> ## Documentation Index
> Fetch the complete documentation index at: https://docs.apiyi.com/llms.txt
> Use this file to discover all available pages before exploring further.
# MiniMax-M3 上线：1M 上下文开源旗舰限时 5 折
> MiniMax-M3 上线 API易！MSA 稀疏注意力 + 100 万上下文 + 原生多模态，SWE-Bench Pro 59.0 反超 GPT-5.5 与 Gemini 3.1 Pro。对齐官网限时 5 折：$0.30 输入 / $1.20 输出每 1M tokens，叠加充值活动最低约 4.1 折，优惠截止 6 月 8 日零点 (UTC+8)。
## 核心要点
* **开源新旗舰**：`MiniMax-M3` 正式上线 API易（注意模型名大小写），首个把前沿 Agent 编程、**100 万 tokens 上下文**与原生多模态集于一身的开源权重模型
* **编程基准反超闭源旗舰**：SWE-Bench Pro **59.0**，领先 GPT-5.5 与 Gemini 3.1 Pro；Terminal-Bench 2.1 达 66.0、MCP Atlas 74.2
* **自主浏览检索登顶**：BrowseComp **83.5**，超过 Claude Opus 4.7（79.3）；Claw-Eval 端到端 Agent 基准居首
* **MSA 稀疏注意力**：MiniMax Sparse Attention 以 KV 块选择替代全量注意力，1M 长上下文推理成本约为前代的 **1/20**
* **限时 5 折**：API易 对齐官网限时优惠，0-512K 区间 **\$0.30 输入 / \$1.20 输出**（每 1M tokens），截止 **2026 年 6 月 8 日零点 (UTC+8)**
* **叠加充值活动更低**：配合 API易 充值加赠，实际成本最低可到约 **4.1 折**（5 折 ÷ 1.2）
MiniMax 官方于 2026 年 6 月 1 日发布 M3，并承诺 10 天内在 Hugging Face 与 GitHub 开放权重与技术报告。信息来源：`minimax.io/blog/minimax-m3`、`venturebeat.com`、`openrouter.ai/minimax/minimax-m3`，数据获取日期：2026-06-05。
## 背景介绍
MiniMax 的 M 系列一直走"长上下文 + 高性价比"路线，M3 则把这条路线推向了新高度。2026 年 6 月 1 日，MiniMax 正式发布 M3，定位为**首个同时具备前沿编程 Agent 能力、100 万 tokens 上下文窗口与原生多模态（图像、视频输入与桌面计算机操作）的开源权重模型**。
M3 最大的技术亮点是 **MSA（MiniMax Sparse Attention）**：用 KV 块选择替代全量注意力，大幅削减长上下文下的逐 token 计算量——官方数据显示，1M tokens 场景下的推理成本约为前一代的 1/20，prefill 与 decode 速度也显著提升。这意味着"百万上下文"第一次在成本上变得真正可用。
对开发者而言更直接的信号是价格：官方为新模型推出**限时 5 折**优惠，API易 已同步对齐这一折扣，并支持叠加充值活动进一步拉低成本。
## 详细解析
### 核心特性
**1M tokens 原生窗口**
MSA 稀疏注意力支撑的真·百万上下文，整仓代码、长视频脚本、超长 Agent 轨迹一次吞下。
**长上下文成本降至 1/20**
KV 块选择替代全量注意力，长上下文 prefill / decode 速度官方称比开源同类快 4 倍以上。
**SWE-Bench Pro 59.0**
反超 GPT-5.5 与 Gemini 3.1 Pro，Terminal-Bench 2.1 66.0，真实软工任务可当主力。
**图像 / 视频 / 计算机操作**
从预训练阶段即采用图文交错数据，支持图像视频输入与桌面计算机操作，OmniDocBench 超过 Gemini 3.1 Pro。
### 性能亮点
以下数据来源于 MiniMax 官方发布与第三方公开报道：
| 评测维度 | MiniMax-M3 | 对比 |
| ---------------------------- | ---------- | ------------------------- |
| SWE-Bench Pro（真实软工） | **59.0** | 超过 GPT-5.5、Gemini 3.1 Pro |
| Terminal-Bench 2.1（终端 Agent） | **66.0** | 开源模型领先水平 |
| MCP Atlas（工具调用） | **74.2** | — |
| BrowseComp（自主浏览检索） | **83.5** | 超过 Claude Opus 4.7（79.3） |
| Claw-Eval（端到端 Agent） | **第一名** | 居所有参测模型之首 |
| OmniDocBench（文档多模态） | 领先 | 超过 Gemini 3.1 Pro |
M3 官方演示中已能**自主复现学术论文**并**优化 CUDA kernel**，长程推理与工程执行能力均达到第一梯队。配合开源权重（10 天内发布），自研 Agent 团队可以走"API 调用 + 离线评测"双轨。
### 技术规格
* **模型 ID**：`MiniMax-M3`（注意大小写）
