MiniMax M3 ได้คะแนนเบนช์มาร์กอะไรบ้าง?

MiniMax รายงาน 59.0% บน SWE-Bench Pro, 66.0% บน Terminal-Bench 2.1, 74.2% บน MCP Atlas และ 83.5 บน BrowseComp ซึ่งทำให้ M3 อยู่ในกลุ่มโมเดลชั้นนำด้านการเขียนโค้ดและมุ่งเน้นเอเจนต์.

MiniMax M3 เหมาะสำหรับเอเจนต์ AI แบบอัตโนมัติหรือไม่?

ใช่ โมเดลนี้ได้รับการปรับแต่งเฉพาะสำหรับเวิร์กโฟลว์ของเอเจนต์ระยะยาว รวมถึงการวางแผน การใช้เครื่องมือ การแยกย่อยงาน การดำเนินการในเทอร์มินัล และการแก้ปัญหาแบบหลายขั้นตอน.

API ของ MiniMax M3 รองรับอินพุตแบบมัลติโหมดหรือไม่?

ใช่ MiniMax M3 รองรับแบบมัลติโหมดโดยกำเนิด และสามารถทำความเข้าใจภาพและวิดีโอ นอกเหนือจากอินพุตที่เป็นข้อความ.

อะไรทำให้ MiniMax M3 แตกต่างจากโมเดล MiniMax รุ่นก่อน?

MiniMax M3 นำเสนอสถาปัตยกรรม MiniMax Sparse Attention (MSA), การฝึกแบบมัลติโหมดโดยกำเนิด, ความสามารถของเอเจนต์ที่แข็งแกร่งขึ้น และการรองรับบริบทที่ใหญ่ขึ้นอย่างมีนัยสำคัญเมื่อเทียบกับโมเดลซีรีส์ M2 ก่อนหน้า.

MiniMax M3 เทียบกับ Claude Opus 4.7 สำหรับงานเขียนโค้ดอย่างไร?

M3 มีประสิทธิภาพใกล้เคียง Claude Opus 4.7 ในหลายเบนช์มาร์กด้านการเขียนโค้ดและเอเจนต์ พร้อมนำเสนอหน้าต่างบริบท 1M-token และมีแผนเปิดเผยน้ำหนักโมเดลแบบเปิด การเปรียบเทียบจากบุคคลที่สามอิสระยังคงทยอยออกมา.

นักพัฒนาควรเลือก MiniMax M3 แทน Gemini 3.1 Pro เมื่อใด?

MiniMax M3 น่าดึงดูดเป็นพิเศษเมื่อให้ความสำคัญกับหน้าต่างบริบทที่ยาวเป็นพิเศษ เวิร์กโฟลว์ที่เน้นการเขียนโค้ดมาก หรือทางเลือกการปรับใช้แบบเปิดน้ำหนักโมเดล Gemini 3.1 Pro อาจยังคงเหมาะกว่าสำหรับทีมที่ได้มาตรฐานบนระบบนิเวศของ Google อยู่แล้ว.

MiniMax M3 สามารถประมวลผลรีโพซิทอรีซอฟต์แวร์ทั้งชุดภายในหน้าต่างบริบทเดียวได้หรือไม่?

ใช่ MiniMax M3 รองรับหน้าต่างบริบทสูงสุด 1,000,000-token ทำให้สามารถวิเคราะห์รีโพซิทอรีขนาดใหญ่ ชุดเอกสาร และเซสชันของเอเจนต์ที่ดำเนินการยาวนาน ภายในบทสนทนาเดียว.

MiniMax

API ทำงานอยู่

minimax-m3

MiniMax-M3 API

Minimax-m3 เป็นโมเดล AI แบบมัลติโหมดที่ออกแบบมาเพื่อการให้เหตุผลที่ทรงพลัง การสนทนาที่เป็นธรรมชาติ และการสร้างเนื้อหาเชิงสร้างสรรค์ มอบประสิทธิภาพที่สมดุลครอบคลุมงานด้านความเข้าใจทั้งข้อความและภาพ จึงเหมาะสำหรับแอปพลิเคชัน AI แบบอเนกประสงค์

ราคาเริ่มต้น

$0.24 / อินพุต 1 ล้านโทเคน

คิดค่าบริการตามการใช้งาน

สถานะ API

ทำงานปกติ

อัปไทม์ 98.5% / 24 ชม.

เวลาตอบสนอง

3985 ms

เวลาตอบสนอง API ที่วัดได้จริง

วันที่เผยแพร่

May 31, 2026

MiniMax

Playground

ลองใช้ MiniMax-M3 ด้วยคำขอจริง ตรวจสอบพารามิเตอร์ และตรวจสอบผลลัพธ์ก่อนเชื่อมต่อ API

ภาพรวม

ภาพรวมการใช้งานจริงของ MiniMax-M3 รวมถึงพฤติกรรมสำคัญและข้อควรพิจารณาในการเชื่อมต่อ

