Text · MiniMax

MiniMax API

Accès API texte MiniMax via RunAPI — modèles MoE sparse de 200K à 1M de contexte, jusqu'à 80,5 % SWE-bench Verified.

Opérationnel · 7 variants · à partir de $0.0002
runapi.ai
# Base URL
https://runapi.ai

# Endpoints
POST /v1/chat/completions
POST /v1/responses
POST /v1/messages
POST /v1beta/models/{model}:generateContent
POST /v1beta/models/{model}:streamGenerateContent
curl https://runapi.ai/v1/chat/completions \
  -H "Authorization: Bearer $RUNAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "MiniMax-M3",
  "messages": [
    {
      "role": "user",
      "content": "À partir de cette spécification API, générez un client typé, écrivez des tests d'intégration contre un serveur mock et itérez jusqu'à ce qu'ils passent."
    }
  ]
}'
from openai import OpenAI

client = OpenAI(
    base_url="https://runapi.ai/v1",
    api_key="your-runapi-key"
)

response = client.chat.completions.create(
    model="MiniMax-M3",
    messages=[{"role": "user", "content": "À partir de cette spécification API, générez un client typé, écrivez des tests d'intégration contre un serveur mock et itérez jusqu'à ce qu'ils passent."}]
)
import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://runapi.ai/v1",
  apiKey: "your-runapi-key"
});

const response = await client.chat.completions.create({
  model: "MiniMax-M3",
  messages: [{ role: "user", content: "À partir de cette spécification API, générez un client typé, écrivez des tests d'intégration contre un serveur mock et itérez jusqu'à ce qu'ils passent." }]
});
https://runapi.ai 5 endpoints
APERÇU

La série M de MiniMax regroupe des modèles texte sparse Mixture-of-Experts conçus pour du code économique. M2 à M2.7 (230B total / ~10B actifs, 256 experts) offrent un contexte 200K avec des capacités agentiques progressivement renforcées — M2.7 atteint 56,2 % sur SWE-bench Pro. MiniMax-M3 utilise une architecture plus grande et différente pour rétablir le contexte 1M avec un nouveau design Sparse Attention, obtenant 80,5 % sur SWE-bench Verified et 59,0 % sur SWE-bench Pro. Les variantes Highspeed exécutent les mêmes poids à ~100 tokens/sec pour les tâches sensibles à la latence. Tous sont disponibles via RunAPI avec une seule clé et une facturation au token.

  • Variantes de modèle pour différents objectifs de qualité et de latence
  • API key unifiée
  • Le model skill inclut docs, schémas et notes de setup
  • Les générations échouées ne sont pas facturées
VARIANTES

Variantes

Variant Billing Pricing
MiniMax-M2 1K tokens Input $0.19 / 1M tokens | Output $0.73 / 1M tokens Voir →
MiniMax-M2.1 1K tokens Input $0.19 / 1M tokens | Output $0.73 / 1M tokens Voir →
MiniMax-M2.5 1K tokens Input $0.19 / 1M tokens | Output $0.73 / 1M tokens Voir →
MiniMax-M2.5-highspeed 1K tokens Input $0.37 / 1M tokens | Output $1.46 / 1M tokens Voir →
MiniMax-M2.7 1K tokens Input $0.19 / 1M tokens | Output $0.73 / 1M tokens Voir →
MiniMax-M2.7-highspeed 1K tokens Input $0.37 / 1M tokens | Output $1.46 / 1M tokens Voir →
MiniMax-M3 1K tokens Input $0.18-$0.36 / 1M tokens | Output $0.72-$1.44 / 1M tokens Voir →
API

Points d'accès API MiniMax

Utilisez le SDK OpenAI ou Anthropic avec votre clé RunAPI. Aucun SDK supplémentaire requis.

Endpoint Protocol
/v1/chat/completions OpenAI compatible
/v1/responses OpenAI Responses
/v1/messages Anthropic compatible
/v1beta/models/{model}:generateContent Gemini generateContent
/v1beta/models/{model}:streamGenerateContent Gemini streamGenerateContent
FONCTIONNEMENT

Construire avec ce model skill

01

Choisir le modèle

Sélectionnez le modèle et la variante adaptés au type de sortie, au niveau de qualité et à la latence cible.

02

S'authentifier une fois

Utilisez votre clé RunAPI pour tous les modèles pris en charge.

03

Installer le skill

Ajoutez le model skill à votre workspace de code avant d'implémenter la fonctionnalité.

04

Recevoir la sortie

Interrogez par task ID ou traitez le callback quand la génération se termine.

CONTEXTE

Où utiliser MiniMax

Les modèles texte MiniMax série M sont des LLM MoE sparse avec contexte 200K–1M, livrant des scores de code frontier pour une fraction du coût des modèles denses. Via RunAPI, ils partagent une seule clé API avec facturation au token à l'usage, et sont appelables depuis OpenAI Chat Completions, OpenAI Responses et Anthropic Messages. Ce sont les modèles texte de MiniMax, distincts de la génération vidéo MiniMax Hailuo.

Provider
MiniMax
Modality
Text
POURQUOI RUNAPI

Pourquoi utiliser MiniMax via RunAPI

Une API key

Utilisez les mêmes identifiants pour les modèles et les fournisseurs.

Prêt pour les skills

Le model skill inclut schémas, notes de setup, contexte tarifaire et IDs de modèle.

Facturation prévisible

Les tarifs à l'usage sont visibles avant l'appel.

FAQ

Questions fréquentes

S'agit-il des mêmes modèles que MiniMax Hailuo vidéo ?

Non. Ce sont les modèles de langage texte de MiniMax pour le code et le chat ; Hailuo est la ligne séparée de génération vidéo de MiniMax.

Quel modèle texte MiniMax choisir ?

MiniMax-M3 est le plus fort — contexte 1M, 80,5 % SWE-bench Verified, et le premier modèle open-weight combinant code frontier et contexte million-token. M2.7 est la meilleure option à contexte 200K. Les variantes Highspeed (M2.5 et M2.7) exécutent les mêmes poids à ~100 tokens/sec pour une latence réduite à un coût token plus élevé.

Quels SDKs peuvent appeler MiniMax texte via RunAPI ?

Utilisez le SDK OpenAI (Chat Completions ou Responses) ou le SDK Anthropic Messages avec RunAPI et l'identifiant de modèle MiniMax ; le proxy adapte le protocole.

Comment MiniMax texte est-il facturé ?

Au token selon les tarifs d'entrée et de sortie publiés par RunAPI pour chaque modèle, à l'usage. Les variantes Highspeed coûtent environ 2× le standard pour la même qualité de sortie avec un débit plus élevé.

Comment appeler ce modèle ?

Installez le model skill et suivez ses notes de setup avec votre clé RunAPI.

Les générations échouées coûtent-elles quelque chose ?

Les générations échouées ne sont pas facturées

Puis-je l'appeler depuis mon application ?

Oui. Installez le model skill dans votre workspace de code et utilisez-le pendant l'ajout de la fonctionnalité.

COMMENCER

Commencez à construire avec MiniMax.