AI Index

MiniMax-M3

语言 MiniMax 已核实 发布于 2026年6月1日
  • 输入 文本图像视频 输出 文本
  • 推理
  • 可关闭推理
  • 工具调用
  • 开放权重

价格

2 个渠道报价 · 按标价显示
MiniMax API 官方 中国站 · CNY MiniMax-M3
条件/ 百万 tokens输入缓存读取输出
标准 ¥2.10¥0.42¥8.40
提示超过 512K tokens ¥4.20¥0.84¥16.80
Priority 层级 ¥3.15¥0.63¥12.60
提示超过 512K tokensPriority 层级 ¥6.30¥1.26¥25.20

价格来源 MiniMax 按量计费价格 (核对于 2026年11月1日)

MiniMax API 官方 全球 · USD MiniMax-M3
条件/ 百万 tokens输入缓存读取输出
标准 $0.30$0.060$1.20
提示超过 512K tokens $0.60$0.12$2.40
Priority 层级 $0.45$0.090$1.80
提示超过 512K tokensPriority 层级 $0.90$0.18$3.60

价格来源 Pricing Overview - MiniMax API Docs (核对于 2026年11月1日)

标准：不带任何条件的请求所付价格（即本站其他页面显示的标价）。

详细规格

模型家族
minimax-m
模型 ID

MiniMax 的页面未说明：最长输入, 推理档位, 最大思考预算, 结构化输出, 内置工具, 知识截止, 许可证, 别名。

本地运行

权重： MiniMaxAI/MiniMax-M3
  • 参数 427B
  • 激活 23B · 专家 128（每 token 4）
  • 原生精度 BF16
  • 层数 60
  • 每 token 的 KV 缓存 120 KB
  • 配置位置数 1024K （config.json max_position_embeddings）
  • API 上下文 977K （厂商 API）
我的配置 GeForce RTX 4090 24 GB · 1008 GB/s · 内存 64 GB DDR5 双通道 · 89.6 GB/s
在你的配置上 · GeForce RTX 4090
放不下 IQ4_XS （自动） 8K 上下文
权重KV 缓存运行开销可用上限
需要
≈ 222.8 GB (权重 211.3 + KV 缓存 0.9 + 开销 10.6)
可用
21.6 GB (标称的 90%)
建议
这台配置跑不动，看下面的“最低需要”
推荐精度权重8K 需要在你的配置上最长上下文
原生 BF16官方795.5 GB≈ 836.2放不下—
Q8_0422.6 GB≈ 444.6放不下—
FP8397.7 GB≈ 418.5放不下—
Q6_K326.6 GB≈ 343.9放不下—
Q5_K_M282.9 GB≈ 298.0放不下—
Q5_0273.4 GB≈ 288.0放不下—
Q4_K_M241.6 GB≈ 254.6放不下—
Q4_0223.7 GB≈ 235.8放不下—
IQ4_XS211.3 GB≈ 222.8放不下—
Q3_K_M质量下降明显194.4 GB≈ 205.0放不下—
IQ3_XXS质量下降明显152.1 GB≈ 160.7放不下—
Q2_K质量下降明显149.1 GB≈ 157.5放不下—
IQ2_XXS质量下降明显102.4 GB≈ 108.5放不下—

点一行换精度。“官方”是厂商自己发布的文件，大小是实际值；其余按参数量 × 每权重位数估算。

和其他配置比

每个配置各用它能跑的最高精度，点一个看细节。

最低需要（Q4_K_M · 8K）：单张显卡放不下；统一内存 Apple M5 Ultra (80-core GPU) · 512 GB。

运行命令

厂商没有发布这个精度的文件。可选原生精度或厂商自己的版本，或用 llama.cpp 自己量化。

微调需要多少显存
全参≈ 6367.2 GB你的配置放不下
LoRA≈ 799.9 GB你的配置放不下
QLoRA≈ 228.1 GB你的配置放不下

batch 1、序列 2048、梯度检查点；LoRA / QLoRA 为注意力投影上的 r=16 适配器。

估算；数据来自厂商的 Hugging Face 仓库，截至 2026-11-06。 怎么估算的

引用评分

来自第三方排行榜，并非我们测得
  • Epoch Capabilities Index 147.6

    第 67 名，共 118 个上榜模型 · 置信区间 145.4–149.8

  • LMArena Text 1,439

    第 64 名，共 163 个上榜模型 · 置信区间 1,436–1,443 · 68,611 票

  • Epoch AI · Chess Puzzles 17%

    第 69 名，共 85 个上榜模型 · ±3.78

    其他版本：reasoning off 8%

  • Epoch AI · GPQA Diamond 90.9%

    第 32 名，共 168 个上榜模型 · ±2.05

    其他版本：reasoning off 81.3%

  • Epoch AI, 'Capabilities & benchmarking'. Published online at epoch.ai. Retrieved from 'https://epoch.ai/benchmarks'. Licensed CC BY 4.0. · 许可 · 数据日期 2026年10月28日至2026年11月5日
  • LMArena (Arena), leaderboard-dataset on Hugging Face, licensed CC BY 4.0 · 许可 · 数据日期 2026年9月13日至2026年10月28日
  • EQ-Bench by Samuel J. Paech (eqbench.com; EQ-bench/EQ-bench-site on GitHub), MIT License. · 许可 · 数据日期 2026年10月24日
  • LiveBench (White et al.), release 2026-06-25, livebench.ai, licensed CC BY-SA 4.0. This board, adapted from it, is shared under CC BY-SA 4.0. · 许可 · 数据日期 2026年6月25日
  • 我们做的改动

包含在编程套餐中

全部编程套餐 →

变更

全部变更 →

暂无变更记录。

来源

MiniMax 官方政策：数据使用、隐私、条款 →

MiniMax · 中国 · minimax.io

快照、同系列与同厂商的其他模型