ข้อมูลจำเพาะทางเทคนิคของ MiniMax M3

รายการ	MiniMax M3
ตระกูลโมเดล	โมเดลรากฐานระดับฟรอนเทียร์ MiniMax M3
ผู้ให้บริการ	MiniMax
สถาปัตยกรรม	MiniMax Sparse Attention (MSA)
ประเภทอินพุต	ข้อความ, รูปภาพ, วิดีโอ
ประเภทเอาต์พุต	ข้อความ
หน้าต่างบริบท	สูงสุด 1,000,000 โทเค็น (รับประกันขั้นต่ำ 512K)
จุดเด่นหลัก	การเขียนโค้ด, เวิร์กโฟลว์แบบเอเจนต์, การให้เหตุผลแบบมัลติโหมด, การประมวลผลบริบทยาว
โหมดการให้เหตุผล	โหมดการคิดแบบเปิด/ปิด
การใช้เครื่องมือ	เวิร์กโฟลว์แบบเอเจนต์, การเรียกใช้เครื่องมือ, การรันงานบนเทอร์มินัล
การปรับใช้	API, MiniMax Code, Token Plan, การปล่อยรุ่น open-weight ที่จะตามมา
การรองรับมัลติโหมด	การพรีเทรนมัลติโหมดแบบเนทีฟตั้งแต่เริ่มต้น
วันที่เปิดตัว	มิถุนายน 2026

MiniMax M3 คืออะไร?

MiniMax M3 คือโมเดล AI ระดับฟรอนเทียร์ที่ออกแบบมาโดยเน้นสามความสามารถซึ่งที่ผ่านมาโดยมากจำกัดอยู่ในระบบปิด: สมรรถนะการเขียนโค้ดขั้นสูง การประมวลผลบริบทระดับล้านโทเค็น และความเข้าใจแบบมัลติโหมดเนทีฟ แตกต่างจากโมเดลที่เพิ่มความสามารถด้านภาพในภายหลัง M3 ถูกฝึกเป็นโมเดลมัลติโหมดตั้งแต่ต้น ทำให้การจัดแนวระหว่างการให้เหตุผลเชิงภาพและเชิงข้อความลึกซึ้งยิ่งขึ้น

โมเดลนี้สร้างบน MiniMax Sparse Attention (MSA) ซึ่งเป็นสถาปัตยกรรมสแปร์ส-อะเทนชันที่ออกแบบมาเพื่อทำให้บริบทระดับล้านโทเค็นเป็นไปได้ในเชิงคำนวณ ขณะยังคงประสิทธิภาพบนงานเขียนโค้ด การให้เหตุผล และงานแบบเอเจนต์

คุณสมบัติหลักของ MiniMax M3

หน้าต่างบริบท 1M โทเค็น: รองรับคลังโค้ดขนาดใหญ่ คลังงานวิจัยที่ยาวมาก การวิเคราะห์หลายเอกสาร และเซสชันเอเจนต์ระยะยาว
สถาปัตยกรรมที่เน้นเอเจนต์: ออกแบบมาสำหรับการแยกย่อยงานอัตโนมัติ การเรียกใช้เครื่องมือ การวางแผนแบบวนซ้ำ และการดำเนินการหลายขั้นตอน
มัลติโหมดแบบเนทีฟ: ประมวลผลข้อความ รูปภาพ แผนผัง ภาพหน้าจอ และวิดีโอ โดยไม่ต้องพึ่งพาสแตกวิชั่นแยกต่างหาก
ความสามารถการเขียนโค้ดขั้นสูง: ทำผลงานเด่นบนเบนช์มาร์กวิศวกรรมซอฟต์แวร์ เช่น SWE-Bench Pro, Terminal-Bench และ KernelBench
การดำเนินงานระยะยาว: แสดงให้เห็นเวิร์กโฟลว์อัตโนมัติหลายชั่วโมง รวมถึงการทำซ้ำงานวิจัยและโครงการปรับแต่ง CUDA
การให้เหตุผลที่ปรับได้: สามารถเปิดโหมดการคิดสำหรับงานที่ต้องให้เหตุผลเชิงลึก หรือปิดเพื่อการโต้ตอบที่หน่วงต่ำกว่า

ประสิทธิภาพบนเบนช์มาร์กของ MiniMax M3

MiniMax รายงานผลระดับฟรอนเทียร์ในด้านการเขียนโค้ด การดำเนินงานแบบเอเจนต์ และการประเมินแบบมัลติโหมด ผลที่รายงานรวมถึง:

เบนช์มาร์ก	คะแนน
SWE-Bench Pro	59.0%
Terminal-Bench 2.1	66.0%
SWE-fficiency	34.8%
KernelBench Hard	28.8%
MCP Atlas	74.2%
BrowseComp	83.5
PostTrainBench	37.1

บริษัทระบุว่า M3 เหนือกว่า GPT-5.5 และ Gemini 3.1 Pro บนเบนช์มาร์กด้านการเขียนโค้ดหลายรายการ และเข้าใกล้ประสิทธิภาพของ Claude Opus 4.7 ในการประเมินบางส่วน ข้ออ้างอิงเหล่านี้มาจากการเปิดเผยผลเบนช์มาร์กภายในของ MiniMax และควรพิจารณาควบคู่กับการทดสอบอิสระจากบุคคลที่สามเมื่อมีเผยแพร่

