MiniMax-M3 is a multimodal foundation model from MiniMax. It supports text, image, and video inputs with text output, a 1M-token context window, and is suited for long-horizon agentic work, coding, and tool use. It is built on MiniMax Sparse Attention (MSA), which replaces full attention with KV-block selection to cut per-token compute at long context — roughly 1/20 the cost of the previous generation at 1M tokens, with substantially faster prefill and decode while retaining quality across most tasks.
Trained as a native multimodal model on interleaved data and tuned for multi-turn, production-like collaboration via an interactive user-simulator framework, the model is oriented toward sustained, multi-step tasks rather than single-turn execution.
提供商
不同公司托管同一模型。OpenRouter 根据您选择的路由模式将请求路由到其中一家公司:Balanced(价格 + 速度)、Nitro(速度最快)或 Floor(价格最低)。
| US$0.230 | US$0.96 | US$0.0500 | 0.58s | 142 tok/s | ||
| US$0.300 | US$1.20 | US$0.0600 | 0.70s | 135 tok/s | ||
| US$0.300 | US$1.20 | US$0.0600 | 0.58s | 85 tok/s | ||
20% off | US$0.30US$0.240 | US$1.20US$0.96 | US$0.06US$0.0480 | 2.19s | 72 tok/s | |
| US$0.300 | US$1.20 | US$0.0600 | 2.92s | 47 tok/s | ||
| US$0.550 | US$2.20 | US$0.0600 | 1.17s | 55 tok/s | ||
Fast | US$0.450 | US$1.80 | US$0.0900 | 0.55s | 113 tok/s | |
| US$0.280 | US$1.10 | US$0.0560 | 0.61s | 48 tok/s | ||
不用于 Standard 路由:未使用这些端点的原因 | ||||||
| US$0.224 | US$0.88 | US$0.0448 | 1.58s | 43 tok/s | ||
- 输入 /百万
- US$0.23
- 输出 /百万
- US$0.96
- 缓存读取 /百万
- US$0.05
- 延迟
- 0.58s
- 吞吐量
- 142 tok/s
- 正常运行时间
- 97.47%
- 输入 /百万
- US$0.30
- 输出 /百万
- US$1.20
- 缓存读取 /百万
- US$0.06
- 延迟
- 0.70s
- 吞吐量
- 135 tok/s
- 正常运行时间
- 98.05%
- 输入 /百万
- US$0.30
- 输出 /百万
- US$1.20
- 缓存读取 /百万
- US$0.06
- 延迟
- 0.58s
- 吞吐量
- 85 tok/s
- 正常运行时间
- 99.72%
- 20% off
- 输入 /百万
- US$0.24
- 输出 /百万
- US$0.96
- 缓存读取 /百万
- US$0.048
- 延迟
- 2.19s
- 吞吐量
- 72 tok/s
- 正常运行时间
- 99.89%
- 输入 /百万
- US$0.30
- 输出 /百万
- US$1.20
- 缓存读取 /百万
- US$0.06
- 延迟
- 2.92s
- 吞吐量
- 47 tok/s
- 正常运行时间
- 100.00%
- 输入 /百万
- US$0.55
- 输出 /百万
- US$2.20
- 缓存读取 /百万
- US$0.06
- 延迟
- 1.17s
- 吞吐量
- 55 tok/s
- 正常运行时间
- 10.34%
- Fast
- 输入 /百万
- US$0.45
- 输出 /百万
- US$1.80
- 缓存读取 /百万
- US$0.09
- 延迟
- 0.55s
- 吞吐量
- 113 tok/s
- 正常运行时间
- 98.95%

- 输入 /百万
- US$0.28
- 输出 /百万
- US$1.10
- 缓存读取 /百万
- US$0.056
- 延迟
- 0.61s
- 吞吐量
- 48 tok/s
- 正常运行时间
- 98.97%
- 不用于 Standard 路由:未使用这些端点的原因
Flex- 输入 /百万
- US$0.224
- 输出 /百万
- US$0.88
- 缓存读取 /百万
- US$0.0448
- 延迟
- 1.58s
- 吞吐量
- 43 tok/s
- 正常运行时间
- 98.00%
定价
客户为此模型实际支付的平均价格,与提供商公布的价格并列展示。由于缓存和折扣,实际支付的价格往往远低于标价。
