1M संदर्भ, समायोज्य तर्क गहराई, छवि और वीडियो इनपुट, फ़ंक्शन कॉलिंग और अंतर्निहित वेब खोज के साथ फास्ट मल्टीमॉडल कोडिंग और एजेंट मॉडल।
MiniMaxपाठ निर्माण1M कॉन्टेक्स्टरिलीज 19 अक्टू॰ 2026Singaporeस्वामित्व वाला एंडपॉइंटनया1M संदर्भ, समायोज्य तर्क गहराई, छवि और वीडियो इनपुट, फ़ंक्शन कॉलिंग और अंतर्निहित वेब खोज के साथ फास्ट मल्टीमॉडल कोडिंग और एजेंट मॉडल।
पाठ, छवि और वीडियो इनपुट का समर्थन करता है, तर्क के साथ पांच तर्क प्रयास स्तर हमेशा चालू, फ़ंक्शन कॉलिंग, अंतर्निहित प्रॉम्प्ट कैश पढ़ता है, और अंतर्निहित वेब खोज प्रति निष्पादित खोज बिल करता है। रीजनिंग टोकन को आउटपुट टोकन के रूप में बिल किया जाता है।
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-flashEmpirioLabs कैटलॉग से लाइव pay-as-you-go दरें। आप सिर्फ उतना ही भुगतान करते हैं जितना उपयोग करते हैं, कोई मासिक न्यूनतम नहीं।
MiniMax M3.1 Flash OpenAI-संगत Chat Completions API देता है। किसी भी OpenAI SDK को अपनी EmpirioLabs API key के साथ https://api.empiriolabs.ai/v1 पर सेट करें और model id minimax-m3-1-flash उपयोग करें। EmpirioLabs डैशबोर्ड से API key प्राप्त करें।
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)EmpirioLabs पर MiniMax M3.1 Flash API द्वारा समर्थित request पैरामीटर। फ़ील्ड छोड़ने पर डिफ़ॉल्ट मान लागू होते हैं।
| पैरामीटर | प्रकार | डिफॉल्ट | रेंज / मान | विवरण |
|---|---|---|---|---|
| reasoning_effort | enum | max | low, medium, high, xhigh, max | रीजनिंग हमेशा चालू रहती है; यह निर्धारित करता है कि उत्तर देने से पहले मॉडल कितना प्रयास करता है। उच्च प्रयास अधिक तर्क टोकन का उपयोग करता है। |
| temperature | number | 1 | 0 से 2 | यादृच्छिकता को नियंत्रित करता है। कम मूल्य अधिक नियतात्मक होते हैं; उच्च मूल्य अधिक खोजपूर्ण हैं। |
| top_p | number | 0.95 | 0 से 1 | पीढ़ी को सबसे संभावित टोकन द्रव्यमान तक सीमित करके नाभिक नमूने को नियंत्रित करता है। |
| max_completion_tokens | integer | 32768 | 1 से 524288 | रीजनिंग टोकन सहित अधिकतम उत्पन्न टोकन। |
| stop | array | - | - | वैकल्पिक स्टॉप अनुक्रम या स्टॉप अनुक्रमों की सूची। |
| tool_web_search | boolean | false | - | वास्तविक समय की जानकारी के लिए वेब पर खोजें। प्रत्येक आह्वान किए गए कॉल के लिए अनुरोध लागत में $0.01 जोड़ता है. |
| tools | array | - | - | फ़ंक्शन कॉलिंग के लिए OpenAI-संगत टूल परिभाषाएँ। |
| tool_choice | object | - | - | वैकल्पिक OpenAI-संगत tool_choice मूल्य। |
| disable_formatting | boolean | false | - | समर्थित स्रोत स्वरूपण के बिना EmpirioLabs प्रदाता-शैली आउटपुट लौटाएं। |
टेक्स्ट आउटपुट, 1M टोकन संदर्भ और 524,288 आउटपुट टोकन के साथ टेक्स्ट, छवि और वीडियो इनपुट। मॉडल हमेशा कारण देता है: reasoning_effort सेट करता है कि कितनी गहराई (निम्न, मध्यम, उच्च, उच्च, या अधिकतम; डिफ़ॉल्ट अधिकतम है), और रीजनिंग टेक्स्ट reasoning_content में लौटाया जाता है। रीजनिंग टोकन को आउटपुट टोकन के रूप में बिल किया जाता है। बार-बार प्रॉम्प्ट उपसर्गों को स्वचालित रूप से कैश किया जाता है और कैश्ड इनपुट दर पर बिल किया जाता है। मॉडल को वेब पर खोज करने देने के लिए tool_web_search को सही पर सेट करें; प्रत्येक निष्पादित खोज को बिल किया जाता है, और एक अनुरोध कई खोज चला सकता है। वेब खोज का उपयोग करने वाले उत्तर स्रोत सूची के साथ समाप्त होते हैं जब तक कि disable_formatting सत्य न हो। response_format के माध्यम से संरचित आउटपुट समर्थित नहीं है; इसके बजाय प्रॉम्प्ट में JSON के लिए पूछें।
जब यह मॉडल एक ही अनुरोध के अंदर टूल (वेब खोज, कोड दुभाषिया, आदि) का आह्वान करता है, तो प्रतिक्रिया टोकन गणना के साथ एक सामान्यीकृत usage.tool_usage मानचित्र को वहन करती है। नीचे दिया गया उदाहरण आकार, सटीक फ़ील्ड नाम, इकाइयाँ दिखाता है, और कौन से उपकरण दिखाई देते हैं, प्रति प्रदाता थोड़ा भिन्न हो सकते हैं:
"usage": {
"prompt_tokens": 123,
"completion_tokens": 456,
"cost_usd": 0.0042,
"tool_usage": {"web_search": 3, "code_interpreter": 1}
}टूल काउंट पहले से ही cost_usd में फैक्टर किए गए हैं, वे पारदर्शिता के लिए सामने आए हैं ताकि आप प्रति-टूल बिलिंग का ऑडिट कर सकें। जब कोई उपकरण लागू नहीं किया गया था तो फ़ील्ड को छोड़ दिया जाता है।
EmpirioLabs पर MiniMax M3.1 Flash का बिल उपयोग के अनुसार बनता है। इस पेज की लाइव दर तालिका हमेशा API की वास्तविक बिलिंग से मेल खाती है।
MiniMax M3.1 Flash 1M टोकन की context window समर्थित करता है, प्रति उत्तर अधिकतम 5,24,288 आउटपुट टोकन के साथ।
हां। MiniMax M3.1 Flash OpenAI-संगत Chat Completions API देता है, इसलिए मौजूदा OpenAI SDKs base_url को https://api.empiriolabs.ai/v1 पर सेट करके और model id minimax-m3-1-flash रखकर काम करते हैं।
हां। EmpirioLabs playground ब्राउज़र में MiniMax M3.1 Flash को उन्हीं पैरामीटरों के साथ चलाता है जो API देता है, ताकि आप कोड लिखने से पहले prompt आज़मा सकें।
EmpirioLabs खाता बनाएं, फिर डैशबोर्ड में API Keys में key जनरेट करें। बिलिंग pay-as-you-go क्रेडिट से होती है, इसलिए आप सिर्फ अपनी requests का भुगतान करते हैं।
हमारे मूल्य निर्धारण की जाँच करें या यदि आप चाहते हैं कि आपका अपना मॉडल हमारे स्टैक पर तैनात किया जाए, तो पहुंचें।