สถาปัตยกรรมบริบทยาวและ MSA

MiniMax Sparse Attention (MSA) คือความก้าวหน้าด้านสถาปัตยกรรมที่อยู่เบื้องหลังความสามารถด้านบริบทระดับล้านโทเค็นของ M3 แทนที่จะใช้ attention แบบกำลังสองเต็มกับลำดับทั้งหมด MSA จะทำการกำหนดเส้นทางระดับบล็อกและสแปร์ส-อะเทนชันเฉพาะในบริเวณบริบทที่เลือก

ตามข้อมูลของ MiniMax วิธีนี้ช่วยลดความต้องการคอมพิวต์ได้อย่างมากเมื่อความยาวบริบทเพิ่มขึ้น และให้ผลลัพธ์ดังนี้:

ประสิทธิภาพการพรีฟิลล์เร็วขึ้นมากกว่า 9× ที่ความยาวบริบท 1M
ประสิทธิภาพการถอดรหัสเร็วขึ้นมากกว่า 15×
ใช้การคำนวณต่อโทเค็นประมาณ 1/20 เมื่อเทียบกับเจเนอเรชันก่อนที่สเกลบริบท 1M

การปรับปรุงเหล่านี้มีเป้าหมายเพื่อทำให้การเขียนโค้ดระดับรีโพซิทอรีและเวิร์กโฟลว์เอเจนต์ระยะยาวสามารถใช้งานได้จริง

MiniMax M3 เทียบกับ Claude Opus 4.7 และ Gemini 3.1 Pro

ความสามารถ	MiniMax M3	Claude Opus 4.7	Gemini 3.1 Pro
หน้าต่างบริบท	สูงสุด 1M	ระดับบริบทที่เปิดเผยสู่สาธารณะมีขนาดเล็กกว่า	มัลติโหมดบริบทขนาดใหญ่
การฝึกแบบมัลติโหมดเนทีฟ	ใช่	ใช่	ใช่
โฟกัสด้านการเขียนโค้ดแบบเอเจนต์	แข็งแกร่งมาก	แข็งแกร่งมาก	แข็งแกร่ง
SWE-Bench Pro	59.0%	สูงกว่า ตามรายงานของ MiniMax	ต่ำกว่า ตามรายงานของ MiniMax
ความพร้อมของรุ่น open-weight	วางแผนไว้	ไม่มี	ไม่มี
เวิร์กโฟลว์เอเจนต์ระยะยาว	โฟกัสด้านการออกแบบหลัก	แข็งแกร่ง	แข็งแกร่ง

ข้อจำกัดที่ทราบ

การเปิดเผยผลเบนช์มาร์กส่วนใหญ่ในปัจจุบันมาจาก MiniMax มากกว่าห้องปฏิบัติการประเมินอิสระ
ไฟล์โมเดลแบบ open-weight และรายงานเทคนิคฉบับเต็มมีการประกาศ แต่ยังไม่ได้เผยแพร่อย่างกว้างขวางในช่วงเปิดตัว
ความเชื่อถือได้ในโลกจริงข้ามสภาพแวดล้อมการผลิตยังอยู่ระหว่างการยืนยันโดยชุมชนนักพัฒนา
งานที่ใช้บริบทระดับล้านโทเค็นอาจมีต้นทุนปฏิบัติการและเวลาแฝงสูงกว่าการอนุมานมาตรฐาน

กรณีการใช้งานตัวอย่าง

วิศวกรรมซอฟต์แวร์ระดับรีโพซิทอรี

วิเคราะห์ฐานโค้ดขนาดใหญ่ ทำรีแฟกเตอร์หลายไฟล์ สร้างแพตช์ ทบทวน pull request และคงบริบทการพัฒนาระยะยาว

เอเจนต์วิจัยแบบอัตโนมัติ

รองรับการทบทวนวรรณกรรม สังเคราะห์เอกสาร วิเคราะห์เบนช์มาร์ก และเวิร์กโฟลว์วิจัยระยะยาวที่ต้องใช้โทเค็นนับแสน

การวิเคราะห์เชิงเทคนิคแบบมัลติโหมด

ตีความภาพหน้าจอ แผนผังสถาปัตยกรรม ชาร์ต เอกสารเทคนิค และเนื้อหาวิดีโอภายในเวิร์กโฟลว์การให้เหตุผลเดียวกัน

ระบบอัตโนมัติสำหรับเทอร์มินัลและ DevOps

ดำเนินเวิร์กโฟลว์วิศวกรรมที่ซับซ้อน ครอบคลุมการทดสอบ การจัดออร์เคสเตรชันการปรับใช้ การจัดการการพึ่งพา และการดีบักแบบวนซ้ำ

ระบบความรู้ระดับองค์กร

สืบค้นและให้เหตุผลเหนือคอลเลกชันขนาดใหญ่ของนโยบาย สัญญา เอกสารเทคนิค และคลังความรู้ภายใน

เวอร์ชันของโมเดลและความพร้อมใช้งาน

MiniMax M3 ได้รับการแนะนำอย่างเป็นทางการในเดือนมิถุนายน 2026 ในฐานะเรือธงรุ่นถัดไปในตระกูลโมเดลของ MiniMax โมเดลพร้อมให้ใช้งานผ่านระบบนิเวศ MiniMax API และ CometAPI

