Schnelles multimodales Codieren und Agentenmodell mit 1M Kontext, einstellbarer Denktiefe, Bild- und Videoeingang, Funktionsaufruf und integrierter Websuche.
MiniMaxTextgenerierung1M KontextVeröffentlicht 19. Okt. 2026SingaporeProprietärer EndpointNeuSchnelles multimodales Codieren und Agentenmodell mit 1M Kontext, einstellbarer Denktiefe, Bild- und Videoeingang, Funktionsaufruf und integrierter Websuche.
Unterstützt Text-, Bild- und Videoeingaben, fünf Argumentationsstufen mit immer aktiviertem Schließen, Funktionsaufrufe, implizite Prompt-Cache-Reads und integrierte Websuche, die pro ausgeführter Suche berechnet wird. Reasoning-Tokens werden als Ausgabetoken abgerechnet.
minimax-m3-1-flash/v1/chat/completionsPOST/v1/responsesPOST/v1/messagesPOST/v1beta/models/minimax-m3-1-flash:generateContentminimax-m3.1-flashminimax/m3.1-flashminimax/minimax-m3.1-flashLive Pay-as-you-go-Preise aus dem EmpirioLabs-Katalog. Du zahlst nur für das, was du nutzt, ohne monatliches Minimum.
MiniMax M3.1 Flash bedient die OpenAI-kompatible Chat Completions API. Richte ein beliebiges OpenAI SDK mit deinem EmpirioLabs API-Schlüssel auf https://api.empiriolabs.ai/v1 und verwende die Modell-ID minimax-m3-1-flash. Hol dir einen API-Schlüssel im EmpirioLabs Dashboard.
curl https://api.empiriolabs.ai/v1/chat/completions \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "minimax-m3-1-flash",
"messages": [
{"role": "user", "content": "Write a haiku about the ocean."}
]
}'from openai import OpenAI
client = OpenAI(
base_url="https://api.empiriolabs.ai/v1",
api_key="YOUR_EMPIRIOLABS_API_KEY",
)
response = client.chat.completions.create(
model="minimax-m3-1-flash",
messages=[{"role": "user", "content": "Write a haiku about the ocean."}],
)
print(response.choices[0].message.content)Request-Parameter, die die MiniMax M3.1 Flash API auf EmpirioLabs unterstützt. Standardwerte gelten, wenn ein Feld weggelassen wird.
| Parameter | Typ | Standard | Bereich / Werte | Beschreibung |
|---|---|---|---|---|
| reasoning_effort | enum | max | low, medium, high, xhigh, max | Das Schließen ist immer aktiviert; das bestimmt, wie viel Aufwand das Modell vor der Antwort aufwendet. Höherer Aufwand verwendet mehr Argumentationstokens. |
| temperature | number | 1 | 0 bis 2 | Kontrolliert Zufall. Niedrigere Werte sind deterministischer; höhere Werte sind eher explorativ. |
| top_p | number | 0.95 | 0 bis 1 | Kontrolliert die Kernprobennahme, indem die Erzeugung auf die wahrscheinlichste Token-Masse beschränkt wird. |
| max_completion_tokens | integer | 32768 | 1 bis 524288 | Maximal generierte Tokens, einschließlich Reasoning Tokens. |
| stop | array | - | - | Optionale Stop-Sequenz oder Liste von Stop-Sequenzen. |
| tool_web_search | boolean | false | - | Suchen Sie im Internet nach Echtzeitinformationen. Fügt $0.01 die Anfragekosten für jeden aufgerufenen Aufruf hinzu. |
| tools | array | - | - | OpenAI-kompatible Werkzeugdefinitionen für Funktionsaufrufe. |
| tool_choice | object | - | - | Optional, OpenAI-kompatibler tool_choice Wert. |
| disable_formatting | boolean | false | - | Geben Sie rohe Ausgaben im Provider-Stil ohne EmpirioLabs Quellformatierung zurück, wo es unterstützt wird. |
Text-, Bild- und Videoeingabe mit Textausgabe, einem 1M Token-Kontext und bis zu 524.288 Ausgabetokens. Das Modell begründet immer: reasoning_effort legt fest, wie tief (niedrig, mittler, hoch, xhoch oder max; standardmäßig ist max), und der Schlusstext wird in reasoning_content zurückgegeben. Reasoning-Tokens werden als Ausgabetoken abgerechnet. Wiederholte Prompt-Präfixe werden automatisch zwischengespeichert und mit der zwischengespeicherten Eingaberate abgerechnet. Setzen Sie tool_web_search auf true, damit das Modell im Web suchen kann; jede ausgeführte Suche wird berechnet, und eine Anfrage kann mehrere Suchen durchführen. Antworten, die mit Websuche verwendet wurden, enden mit einer Quellenliste, es sei denn, disable_formatting ist wahr. Strukturierte Ausgabe über response_format wird nicht unterstützt; fragen Sie stattdessen im Prompt nach JSON.
Wenn dieses Modell Werkzeuge (Websuche, Code-Interpreter usw.) innerhalb einer einzigen Anfrage aufruft, enthält die Antwort eine normalisierte usage.tool_usage Map neben den Token-Zahlen. Das folgende Beispiel zeigt die Form, genaue Feldnamen, Einheiten und welche Werkzeuge je nach Anbieter leicht variieren können:
"usage": {
"prompt_tokens": 123,
"completion_tokens": 456,
"cost_usd": 0.0042,
"tool_usage": {"web_search": 3, "code_interpreter": 1}
}Die Tool-Zählungen sind bereits in cost_usd einbezogen, sie sind zur Transparenz sichtbar, damit man die Rechnungsstellung pro Tool prüfen kann. Das Feld wird weggelassen, wenn keine Tools aktiviert wurden.
Auf EmpirioLabs wird MiniMax M3.1 Flash nach Verbrauch abgerechnet. Die Live-Preistabelle auf dieser Seite entspricht immer dem, was die API berechnet.
MiniMax M3.1 Flash unterstützt ein Kontextfenster von 1M Token mit bis zu 524.288 Ausgabe-Token pro Antwort.
Ja. MiniMax M3.1 Flash bedient die OpenAI-kompatible Chat Completions API. Bestehende OpenAI SDKs funktionieren, indem du base_url auf https://api.empiriolabs.ai/v1 setzt und als Modell-ID minimax-m3-1-flash verwendest.
Ja. Der EmpirioLabs Playground führt MiniMax M3.1 Flash im Browser mit denselben Parametern aus, die die API bietet. So kannst du Prompts testen, bevor du Code schreibst.
Erstelle ein EmpirioLabs-Konto und generiere dann einen Schlüssel unter API Keys im Dashboard. Die Abrechnung erfolgt über Pay-as-you-go-Guthaben, du zahlst also nur für deine Requests.
Schauen Sie sich unsere Preise an oder kontaktieren Sie uns, wenn Sie Ihr eigenes Modell auf unserem Stack implementieren möchten.