* **注意力机制**：MSA（MiniMax Sparse Attention，KV 块选择）
* **上下文长度**：1M tokens（原生）
* **多模态**：✅ 图像 / 视频输入、桌面计算机操作
* **计费方式**：按输入长度阶梯计费（0-512K / 512K 以上）
* **接口兼容**：OpenAI ChatCompletions 兼容
* **开源计划**：权重与技术报告 10 天内登陆 Hugging Face / GitHub
M3 采用**阶梯计费**：单次请求输入超过 512K tokens 后，超出部分按更高档单价计费（输入 \$0.60 / 输出 \$2.40 每 1M tokens，限时价）。做百万级长上下文任务时请预估好成本。
## 实际应用
### 推荐场景
1M 上下文 + SWE-Bench Pro 59.0，大型仓库重构、跨文件 PR 任务不再需要切片检索
BrowseComp 83.5 登顶，适合做深度调研 Agent、自动化信息采集与汇总
原生多模态 + 百万上下文，超长合同、研究报告、视频内容一次性分析
原生桌面操作能力，适合构建 RPA、自动化测试、电脑使用类 Agent
### 快速开始（OpenAI 兼容接口）
```python theme={null}
from openai import OpenAI
client = OpenAI(
api_key="sk-your-apiyi-key",
base_url="https://api.apiyi.com/v1"
)
# 注意模型名大小写：MiniMax-M3
resp = client.chat.completions.create(
model="MiniMax-M3",
messages=[
{"role": "system", "content": "你是一名资深全栈工程师，擅长在大型代码库中完成 PR 级任务。"},
{"role": "user", "content": "通读这个仓库的全部源码，找出限流中间件的性能瓶颈并给出修复方案"}
],
temperature=0.3,
)
print(resp.choices[0].message.content)
```
```bash theme={null}
curl https://api.apiyi.com/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer sk-your-apiyi-key" \
-d '{
"model": "MiniMax-M3",
"messages": [{"role": "user", "content": "用一段话介绍 MSA 稀疏注意力"}]
}'
```
### 最佳实践
* **模型名大小写**：模型 ID 为 `MiniMax-M3`，注意 `M` 大写，写错会导致 404 模型不存在
* **成本控制**：尽量把单次输入控制在 512K 以内即可享受最低档单价；超长任务建议先做摘要 / 裁剪
* **温度参数**：Agent / 代码场景建议 `temperature=0.2 ~ 0.4`
* **流式输出**：长上下文任务 prefill 时间较长，建议开启 stream 改善体感延迟
* **限时窗口**：5 折优惠截止 6 月 8 日零点 (UTC+8)，重度评测 / 跑批任务建议安排在窗口期内
## 价格与可用性
### 定价表（USD / 1M tokens，限时 5 折）
| 输入长度区间 | 提示价格（输入） | 补全价格（输出） |
| -------- | ------------ | ------------ |
| 0 - 512K | **\$0.3000** | **\$1.2000** |
| 512K 以上 | **\$0.6000** | **\$2.4000** |
API易 已**对齐 MiniMax 官网限时 5 折**优惠，上表即为当前实际挂牌价，按输入长度阶梯计费。优惠截止 **2026 年 6 月 8 日零点 (UTC+8)**，到期后折扣待定。
### 叠加网站充值活动
5 折限时价还能叠加 API易 充值加赠，**实际成本最低约 4.1 折**（5 折 ÷ 1.2）：
查看最新充值加赠规则，越大额加赠比例越高
## 总结与建议
MiniMax-M3 把"开源 + 百万上下文 + 多模态 Agent"三件事第一次装进了同一个模型：
* ✅ **基准反超**：SWE-Bench Pro 59.0 领先 GPT-5.5 / Gemini 3.1 Pro，BrowseComp 83.5 超过 Opus 4.7
* ✅ **百万上下文真可用**：MSA 稀疏注意力把 1M 上下文成本压到前代 1/20
* ✅ **价格窗口期**：限时 5 折 + 充值加赠，最低约 4.1 折，6 月 8 日零点 (UTC+8) 截止
* ✅ **开源在路上**：权重与技术报告 10 天内开放，API 先用起来、离线评测随后跟上
**推荐行动**：
1. 在 Claude Code / Cursor / 自研 Agent 里把 `MiniMax-M3` 加入 A/B 测试，重点跑整仓代码与长程任务
2. 长文档 / 视频理解类需求趁 5 折窗口期做一轮完整评测
3. 配合充值加赠把单价进一步压到约 4.1 折，跑批任务安排在 6 月 8 日零点 (UTC+8) 之前
**信息来源与日期**
* MiniMax 官方发布：`minimax.io/blog/minimax-m3`
* 第三方报道：`venturebeat.com`、`techtimes.com`、`officechai.com`
* 价格页：`openrouter.ai/minimax/minimax-m3`
* 数据获取日期：2026-06-05