คำถามที่พบบ่อย

ราคา

ใช้การประเมินค่าใช้จ่ายอย่างรวดเร็วด้านบนสำหรับการรันครั้งเดียว จากนั้นดูการเปรียบเทียบราคาฉบับเต็มระหว่าง CometAPI และราคาทางการ

คำขอแรก

$0.0012

ค่าใช้จ่ายโดยประมาณของ CometAPI

สิบคำขอ

$0.012

ค่าใช้จ่ายโดยประมาณของ CometAPI

สิบห้าคำขอ

$0.018

ค่าใช้จ่ายโดยประมาณของ CometAPI

ราคาสำหรับ MiniMax-M3

สำรวจราคาที่แข่งขันได้สำหรับ MiniMax-M3 ที่ออกแบบมาให้เหมาะสมกับงบประมาณและความต้องการการใช้งานที่หลากหลาย แผนการบริการที่ยืดหยุ่นของเรารับประกันว่าคุณจะจ่ายเฉพาะสิ่งที่คุณใช้เท่านั้น ทำให้สามารถขยายขนาดได้ง่ายเมื่อความต้องการของคุณเพิ่มขึ้น ค้นพบว่า MiniMax-M3 สามารถยกระดับโปรเจกต์ของคุณได้อย่างไรในขณะที่ควบคุมต้นทุนให้อยู่ในระดับที่จัดการได้

Model	Tier	Condition	Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
minimax-m3	short_context	len <= 524288	Input:$0.2400/M Output:$0.9600/M Cache Read:$0.0480/M	Input:$0.3000/M Output:$1.2000/M Cache Read:$0.0600/M	-20%
minimax-m3	long_context	-	Input:$0.4800/M Output:$1.9200/M Cache Read:$0.0960/M	Input:$0.6000/M Output:$2.4000/M Cache Read:$0.1200/M	-20%

API

คัดลอกเอนด์พอยต์และตัวอย่างโค้ดที่ใช้งานได้จริง จากนั้นเปิดเอกสารอ้างอิง API ฉบับเต็มเมื่อต้องการพารามิเตอร์ทั้งหมด

API เดียว เข้าถึงโมเดลพร้อมใช้งานจริง

ยืนยันตัวตนเพียงครั้งเดียว เรียกใช้เอนด์พอยต์ของโมเดล และคงเวิร์กโฟลว์การเรียกเก็บเงินและการตรวจสอบแบบเดียวกันในทุกผู้ให้บริการ

POST/v1/chat/completions

โค้ดตัวอย่างและ API สำหรับ MiniMax-M3

เข้าถึงโค้ดตัวอย่างที่ครอบคลุมและทรัพยากร API สำหรับ MiniMax-M3 เพื่อปรับปรุงกระบวนการผสานรวมของคุณ เอกสารประกอบที่มีรายละเอียดของเราให้คำแนะนำทีละขั้นตอน ช่วยให้คุณใช้ประโยชน์จากศักยภาพเต็มรูปแบบของ MiniMax-M3 ในโครงการของคุณ

POST

/v1/chat/completions

# Get your CometAPI key from https://www.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"
curl https://api.cometapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "minimax-m3",
    "messages": [
      {
        "role": "system",
        "content": "You are a senior backend reviewer focused on correctness, reliability, and maintainability."
      },
      {
        "role": "user",
        "content": "Task: review the API migration plan and identify the highest-impact improvements.

Context: the team is moving a customer support workflow from blocking chat calls to an async job queue. Prioritize data safety, retry behavior, observability, and rollback.

Output format:
Return a table with columns: Area, Risk, Recommendation, Priority. Keep each recommendation actionable and under 40 words."
      }
    ],
    "max_completion_tokens": 800,
    "reasoning_split": true
  }'

cURL Code Example

# Get your CometAPI key from https://www.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"
curl https://api.cometapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "minimax-m3",
    "messages": [
      {
        "role": "system",
        "content": "You are a senior backend reviewer focused on correctness, reliability, and maintainability."
      },
      {
        "role": "user",
        "content": "Task: review the API migration plan and identify the highest-impact improvements.\n\nContext: the team is moving a customer support workflow from blocking chat calls to an async job queue. Prioritize data safety, retry behavior, observability, and rollback.\n\nOutput format:\nReturn a table with columns: Area, Risk, Recommendation, Priority. Keep each recommendation actionable and under 40 words."
      }
    ],
    "max_completion_tokens": 800,
    "reasoning_split": true
  }'

Python Code Example

from openai import OpenAI
import os

# Get your CometAPI key from https://www.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

client = OpenAI(base_url=BASE_URL, api_key=COMETAPI_KEY)

completion = client.chat.completions.create(
    model="minimax-m3",
    messages=[
        {
            "role": "system",
            "content": (
                "You are a senior backend reviewer focused on correctness, "
                "reliability, and maintainability."
            ),
        },
        {
            "role": "user",
            "content": (
                "Task: review the API migration plan and identify the "
                "highest-impact improvements.\n\n"
                "Context: the team is moving a customer support workflow from "
                "blocking chat calls to an async job queue. Prioritize data "
                "safety, retry behavior, observability, and rollback.\n\n"
                "Output format:\n"
                "Return a table with columns: Area, Risk, Recommendation, "
                "Priority. Keep each recommendation actionable and under 40 words."
            ),
        },
    ],
    max_completion_tokens=800,
    extra_body={"reasoning_split": True},
)

if not completion.choices:
    print(completion.model_dump_json(indent=2))
    raise SystemExit

message = completion.choices[0].message

reasoning_details = getattr(message, "reasoning_details", None)
if reasoning_details:
    print("Thinking:")
    print(reasoning_details[0]["text"])
    print()

print("Response:")
print(message.content)