加权平均值
MiniMax M3 — 价格历史
| US$0.0690 | US$0.960 | 89.1% | 6.6% | ||
| US$0.0699 | US$1.200 | 95.9% | 76.1% | ||
| US$0.0933 | US$0.959 | 75.9% | 7.0% | ||
| US$0.0943 | US$1.099 | 82.9% | 1.6% | ||
| US$0.1032 | US$1.200 | 82.0% | 3.1% | ||
| US$0.1118 | US$1.200 | 78.4% | 3.5% | ||
Fast | US$0.1998 | US$1.799 | 69.5% | 2.0% | |
| US$0.5334 | US$2.200 | 3.4% | 0.0% | ||
不用于 Standard 路由:未使用这些端点的原因 | |||||
| US$0.1018 | US$0.880 | 68.2% | 0.0% | ||
- 有效输入价格 US$0.0690 / 实际输出 US$0.960token 占比6.6%
- 有效输入价格 US$0.0699 / 实际输出 US$1.200token 占比76.1%
- 有效输入价格 US$0.0933 / 实际输出 US$0.959token 占比7.0%
- 有效输入价格 US$0.0943 / 实际输出 US$1.099token 占比1.6%
- 有效输入价格 US$0.1032 / 实际输出 US$1.200token 占比3.1%
- 有效输入价格 US$0.1118 / 实际输出 US$1.200token 占比3.5%
- 有效输入价格 US$0.1998 / 实际输出 US$1.799Fasttoken 占比2.0%
- 有效输入价格 US$0.5334 / 实际输出 US$2.200token 占比0.0%
- 不用于 Standard 路由:未使用这些端点的原因
- 有效输入价格 US$0.1018 / 实际输出 US$0.880Flextoken 占比0.0%
性能
吞吐量是模型生成内容的速度(每秒 token 数,越高越好)。延迟是完整的往返时间(越低越好)。TTFT 是首个 token 的响应时间,即您看到内容出现前需要等待的时间(越低越好)。
P50,所有提供商中最佳
P50,最佳提供商
正常运行时间
正常运行时间是指过去 3 天中至少有一家提供商响应请求的时间百分比。可用性是指成功提供推理服务的时间百分比。OpenRouter 会持续监控,并在某家提供商返回错误时使用次优提供商。
过去 3 天的可用性
最近 72 小时过去 24 小时的可用性
当上游提供商发生错误时,如果您的请求筛选条件允许,我们可以通过路由到另一家健康的提供商来恢复服务。您可以通过以下接口以编程方式访问各提供商的正常运行时间数据: 端点 API。了解更多有关我们的 负载均衡和提供商路由选项。
基准测试
标准化评测得分,以及此模型针对共用基准测试提示词的实际输出。百分比越高越好,每项排名显示此模型在该来源所评测的模型中的位置。
| 来源 | 基准测试 | 得分 |
|---|---|---|
| Artificial Analysis | MiniMax-M3 Intelligence Index | 18.9 |
| Artificial Analysis | MiniMax-M3 Finance & Accounting Index | 25.1 |
| Artificial Analysis | MiniMax-M3 Strategy & Ops Index | 27.9 |
| Artificial Analysis | MiniMax-M3 Legal Index | 23.5 |
| Artificial Analysis | MiniMax-M3 Healthcare & Medical Index | 21.7 |
| Artificial Analysis | MiniMax-M3 Engineering Index | 26.2 |
| Artificial Analysis | MiniMax-M3 Economics Index | 27.4 |
| Artificial Analysis | MiniMax-M3 Cyber Index | 22.4 |
| Artificial Analysis | MiniMax-M3 Openness Index | 33.3 |
| Artificial Analysis | MiniMax-M3 AutomationBench-AA | 21.3% |
| Artificial Analysis | MiniMax-M3 GDP.pdf | 9.8% |
| Artificial Analysis | MiniMax-M3 AA-AnalystAgent | 10.0% |
| Artificial Analysis | MiniMax-M3 EnterpriseOps-Gym-AA | 32.1% |
| Artificial Analysis | MiniMax-M3 Harvey LAB-AA | 0.0% |
| Artificial Analysis | MiniMax-M3 GPQA Diamond | 92.9% |
| Artificial Analysis | MiniMax-M3 HLE | 39.0% |
| Artificial Analysis | MiniMax-M3 IFBench | 82.9% |
| Artificial Analysis | MiniMax-M3 τ²-Bench Telecom | 88.9% |
| Artificial Analysis | MiniMax-M3 AA-LCR | 83.0% |
