha e, depois, compare taxa de tarefas bem-sucedidas, latência, total de tokens, tentativas e tempo de correção humana.

Boas práticas da API MiniMax M3

• Defina o thinking explicitamente. Use adaptive para trabalho genuinamente difícil e disabled para tarefas simples onde a latência importa. Configurações explícitas são mais fáceis de testar e reproduzir.
• Use a janela de 1M seletivamente. Uma janela grande é um teto de capacidade, não uma meta. Recupere e compacte antes de enviar repositórios ou coleções de documentos grandes.
• Preserve o histórico de chamadas de ferramentas. Para chamadas de função em múltiplos turnos, mantenha a resposta completa do assistente e os objetos de tool‑call para não quebrar a continuidade do raciocínio.
• Faça streaming de respostas longas. Streaming melhora a latência percebida para aplicações de programação, pesquisa e agentes mesmo quando o tempo total de conclusão não muda.
• Explore cache de contexto repetido. Prompts de sistema estáveis, esquemas de ferramentas e histórico repetido são bons candidatos para cache de prompt quando a rota ativa suporta.
• Meça custo por tarefa bem-sucedida. Preço por token importa, mas tentativas, loops de ferramentas, rastros de raciocínio longos e recuperação de falhas frequentemente dominam a economia final de um agente.
• Reteste parâmetros específicos do provedor. Gateways compatíveis com OpenAI podem diferir em como passam campos não padrão. Valide thinking, reasoning_split, payloads multimodais e comportamento de ferramentas antes da produção.

Conclusão

MiniMax M3 é uma opção de API robusta para desenvolvedores que precisam de programação, execução de agentes, compreensão visual nativa e contexto muito longo em um único modelo. Seu enredo técnico é incomum por ser coerente: MSA aborda o desafio de servir contexto de 1M, treinamento multimodal nativo amplia a superfície de entrada e o conjunto público de benchmarks foca nas cargas de trabalho de engenharia de software e uso de ferramentas que os desenvolvedores realmente valorizam.

Para a maioria dos usuários da CometAPI, o ponto de partida mais rápido é direto: crie uma chave, defina a base URL para https://api.cometapi.com/v1, chame o modelo minimax-m3 e compare com suas tarefas reais de produção. Depois decida se ativa thinking mais profundo, adiciona entrada multimodal ou constrói um loop de ferramentas. Como preços e comportamento de rotas podem mudar, verifique novamente a página ao vivo do M3 na CometAPI e a documentação da API da MiniMax antes do rollout final de produção.