JavaScript Code Example

import OpenAI from "openai";

// Get your CometAPI key from https://www.cometapi.com/console/token, and paste it here
const api_key = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const base_url = "https://api.cometapi.com/v1";

const openai = new OpenAI({
  apiKey: api_key,
  baseURL: base_url,
});

const completion = await openai.chat.completions.create({
  model: "minimax-m3",
  messages: [
    {
      role: "system",
      content:
        "You are a senior backend reviewer focused on correctness, reliability, and maintainability.",
    },
    {
      role: "user",
      content:
        "Task: review the API migration plan and identify the highest-impact improvements.\n\n" +
        "Context: the team is moving a customer support workflow from blocking chat calls " +
        "to an async job queue. Prioritize data safety, retry behavior, observability, and rollback.\n\n" +
        "Output format:\n" +
        "Return a table with columns: Area, Risk, Recommendation, Priority. " +
        "Keep each recommendation actionable and under 40 words.",
    },
  ],
  max_completion_tokens: 800,
  reasoning_split: true,
});

if (!completion.choices?.length) {
  console.log(JSON.stringify(completion, null, 2));
  process.exit(0);
}

const message = completion.choices[0].message;

if (message.reasoning_details?.length) {
  console.log("Thinking:");
  console.log(message.reasoning_details[0].text);
  console.log();
}

console.log("Response:");
console.log(message.content);

ความสามารถ

ตรวจสอบข้อมูลสำคัญของโมเดลก่อนเลือกสถาปัตยกรรมหรือประเมินภาระงานในโปรดักชัน

ความสามารถที่รองรับ

ฟีเจอร์ที่ส่งกลับโดย API ของโมเดลปัจจุบัน

text-to-text

image-to-text

video-to-text

อินพุตและเอาต์พุต

อินพุต

text

เอาต์พุต

text

โปรไฟล์การใช้งานจริง

ผู้ให้บริการ: MiniMax
บริบท: ขึ้นอยู่กับโมเดล
การใช้งานเชิงพาณิชย์: รองรับ

กรณีการใช้งาน

ใช้ MiniMax-M3 สำหรับเวิร์กโฟลว์ระดับโปรดักชันที่เหมาะกับความสามารถด้าน text จากนั้นเปรียบเทียบทางเลือกอื่นก่อนตัดสินใจเชื่อมต่อระยะยาว

แชทระดับโปรดักชันและเวิร์กโฟลว์ของเอเจนต์

การเขียนโค้ด วิเคราะห์ และสร้างผลลัพธ์เชิงโครงสร้าง

การทำงานอัตโนมัติปริมาณสูงผ่าน API เดียว

โมเดลอื่น ๆ

เปรียบเทียบโมเดลอื่น ๆ ที่มีให้บริการผ่าน CometAPI ในด้านคุณภาพ ความหน่วง ความสามารถ และราคา

เปิดการเปรียบเทียบโมเดล →

CometAPI

AUTO

CometAPI Auto API is an intelligent model routing feature that allows developers to access the appropriate AI model without specifying a specific model ID for each request.

ดูโมเดล

Z.AI

GLM-5.3 FlashX

สำรวจ API ของ GLM-5.3 FlashX

ดูโมเดล

MiniMax

MiniMax-M2.7

MiniMax-M2.7 มอบสติปัญญาระดับชั้นนำเทียบเท่ารุ่นมาตรฐาน—รวมถึงการวิวัฒน์ตัวเองแบบวนซ้ำและประสิทธิภาพการทำงานในสำนักงานระดับผู้เชี่ยวชาญ—แต่ได้รับการออกแบบมาสำหรับแอปพลิเคชันที่ต้องการความหน่วงต่ำกว่าหนึ่งวินาทีและการสร้างโทเค็นความเร็วสูง โดยอาศัยสถาปัตยกรรมแกนหลักสำหรับการอนุมานที่ได้รับการเสริมประสิทธิภาพ ความเร็วในการสร้างผลลัพธ์เร็วกว่าโมเดลมาตรฐาน 66% (ถึง 100 tps) จึงเป็นตัวเลือกที่เหมาะสมสำหรับผู้ช่วยการเขียนโปรแกรมแบบโต้ตอบ การรันลูปของเอเจนต์แบบเรียลไทม์ และไปป์ไลน์ระดับองค์กรที่มีอัตราการส่งผ่านสูงซึ่งมีข้อกำหนดเวลาแล้วเสร็จที่เข้มงวด

ดูโมเดล

OpenAI

GPT-6 Astra

GPT-6 Astra, รุ่นเรือธงสำหรับการให้เหตุผลเชิงซับซ้อนและการเขียนโค้ด. เลือก GPT-5.6 Terra เพื่อสร้างสมดุลระหว่างความฉลาดและต้นทุน,

