- 1M 上下文
- Responses API
MiniMax M3 · QuickSilver Pro
通过一个 OpenAI 兼容 API 使用 MiniMax M3,上下文窗口为 1M token。每百万 token 输入 $0.24,输出 $0.96。
- 1M 上下文
- 工具调用
- 流式输出
- JSON Schema 输出
你支付 · 每 1M 输入 / 输出
$0.24 / $0.96
低 20%
输入和输出均对比 Published reference
价格对比($/1M token)
条形长度 = 相对官方价的价格
| 服务商 | 输入 | 输出 | 对比 QSP |
|---|---|---|---|
| QuickSilver Pro | $0.24 | $0.96 | 最低价 |
| Published reference(minimax/minimax-m3) | $0.30 | $1.20 | 低 20% |
概览
- 上下文
- 1M token
- 输入 / 1M
- $0.24
- 输出 / 1M
- $0.96
- 默认思考
- 否
- 延迟 · 实时
- —
- AA 智能指数
- 36
开放权重的前沿推理,面向在 1M token 上下文中进行的长程 agent 式编码。
什么时候该选 MiniMax M3?
依据目录中的能力和公开价格整理,而非基准测试。
适用场景
长程 agent 式编码选 MiniMax M3:在 1M token 的上下文内,对大型仓库进行规划、调用工具并反复迭代的多步 agent。MiniMax 将它定位为开放权重的前沿模型,因此适合那些看重推理质量、但仍希望成本远低于闭源模型的任务。
- 长文档和代码库,最多 1M token 上下文
- 需要调用工具并输出严格 JSON Schema 的 Agent
- 既支持 Chat Completions,也支持 Responses API 客户端
何时该选其他模型
对于日常对话、短上下文代码生成或单次任务,这份推理开销没有必要 —— DeepSeek V4 Flash($0.06/$0.18)或 MiMo-V2.5($0.32/$1.60)能以更低的价格完成。目录顶端的前沿多模态推理选 Kimi K3;纯数学推理选 DeepSeek V4 Pro。
快速开始(curl)
获取 API key →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!"
}'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)兼容 OpenAI。只需改一行 base_url 即可迁移。
网关行为
本模型的兼容性说明。
prompt- 提示最多 1M token。
- /v1/chat/completions: 支持
- /v1/responses: 支持
- 流式输出: 支持
- 工具调用: 支持
- 图片输入: 本模型未列出
- JSON Schema: 支持
- 推理: 本模型未列出
价格从何而来
- 服务商参考价
- $0.30 / $1.20
- 目录核验日期
- 提示缓存 · 不参与对比
- 读取 $0.048
usage.cost = prompt_tokens × $0.24/1M + completion_tokens × $0.96/1M
常见问题
常见问题
MiniMax 将 M3 定位为针对长程 agent 式编码调优的开放权重前沿模型 —— 在 1M token 的上下文内对大型仓库进行规划、使用工具并反复迭代。它仅接受文本输入,所以如果你的 agent 必须读取截图,请搭配一个视觉模型。建议在你自己的 agent 评测上把它与 DeepSeek V4 Pro 和 Kimi K3 做 A/B 对比,看看它在你的工作负载上表现如何。
可以 —— MiniMax M3 在 QuickSilver Pro 上是一个 OpenAI 兼容的 chat completions endpoint。设置 base_url=https://api.quicksilverpro.io/v1,填入你的 QSP key,并使用 model="minimax-m3"。流式输出、工具调用、json_schema strict mode 和 usage.cost 统计都可用;M3 不接受图像输入。QuickSilver Pro 以非思考模式提供该模型,因此回复直接给出,不带推理轨迹。
每百万 token 输入 $0.24,输出 $0.96。