मुख्य सामग्री पर जाएँ
  • 1M context
  • Responses API

MiniMax M3 QuickSilver Pro पर

minimax-m3
MiniMaxलाइव उपलब्धता—

एक OpenAI-compatible API से MiniMax M3 का इस्तेमाल करें, 1M टोकन की कॉन्टेक्स्ट विंडो के साथ। प्रति दस लाख टोकन इनपुट $0.24 / आउटपुट $0.96।

  • 1M context
  • Tools
  • Streaming
  • JSON Schema output

आप चुकाते हैं · input / output प्रति 1M

$0.24 / $0.96

20% कम

input और output दोनों पर, Published reference की तुलना में

Pricing तुलना ($/1M tokens)

बार की लंबाई = लिस्ट प्राइस के मुक़ाबले क़ीमत

ProviderInputOutputQSP की तुलना में
QuickSilver Pro$0.24$0.96सबसे कम कीमत
Published reference(minimax/minimax-m3)$0.30$1.2020% कम

एक नज़र में

Context
1M tokens
Input / 1M
$0.24
Output / 1M
$0.96
Default में सोचता है
नहीं
Latency · लाइव
—
AA Intelligence Index
36

1M-token context पर long-horizon agentic coding के लिए open-weight frontier reasoning।

MiniMax M3 कब सही चुनाव है?

catalog की क्षमताओं और प्रकाशित क़ीमतों से तैयार, benchmark से नहीं।

कब इस्तेमाल करें

MiniMax M3 को long-horizon agentic coding के लिए चुनें: ऐसे multi-step agents जो इसके 1M-token context के भीतर बड़ी repository पर plan करते हैं, tools call करते हैं, और iterate करते हैं। MiniMax इसे open-weight frontier मॉडल के रूप में पेश करता है, इसलिए यह उन tasks के लिए ठीक है जहाँ reasoning की quality मायने रखती है लेकिन आप फिर भी closed-model pricing से काफ़ी नीचे रहना चाहते हैं।

  • लंबे दस्तावेज़ और codebases, 1M tokens तक के context के साथ
  • Tools call करने वाले agents, strict JSON Schema output के साथ
  • Chat Completions के साथ Responses API clients भी

कब कोई और model चुनें

Routine chat, short-context codegen, या single-shot tasks के लिए reasoning overhead की ज़रूरत नहीं — DeepSeek V4 Flash ($0.06/$0.18) या MiMo-V2.5 ($0.32/$1.60) ये काम कम कीमत में कर देते हैं। Catalog के शीर्ष पर frontier multimodal reasoning के लिए Kimi K3; शुद्ध गणितीय reasoning के लिए DeepSeek V4 Pro।

Models में विकल्पों की तुलना करें

Quickstart (curl)

API key पाएँ →
curl https://api.quicksilverpro.io/v1/chat/completions \
  -H "Authorization: Bearer $QSP_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "minimax-m3",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'
import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.quicksilverpro.io/v1",
    api_key=os.environ["QSP_KEY"],
)
response = client.chat.completions.create(
    model="minimax-m3",
    messages=[{"role": "user", "content": "Hello!"}],
)
print(response.choices[0].message.content)
import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.quicksilverpro.io/v1",
  apiKey: process.env.QSP_KEY,
});
const response = await client.chat.completions.create({
  model: "minimax-m3",
  messages: [{ role: "user", content: "Hello!" }],
});
console.log(response.choices[0].message.content);
curl https://api.quicksilverpro.io/v1/responses \
  -H "Authorization: Bearer $QSP_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "minimax-m3",
    "input": "Hello!"
  }'
python (OpenAI SDK)
import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.quicksilverpro.io/v1",
    api_key=os.environ["QSP_KEY"],
)
response = client.chat.completions.create(
    model="minimax-m3",
    messages=[{"role": "user", "content": "Hello!"}],
)
print(response.choices[0].message.content)

OpenAI-संगत। base_url बदलकर एक लाइन में migration।

Gateway का व्यवहार

इस मॉडल के लिए compatibility नोट्स।

prompt
1M tokens तक के prompts।
  • /v1/chat/completions: समर्थित
  • /v1/responses: समर्थित
  • streaming: समर्थित
  • tools: समर्थित
  • image input: इस मॉडल के लिए सूचीबद्ध नहीं
  • JSON Schema: समर्थित
  • reasoning: इस मॉडल के लिए सूचीबद्ध नहीं

क़ीमत कहाँ से आती है

Catalog v87 · कोई अलग long-context tier नहीं

Provider reference
$0.30 / $1.20
Catalog में सत्यापित
Prompt cache · तुलना नहीं
$0.048 read

usage.cost = prompt_tokens × $0.24/1M + completion_tokens × $0.96/1M

/pricing.json

Base दरें; cached prompt tokens ऊपर दी गई cache दरों पर बिल होते हैं।

FAQ

सामान्य प्रश्न

MiniMax, M3 को long-horizon agentic coding के लिए tune किए गए open-weight frontier मॉडल के रूप में पेश करता है — planning, tool use, और 1M-token context के भीतर बड़ी repository पर iterate करना। यह केवल text input लेता है, इसलिए अगर आपके agent को screenshots पढ़ने हों तो इसके साथ कोई vision मॉडल जोड़ें। यह आपके workload में कहाँ ठहरता है, यह देखने के लिए अपने agent evals पर इसे DeepSeek V4 Pro और Kimi K3 के साथ A/B करें।

MiniMax M3

MiniMax M3 को double credits के साथ आज़माएँ — $50 तक bonus credits

API Key पाएँ

$0.24 / $0.96input / output प्रति 1M tokens

आज़माएंAPI Key पाएँ