ดูโมเดล

Google

Gemini 3.8 Flash

Gemini 3.8 Flash เป็นโมเดล Gemini น้ำหนักเบารุ่นเจเนอเรชันใหม่ โดยมีเป้าหมายเพื่อให้เกิดความสมดุลที่ดียิ่งขึ้นระหว่างความเร็ว ต้นทุน และความสามารถด้านการเขียนโค้ด

ดูโมเดล

MiniMax

MiniMax M2.5

MiniMax-M2.5 เป็นโมเดลภาษาขนาดใหญ่ระดับ SOTA ที่ออกแบบมาเพื่อประสิทธิภาพการทำงานในโลกจริง。หลังจากได้รับการฝึกฝนในสภาพแวดล้อมการทำงานดิจิทัลในโลกจริงที่หลากหลายและซับซ้อน, M2.5 ต่อยอดจากความเชี่ยวชาญด้านการเขียนโค้ดของ M2.1 เพื่อขยายไปสู่งานสำนักงานทั่วไป, จนมีความคล่องแคล่วในการสร้างและใช้งานไฟล์ Word, Excel และ PowerPoint, การสลับบริบทระหว่างสภาพแวดล้อมซอฟต์แวร์ที่หลากหลาย, และการทำงานข้ามทีมเอเจนต์และทีมมนุษย์ที่แตกต่างกัน.

ดูโมเดล

Uptime

ตรวจสอบข้อมูล heartbeat แบบเรียลไทม์ ความพร้อมใช้งานของเอนด์พอยต์ และเวลาตอบสนองที่วัดได้จริงก่อนใช้งานจริง

Uptime

อัตราความสำเร็จของคำขอในช่วง 30 วันที่ผ่านมา สะท้อนถึงความน่าเชื่อถือของผู้ให้บริการแต่ละราย CometAPI ตรวจสอบผู้ให้บริการที่เชื่อมต่อทั้งหมดแบบเรียลไทม์ตลอด 24 ชั่วโมง

RespondLIVE

3985msAvg. Response

UptimeLIVE

98.5%Avg. Uptime

เวอร์ชัน

ตรวจสอบตัวระบุโมเดลที่มีให้ใช้งานก่อนกำหนดเวอร์ชันสำหรับการเชื่อมต่อจริง

minimax-m3

สำรวจต่อ

เปรียบเทียบโมเดลและค้นคว้าต่อ

MiniMax

API ทำงานอยู่

minimax-m3

MiniMax-M3 API

ราคาเริ่มต้น

$0.24 / อินพุต 1 ล้านโทเคน

คิดค่าบริการตามการใช้งาน

สถานะ API

ทำงานปกติ

อัปไทม์ 98.5% / 24 ชม.

เวลาตอบสนอง

3985 ms

เวลาตอบสนอง API ที่วัดได้จริง

วันที่เผยแพร่

May 31, 2026

MiniMax

Playground

ภาพรวม

ข้อมูลจำเพาะทางเทคนิคของ MiniMax M3

รายการ	MiniMax M3
ตระกูลโมเดล	โมเดลรากฐานระดับฟรอนเทียร์ MiniMax M3
ผู้ให้บริการ	MiniMax
สถาปัตยกรรม	MiniMax Sparse Attention (MSA)
ประเภทอินพุต	ข้อความ, รูปภาพ, วิดีโอ
ประเภทเอาต์พุต	ข้อความ
หน้าต่างบริบท	สูงสุด 1,000,000 โทเค็น (รับประกันขั้นต่ำ 512K)
จุดเด่นหลัก	การเขียนโค้ด, เวิร์กโฟลว์แบบเอเจนต์, การให้เหตุผลแบบมัลติโหมด, การประมวลผลบริบทยาว
โหมดการให้เหตุผล	โหมดการคิดแบบเปิด/ปิด
การใช้เครื่องมือ	เวิร์กโฟลว์แบบเอเจนต์, การเรียกใช้เครื่องมือ, การรันงานบนเทอร์มินัล
การปรับใช้	API, MiniMax Code, Token Plan, การปล่อยรุ่น open-weight ที่จะตามมา
การรองรับมัลติโหมด	การพรีเทรนมัลติโหมดแบบเนทีฟตั้งแต่เริ่มต้น
วันที่เปิดตัว	มิถุนายน 2026

MiniMax M3 คืออะไร?

คุณสมบัติหลักของ MiniMax M3

หน้าต่างบริบท 1M โทเค็น: รองรับคลังโค้ดขนาดใหญ่ คลังงานวิจัยที่ยาวมาก การวิเคราะห์หลายเอกสาร และเซสชันเอเจนต์ระยะยาว
สถาปัตยกรรมที่เน้นเอเจนต์: ออกแบบมาสำหรับการแยกย่อยงานอัตโนมัติ การเรียกใช้เครื่องมือ การวางแผนแบบวนซ้ำ และการดำเนินการหลายขั้นตอน
มัลติโหมดแบบเนทีฟ: ประมวลผลข้อความ รูปภาพ แผนผัง ภาพหน้าจอ และวิดีโอ โดยไม่ต้องพึ่งพาสแตกวิชั่นแยกต่างหาก
ความสามารถการเขียนโค้ดขั้นสูง: ทำผลงานเด่นบนเบนช์มาร์กวิศวกรรมซอฟต์แวร์ เช่น SWE-Bench Pro, Terminal-Bench และ KernelBench
การดำเนินงานระยะยาว: แสดงให้เห็นเวิร์กโฟลว์อัตโนมัติหลายชั่วโมง รวมถึงการทำซ้ำงานวิจัยและโครงการปรับแต่ง CUDA
การให้เหตุผลที่ปรับได้: สามารถเปิดโหมดการคิดสำหรับงานที่ต้องให้เหตุผลเชิงลึก หรือปิดเพื่อการโต้ตอบที่หน่วงต่ำกว่า