| Artificial Analysis | MiniMax-M3 τ³-Banking | 15.3% |
| Artificial Analysis | MiniMax-M3 GDPval-AA | 37.5% |
| Artificial Analysis | MiniMax-M3 CritPt | 3.7% |
| Artificial Analysis | MiniMax-M3 HLE-Diamond | 16.0% |
| Artificial Analysis | MiniMax-M3 SciCode | 47.1% |
| Artificial Analysis | MiniMax-M3 Terminal-Bench Hard | 42.4% |
| Artificial Analysis | MiniMax-M3 Terminal-Bench 4.0 | 2.0% |
| Artificial Analysis | MiniMax-M3 Terminal-Bench 2.1 | 65.2% |
| Artificial Analysis | MiniMax-M3 FrontierCode-AA 2.0 | 21.9% |
| Artificial Analysis | MiniMax-M3 FrontierCode 1.1 | 23.0% |
| Artificial Analysis | MiniMax-M3 Terminal-Bench-Science | 0.5% |
| Artificial Analysis | MiniMax-M3 CritPt v2 (Hard Subset) | 28.0% |
| Artificial Analysis | MiniMax-M3 CritPt v2 | 45.4% |
| Artificial Analysis | MiniMax-M3 AA-Omniscience Accuracy | 44.9% |
| Artificial Analysis | MiniMax-M3 AA-Omniscience Non-Hallucination Rate | 8.6% |
| Artificial Analysis | MiniMax-M3 CWE-Bench-AA | 41.7% |
| Artificial Analysis | MiniMax-M3 DeepsecBench-AA | 1.1% |
| Artificial Analysis | MiniMax-M3 CyberGym-E2E-AA | 24.4% |
| Artificial Analysis | MiniMax-M3 MLCR-AA | 4.4% |
| Artificial Analysis | MiniMax-M3 MMMU-Pro | 78.6% |
| Design Arena | MiniMax M3 Agents Arena Agenticgamedev Elo | 1113 |
| Design Arena | MiniMax M3 Agents Arena Androidnative Elo | 1155 |
| Design Arena | MiniMax M3 Agents Arena Blender3d Elo | 1065 |
| Design Arena | MiniMax M3 Agents Arena Codetovideo Elo | 1206 |
| Design Arena | MiniMax M3 Agents Arena Full Stack Elo | 1172 |
| Design Arena | MiniMax M3 Agents Arena Htmlslides Elo | 1080 |
| Design Arena | MiniMax M3 Agents Arena Mobile Apps Elo | 1170 |
| Design Arena | MiniMax M3 Agents Arena Pdf Elo | 1265 |
| Design Arena | MiniMax M3 Agents Arena Python-Pptxslides Elo | 1167 |
| Design Arena | MiniMax M3 Agents Arena Spreadsheet Elo | 1168 |
| Design Arena | MiniMax M3 Agents Arena Webapps Elo | 1188 |
| Design Arena | MiniMax M3 Models Arena 3D Elo | 1182 |
| Design Arena | MiniMax M3 Models Arena Asciiart Elo | 1139 |
| Design Arena | MiniMax M3 Models Arena Code Categories Elo | 1228 |
| Design Arena | MiniMax M3 Models Arena Data Visualization Elo | 1228 |
| Design Arena | MiniMax M3 Models Arena Game Development Elo | 1192 |
| Design Arena | MiniMax M3 Models Arena SVG Elo | 1141 |
| Design Arena | MiniMax M3 Models Arena UI Component Elo | 1232 |
| Design Arena | MiniMax M3 Models Arena Website Elo | 1246 |
| Vals AI | MiniMax-M3 Access to Justice Benchmark | 69.8% |
