Codage multimodal rapide et modèle d’agent avec contexte 1M, profondeur de raisonnement ajustable, entrée image et vidéo, appel de fonctions et recherche web intégrée.
MiniMaxGénération de texte1M contextePublié 19 oct. 2026SingaporeEndpoint propriétaireNouveauCodage multimodal rapide et modèle d’agent avec contexte 1M, profondeur de raisonnement ajustable, entrée image et vidéo, appel de fonctions et recherche web intégrée.
Prend en charge l’entrée de texte, d’images et de vidéo, cinq niveaux d’effort de raisonnement avec raisonnement toujours activé, appel de fonction, lectures implicites de cache d’invites, et la recherche web intégrée facturée par recherche exécutée. Les jetons de raisonnement sont annoncés comme des jetons de sortie.
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-flashTarifs à l'usage en direct du catalogue EmpirioLabs. Vous ne payez que ce que vous utilisez, sans minimum mensuel.
MiniMax M3.1 Flash sert l'API Chat Completions compatible OpenAI. Pointez n'importe quel SDK OpenAI vers https://api.empiriolabs.ai/v1 avec votre clé API EmpirioLabs et utilisez l'id de modèle minimax-m3-1-flash. Obtenez une clé API depuis le tableau de bord EmpirioLabs.
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)Paramètres de requête pris en charge par l'API MiniMax M3.1 Flash sur EmpirioLabs. Les valeurs par défaut s'appliquent quand un champ est omis.
| Paramètre | Type | Par défaut | Plage / valeurs | Description |
|---|---|---|---|---|
| reasoning_effort | enum | max | low, medium, high, xhigh, max | Le raisonnement est toujours activé; cela détermine combien d’efforts le modèle consacre avant de répondre. Un effort plus élevé utilise plus de jetons de raisonnement. |
| temperature | number | 1 | 0 à 2 | Contrôle l’aléatoire. Les valeurs inférieures sont plus déterministes; Les valeurs plus élevées sont plus exploratoires. |
| top_p | number | 0.95 | 0 à 1 | Contrôle l’échantillonnage du noyau en limitant la génération à la masse token la plus probable. |
| max_completion_tokens | integer | 32768 | 1 à 524288 | Nombre maximal de jetons générés, y compris les jetons de raisonnement. |
| stop | array | - | - | Séquence d’arrêts optionnelle ou liste de séquences d’arrêts. |
| tool_web_search | boolean | false | - | Cherchez sur internet des informations en temps réel. Ajoute $0.01 au coût de la requête pour chaque appel invoqué. |
| tools | array | - | - | Définitions d’outils compatibles OpenAI pour l’appel de fonctions. |
| tool_choice | object | - | - | Option compatible OpenAI tool_choice valeur. |
| disable_formatting | boolean | false | - | Retournez une sortie brute de type fournisseur sans formatage EmpirioLabs source lorsque cela est supporté. |
Entrées texte, image et vidéo avec sortie texte, un contexte de jeton 1M, et jusqu’à 524 288 jetons de sortie. Le modèle raisonne toujours: reasoning_effort définit la profondeur (faible, moyen, haut, xhigh ou max; le texte par défaut est max), et le texte de raisonnement est retourné en reasoning_content. Les jetons de raisonnement sont facturés comme des jetons de sortie. Les préfixes répétés des invites sont mis en cache automatiquement et facturés au taux d’entrée mis en cache. Réglez tool_web_search sur true pour permettre au modèle de rechercher sur le web; chaque recherche exécutée est facturée, et une requête peut effectuer plusieurs recherches. Les réponses utilisant la recherche web se terminent par une liste Sources sauf disable_formatting est vraie. La sortie structurée via response_format n’est pas prise en charge; demandez plutôt du JSON dans l’invite.
Lorsque ce modèle invoque des outils (recherche web, interpréteur de code, etc.) dans une seule requête, la réponse porte une carte de usage.tool_usage normalisée aux côtés des comptes de jetons. L’exemple ci-dessous montre la forme, les noms exacts des champs, les unités et les outils qui apparaissent peuvent légèrement varier selon le fournisseur:
"usage": {
"prompt_tokens": 123,
"completion_tokens": 456,
"cost_usd": 0.0042,
"tool_usage": {"web_search": 3, "code_interpreter": 1}
}Le nombre d’outils est déjà pris en compte dans cost_usd, il est mis en surface pour la transparence afin que vous puissiez auditer la facturation par outil. Le champ est omis lorsqu’aucun outil n’a été invoqué.
Sur EmpirioLabs, MiniMax M3.1 Flash est facturé à l'usage. La grille tarifaire en direct de cette page correspond toujours à ce que l'API facture.
MiniMax M3.1 Flash prend en charge une fenêtre de contexte de 1M tokens avec jusqu'à 524 288 tokens de sortie par réponse.
Oui. MiniMax M3.1 Flash sert l'API Chat Completions compatible OpenAI : les SDKs OpenAI existants fonctionnent en pointant base_url vers https://api.empiriolabs.ai/v1 et en utilisant l'id de modèle minimax-m3-1-flash.
Oui. Le playground EmpirioLabs exécute MiniMax M3.1 Flash dans le navigateur avec les mêmes paramètres que l'API expose, pour tester vos prompts avant d'écrire du code.
Créez un compte EmpirioLabs, puis générez une clé sous API Keys dans le tableau de bord. La facturation utilise des crédits à l'usage : vous ne payez que vos requêtes.
Consultez nos tarifs ou contactez-nous si vous souhaitez que votre propre modèle soit déployé sur notre stack.