ประสิทธิภาพบนเบนช์มาร์กของ MiniMax M3

เบนช์มาร์ก	คะแนน
SWE-Bench Pro	59.0%
Terminal-Bench 2.1	66.0%
SWE-fficiency	34.8%
KernelBench Hard	28.8%
MCP Atlas	74.2%
BrowseComp	83.5
PostTrainBench	37.1

สถาปัตยกรรมบริบทยาวและ MSA

ประสิทธิภาพการพรีฟิลล์เร็วขึ้นมากกว่า 9× ที่ความยาวบริบท 1M
ประสิทธิภาพการถอดรหัสเร็วขึ้นมากกว่า 15×
ใช้การคำนวณต่อโทเค็นประมาณ 1/20 เมื่อเทียบกับเจเนอเรชันก่อนที่สเกลบริบท 1M

MiniMax M3 เทียบกับ Claude Opus 4.7 และ Gemini 3.1 Pro

ความสามารถ	MiniMax M3	Claude Opus 4.7	Gemini 3.1 Pro
หน้าต่างบริบท	สูงสุด 1M	ระดับบริบทที่เปิดเผยสู่สาธารณะมีขนาดเล็กกว่า	มัลติโหมดบริบทขนาดใหญ่
การฝึกแบบมัลติโหมดเนทีฟ	ใช่	ใช่	ใช่
โฟกัสด้านการเขียนโค้ดแบบเอเจนต์	แข็งแกร่งมาก	แข็งแกร่งมาก	แข็งแกร่ง
SWE-Bench Pro	59.0%	สูงกว่า ตามรายงานของ MiniMax	ต่ำกว่า ตามรายงานของ MiniMax
ความพร้อมของรุ่น open-weight	วางแผนไว้	ไม่มี	ไม่มี
เวิร์กโฟลว์เอเจนต์ระยะยาว	โฟกัสด้านการออกแบบหลัก	แข็งแกร่ง	แข็งแกร่ง

ข้อจำกัดที่ทราบ

การเปิดเผยผลเบนช์มาร์กส่วนใหญ่ในปัจจุบันมาจาก MiniMax มากกว่าห้องปฏิบัติการประเมินอิสระ
ไฟล์โมเดลแบบ open-weight และรายงานเทคนิคฉบับเต็มมีการประกาศ แต่ยังไม่ได้เผยแพร่อย่างกว้างขวางในช่วงเปิดตัว
ความเชื่อถือได้ในโลกจริงข้ามสภาพแวดล้อมการผลิตยังอยู่ระหว่างการยืนยันโดยชุมชนนักพัฒนา
งานที่ใช้บริบทระดับล้านโทเค็นอาจมีต้นทุนปฏิบัติการและเวลาแฝงสูงกว่าการอนุมานมาตรฐาน

กรณีการใช้งานตัวอย่าง

วิศวกรรมซอฟต์แวร์ระดับรีโพซิทอรี

เอเจนต์วิจัยแบบอัตโนมัติ

การวิเคราะห์เชิงเทคนิคแบบมัลติโหมด

ระบบอัตโนมัติสำหรับเทอร์มินัลและ DevOps

ระบบความรู้ระดับองค์กร

เวอร์ชันของโมเดลและความพร้อมใช้งาน

คำถามที่พบบ่อย

ราคา

คำขอแรก

$0.0012

ค่าใช้จ่ายโดยประมาณของ CometAPI

สิบคำขอ

$0.012

ค่าใช้จ่ายโดยประมาณของ CometAPI

สิบห้าคำขอ

$0.018

ค่าใช้จ่ายโดยประมาณของ CometAPI

ราคาสำหรับ MiniMax-M3

Model	Tier	Condition	Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
minimax-m3	short_context	len <= 524288	Input:$0.2400/M Output:$0.9600/M Cache Read:$0.0480/M	Input:$0.3000/M Output:$1.2000/M Cache Read:$0.0600/M	-20%
minimax-m3	long_context	-	Input:$0.4800/M Output:$1.9200/M Cache Read:$0.0960/M	Input:$0.6000/M Output:$2.4000/M Cache Read:$0.1200/M	-20%

API

API เดียว เข้าถึงโมเดลพร้อมใช้งานจริง

POST/v1/chat/completions

โค้ดตัวอย่างและ API สำหรับ MiniMax-M3

POST

/v1/chat/completions

# Get your CometAPI key from https://www.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"
curl https://api.cometapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "minimax-m3",
    "messages": [
      {
        "role": "system",
        "content": "You are a senior backend reviewer focused on correctness, reliability, and maintainability."
      },
      {
        "role": "user",
        "content": "Task: review the API migration plan and identify the highest-impact improvements.