| Vals AI | MiniMax-M3 Code Migration v1.1 | 20.9% |
| Vals AI | MiniMax-M3 CorpFin v2 | 68.1% |
| Vals AI | MiniMax-M3 CyberBench v1.1 | 65.0% |
| Vals AI | MiniMax-M3 EMB v1.1 | 59.8% |
| Vals AI | MiniMax-M3 Finance Agent v2.1 | 54.3% |
| Vals AI | MiniMax-M3 Vals Finance Index | 48.4% |
| Vals AI | MiniMax-M3 Financial Coaching Bench | 69.0% |
| Vals AI | MiniMax-M3 GPQA Diamond | 92.7% |
| Vals AI | MiniMax-M3 Harvey's Legal Agent Benchmark v1 | 4.2% |
| Vals AI | MiniMax-M3 Immigration | 57.5% |
| Vals AI | MiniMax-M3 Vals Inference Provider Index | 53.5% |
| Vals AI | MiniMax-M3 LiveCodeBench | 82.2% |
| Vals AI | MiniMax-M3 LegalBench | 85.4% |
| Vals AI | MiniMax-M3 Legal Research Bench | 29.8% |
| Vals AI | MiniMax-M3 MedCode | 46.3% |
| Vals AI | MiniMax-M3 MedScribe | 87.3% |
| Vals AI | MiniMax-M3 MMLU Pro | 84.2% |
| Vals AI | MiniMax-M3 MMMU Pro | 81.2% |
| Vals AI | MiniMax-M3 MortgageTax | 68.4% |
| Vals AI | MiniMax-M3 ProofBench v1.1 | 18.0% |
| Vals AI | MiniMax-M3 Public Benefits Bench v1.1 | 64.1% |
| Vals AI | MiniMax-M3 SAGE | 85.5% |
| Vals AI | MiniMax-M3 SkillsBench | 51.5% |
| Vals AI | MiniMax-M3 SWE-bench | 75.0% |
| Vals AI | MiniMax-M3 SWE-bench Multimodal | 33.3% |
| Vals AI | MiniMax-M3 Tax Agent Bench | 20.6% |
| Vals AI | MiniMax-M3 TaxEval v2 | 72.7% |
| Vals AI | MiniMax-M3 Terminal-Bench 4.0 | 1.0% |
| Vals AI | MiniMax-M3 Vals Index | 36.5% |
| Vals AI | MiniMax-M3 Vals Multimodal Index | 60.0% |
| Vals AI | MiniMax-M3 Vibe Code Bench 1-100 | 9.2% |
| Vals AI | MiniMax-M3 Vibe Code Bench v1.1 | 47.6% |
应用
向此模型发送最多流量的公开应用。这能很好地反映实际生产工作负载的情况,也能提示此模型最适合哪些用例。
活动
此模型的 token 用量和请求流量随时间的变化。
API
可直接用于调用此模型的代码。OpenRouter 的 API 与 OpenAI 兼容——大多数 SDK 只需替换基础 URL 即可使用。切换模型时,唯一需要更改的是下方的模型标识符。
目前无法通过 EU 区域内路由使用。 区域内路由文档
常见问题
MiniMax-M3 is a multimodal foundation model from MiniMax. It supports text, image, and video inputs with text output, a 1M-token context window, and is suited for long-horizon agentic work, coding, and tool use.
MiniMax M3 的费用为 US$0.23/百万输入 token 和 US$0.96/百万输出 token,Cache Read,价格为 US$0.05/M tokens 单独计费。
MiniMax M3 的上下文窗口为 1,048,576 个 token。它最多支持 262,144 个补全 token。
支持。在提供 MiniMax M3 的 7 家提供商中,有 6 家支持该模型通过 tools 和 tool_choice 进行函数调用,包含工具的请求会被路由到这些提供商。 它还支持通过 response_format 中的 JSON schema 实现结构化输出。
MiniMax M3 接受 文本、图像和视频 作为输入,并返回 文本。
在 OpenRouter 上,MiniMax M3 由 7 家提供商提供服务:DeepInfra、CoreWeave、GMICloud、Venice、Parasail、MiniMax和Featherless。 请求会路由至最佳的可用提供商,并在故障时自动切换至其他提供商,您也可以通过提供商路由固定或排除提供商。
MiniMax M3 于 2026年5月31日 发布。