文本推理 M 系列与视频生成 H3 系列 — 规格引自官方发布（Hugging Face 模型卡），价格整理自公开渠道（截至 2026 年 10 月），以服务商实时页面为准。
M3.1 Flash 是当前主力：多模态输入、1M 上下文、可调推理力度；M3 / M2.7 / M2.5 覆盖常规文本任务。
| 模型 | 定位 | 上下文 | 输入 → 输出 | 输入 / 输出价（每百万 tokens） | 缓存命中 |
|---|---|---|---|---|---|
| M3.1 Flash | 多模态推理 · 编程 · 安全 428B/23B MoE · 2026-10 发布 | 1M | 文本、图像、视频 → 文本 | $0.15 / $0.6 | $0.015 |
| M3 | 上一代主力 · 2026-06 发布 另有 MXFP8 量化版 | — | 文本 → 文本 | $0.3 / $1.2 | $0.06 |
| M2.7 | 推理模型 · 工具调用 2026-04 发布 | 200K | 文本 → 文本 | $0.3 / $1.2 | $0.06 |
| M2.5 | 推理模型 · 存量主力 2026-02 发布 | 200K | 文本 → 文本 | $0.3 / $1.2 | $0.03 |
选型建议：多模态与超长上下文选 M3.1 Flash（价格反而更低）；常规问答与写作任选 M3 / M2.7 / M2.5。权重以 minimax-community 许可开放于 Hugging Face / ModelScope。
全部支持原生音频。文生视频（T2V）、图生视频（I2V）、参考视频生成（R2V）按档位支持。
| 模型 | 分辨率 | 生成模式 | 输入 → 输出 | 参考价格 |
|---|---|---|---|---|
| H3 | 480P / 768P / 2K | 文生 · 图生 · 参考生成 | 文本、图像、视频、音频 → 视频 | 约 $0.13 / 次 |
| H3 Max | 480P / 768P | 文生 · 图生 · 参考生成 | 文本、图像、视频、音频 → 视频 | 约 $0.08 / 次 |
| H3 Fast | 480P | 文生 · 图生 · 参考生成 | 文本、图像、视频、音频 → 视频 | 约 $0.05 / 次 |
| H3 Max Turbo | 480P / 768P | 文生 · 图生 | 文本、图像 → 视频 | 约 $0.04 / 次 |
单条时长 4–15 秒，音频为原生立体声；2K 档经 H3-Regenerate-2K 实现。跑量先用 H3 Max Turbo 验证创意，成片再上 H3 出 2K。官方另有 Music3 音乐生成模型（2026-08 发布）。
三种主流路径，均为 OpenAI 兼容接口（视频模型走独立的多媒体接口）。
MiniMax 开放平台直接申请 API Key，文本与视频模型同账号管理，按量计费。
文本模型兼容 OpenAI Chat Completions：改 base_url 与模型名（如 minimax-m3.1-flash）即可迁移既有代码。
TuneRouter 等聚合网关一个 Key 调用 MiniMax 与 120+ 模型，适合多模型切换与比价。前往了解 →
多媒体大模型网摘