Context: the team is moving a customer support workflow from blocking chat calls to an async job queue. Prioritize data safety, retry behavior, observability, and rollback.

Output format:
Return a table with columns: Area, Risk, Recommendation, Priority. Keep each recommendation actionable and under 40 words."
      }
    ],
    "max_completion_tokens": 800,
    "reasoning_split": true
  }'

cURL Code Example

# Get your CometAPI key from https://www.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"
curl https://api.cometapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "minimax-m3",
    "messages": [
      {
        "role": "system",
        "content": "You are a senior backend reviewer focused on correctness, reliability, and maintainability."
      },
      {
        "role": "user",
        "content": "Task: review the API migration plan and identify the highest-impact improvements.\n\nContext: the team is moving a customer support workflow from blocking chat calls to an async job queue. Prioritize data safety, retry behavior, observability, and rollback.\n\nOutput format:\nReturn a table with columns: Area, Risk, Recommendation, Priority. Keep each recommendation actionable and under 40 words."
      }
    ],
    "max_completion_tokens": 800,
    "reasoning_split": true
  }'

Python Code Example

from openai import OpenAI
import os

# Get your CometAPI key from https://www.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

client = OpenAI(base_url=BASE_URL, api_key=COMETAPI_KEY)

completion = client.chat.completions.create(
    model="minimax-m3",
    messages=[
        {
            "role": "system",
            "content": (
                "You are a senior backend reviewer focused on correctness, "
                "reliability, and maintainability."
            ),
        },
        {
            "role": "user",
            "content": (
                "Task: review the API migration plan and identify the "
                "highest-impact improvements.\n\n"
                "Context: the team is moving a customer support workflow from "
                "blocking chat calls to an async job queue. Prioritize data "
                "safety, retry behavior, observability, and rollback.\n\n"
                "Output format:\n"
                "Return a table with columns: Area, Risk, Recommendation, "
                "Priority. Keep each recommendation actionable and under 40 words."
            ),
        },
    ],
    max_completion_tokens=800,
    extra_body={"reasoning_split": True},
)

if not completion.choices:
    print(completion.model_dump_json(indent=2))
    raise SystemExit

message = completion.choices[0].message

reasoning_details = getattr(message, "reasoning_details", None)
if reasoning_details:
    print("Thinking:")
    print(reasoning_details[0]["text"])
    print()

print("Response:")
print(message.content)

JavaScript Code Example

import OpenAI from "openai";

// Get your CometAPI key from https://www.cometapi.com/console/token, and paste it here
const api_key = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const base_url = "https://api.cometapi.com/v1";

const openai = new OpenAI({
  apiKey: api_key,
  baseURL: base_url,
});

const completion = await openai.chat.completions.create({
  model: "minimax-m3",
  messages: [
    {
      role: "system",
      content:
        "You are a senior backend reviewer focused on correctness, reliability, and maintainability.",
    },
    {
      role: "user",
      content:
        "Task: review the API migration plan and identify the highest-impact improvements.\n\n" +
        "Context: the team is moving a customer support workflow from blocking chat calls " +
        "to an async job queue. Prioritize data safety, retry behavior, observability, and rollback.\n\n" +
        "Output format:\n" +
        "Return a table with columns: Area, Risk, Recommendation, Priority. " +
        "Keep each recommendation actionable and under 40 words.",
    },
  ],
  max_completion_tokens: 800,
  reasoning_split: true,
});

if (!completion.choices?.length) {
  console.log(JSON.stringify(completion, null, 2));
  process.exit(0);
}

const message = completion.choices[0].message;

if (message.reasoning_details?.length) {
  console.log("Thinking:");
  console.log(message.reasoning_details[0].text);
  console.log();
}

console.log("Response:");
console.log(message.content);

ความสามารถ

ความสามารถที่รองรับ

ฟีเจอร์ที่ส่งกลับโดย API ของโมเดลปัจจุบัน

text-to-text

image-to-text

video-to-text

อินพุตและเอาต์พุต

อินพุต

text

เอาต์พุต

text

โปรไฟล์การใช้งานจริง

ผู้ให้บริการ: MiniMax
บริบท: ขึ้นอยู่กับโมเดล
การใช้งานเชิงพาณิชย์: รองรับ

กรณีการใช้งาน

แชทระดับโปรดักชันและเวิร์กโฟลว์ของเอเจนต์

การเขียนโค้ด วิเคราะห์ และสร้างผลลัพธ์เชิงโครงสร้าง

การทำงานอัตโนมัติปริมาณสูงผ่าน API เดียว

โมเดลอื่น ๆ

เปิดการเปรียบเทียบโมเดล →

CometAPI

AUTO

CometAPI Auto API is an intelligent model routing feature that allows developers to access the appropriate AI model without specifying a specific model ID for each request.

ดูโมเดล

Z.AI

GLM-5.3 FlashX

สำรวจ API ของ GLM-5.3 FlashX

Uptime

RespondLIVE

3985msAvg. Response

UptimeLIVE

98.5%Avg. Uptime

เวอร์ชัน

minimax-m3

สำรวจต่อ