NEW · M3.1 Flash
MiniMax M3.1 Flash 是当前文本推理主力：428B 总参 / 23B 激活的原生多模态 MoE，接受文本、图像、视频输入，1M token 上下文；全程稀疏注意力（MSA）+ DSpark 投机解码，官方定位编码、智能体与安全场景。API 价格 $0.15 / $0.6 每百万 tokens（缓存命中 $0.015）。
H3 视频系列
H3 系列支持文生视频、图生视频与参考视频生成，原生立体声直接出声，单条最长 15 秒，分辨率最高 2K。按次计费，$0.04 起，四档速度与画质自由选。
多媒体大模型网摘聚焦 MiniMax 全线模型：从 M3.1 Flash 的多模态长上下文推理，到 H3 系列的视频生成，整理模型规格、API 价格与使用指南，帮你快速选对模型。下方即可免费体验。
Powered by TuneRouter · 点击对话框前往免费试用
本页对话为静态演示。前往 TuneRouter 免费试用，即可与 MiniMax M3.1 及 120+ 模型实时对话、流式输出。
四项能力勾勒出这家"多媒体大模型"公司的轮廓 — 规格与价格均引自公开渠道。
M3.1 Flash 原生接受文本、图像与视频输入：一段产品演示视频、一摞截图、一份文档，进同一个上下文统一问答。
百万 token 窗口装下长文档与完整工程；全程稀疏注意力（MSA）、量化感知训练与 DSpark 投机解码把长上下文推理成本压低。
H3 系列文生视频、图生视频、参考视频生成均自带原生音轨——画面与声音一次生成，省去后期配音对轨。
官方定位编码、智能体工作流、Computer Use 与网络安全：CyberGym 82.2、OSWorld 2.0 61.7、Agents' Last Exam 29.6（官方披露）。
当前主流平台在售的 MiniMax 模型与参考价格（截至 2026 年 10 月，价格以服务商实时页为准）。
| 模型 | 类型 | 输入 → 输出 | 参考价格 |
|---|---|---|---|
| M3.1 Flash | 多模态推理 | 文本、图像、视频 → 文本 | $0.15 / $0.6 每百万 tokens |
| M3 | 文本推理 | 文本 → 文本 | $0.3 / $1.2 每百万 tokens |
| M2.7 | 文本推理 · 200K | 文本 → 文本 | $0.3 / $1.2 每百万 tokens |
| M2.5 | 文本推理 · 200K | 文本 → 文本 | $0.3 / $1.2 每百万 tokens |
| H3 | 视频生成 | 文本、图像、视频、音频 → 视频 | 约 $0.13 / 次（最高 2K） |
| H3 Max | 视频生成 | 文本、图像、视频、音频 → 视频 | 约 $0.08 / 次（480P/768P） |
| H3 Fast | 视频生成 | 文本、图像、视频、音频 → 视频 | 约 $0.05 / 次（480P） |
| H3 Max Turbo | 视频生成 | 文本、图像 → 视频 | 约 $0.04 / 次（480P/768P） |
价格整理自公开模型聚合平台，缓存命中价与档位差异详见 全部模型页。
以下数据引自 MiniMax 官方 M3.1 Flash 模型卡（Hugging Face，2026-10-17 发布），对比模型为官方同表所列；"—"为官方未披露。
| 评测 | MiniMax M3.1 Flash | DeepSeek V4.1 Flash-1017 | Kimi K3 | GLM-5.3 |
|---|---|---|---|---|
| Automation-Bench v1.0.6 | 62.8 | 60.5 | 46.7 | 48.8 |
| BankerToolBench | 76.2 | — | 69.1 | 74.5 |
| LOCA-Bench 256K | 60.3 | — | 49.7 | 50.3 |
| OSWorld 2.0 | 61.7 | — | 58.3 | — |
| DeepSWE v1.1 | 73.7% | 77.0% | 67.5% | 66.9% |
| CyberGym | 82.2 | — | 80.0 | 84.5 |
| HLE（无工具） | 43.4 | 42.6 | 43.5 | 42.3 |
| Terminal Bench 4.0 | 38.1 | 42.3 | 12.6 | 37.9 |
厂商自报口径，第三方复核与不同版本下数字可能存在差异；完整 16 项评测见官方模型卡。
当前 API 主力 — 完整规格见 所有模型。
新 · 推荐
多模态输入 · 1M 上下文
可调推理力度 · 编程与工具调用
$0.15 / $0.6 每百万 tokens
上一代主力文本模型
通用问答与写作
$0.3 / $1.2 每百万 tokens
推理模型 · 200K 上下文
支持工具调用
$0.3 / $1.2 每百万 tokens
推理模型 · 200K 上下文
成本稳定的存量主力
$0.3 / $1.2 每百万 tokens
官方称 H3 为通用全模态生成系统：生成带原生立体声的视频，单条 4–15 秒，最高 2K（经 H3-Regenerate-2K 实现）。
画质天花板：480P / 768P / 2K
文生 / 图生 / 参考视频
约 $0.13 / 次
高画质均衡档
480P / 768P · 全输入形态
约 $0.08 / 次
快速迭代档：480P
文生 / 图生 / 参考生成
约 $0.05 / 次
性价比跑量档
480P / 768P · 文生 / 图生
约 $0.04 / 次
H3 按次计费、原生音频，适合批量产出带货预览、社媒短片；先用 H3 Max Turbo 跑创意，选中再上 H3 出 2K 成片。
M3.1 Flash 主打编程与工具调用：1M 上下文装入完整仓库与长轨迹，可调推理力度兼顾响应速度与深度。
视频、截图、表格混合输入同一会话：产品演示视频直接提问，训练素材逐段理解，输出结构化结论。
要处理图像、视频或超长上下文，选 M3.1 Flash（1M 窗口、多模态、价格反而更低）；纯文本常规任务，M3 与 M2.7 / M2.5 也完全够用。
生成视频时同步产出音轨（环境声、动作声等），不需要再单独配音和对着轨。H3、H3 Max、H3 Fast、H3 Max Turbo 均支持。
兼容。官方平台与多数第三方聚合服务（如 TuneRouter）均提供 OpenAI 兼容接口，改 base_url 与模型名即可迁移。详见 API 接入。
基准数据引自 MiniMax 官方 M3.1 Flash 模型卡（Hugging Face），属厂商自报口径；价格取自公开模型聚合平台。第三方复核数字可能不同，选购前建议以服务商实时页面为准。
不是。多媒体大模型网摘是非官方第三方中文资讯站，内容选自公开资料，与 MiniMax 官方无关。详见 关于与版权说明。
多媒体大模型网摘