MiniMax API
RunAPI経由のMiniMaxテキストAPIアクセス — 200K〜1MコンテキストのスパースMoEモデル、最大80.5% SWE-bench Verified。
# 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": "このAPI仕様に基づいて型付きクライアントを生成し、モックサーバーに対する統合テストを書き、パスするまで反復してください。"
}
]
}'
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": "このAPI仕様に基づいて型付きクライアントを生成し、モックサーバーに対する統合テストを書き、パスするまで反復してください。"}]
)
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: "このAPI仕様に基づいて型付きクライアントを生成し、モックサーバーに対する統合テストを書き、パスするまで反復してください。" }]
});
MiniMaxのMシリーズは、コスト効率の高いコーディング向けに構築されたスパースMixture-of-Expertsテキストモデルです。M2からM2.7(総230B / アクティブ約10B、256エキスパート)は200Kコンテキストを提供し、段階的に強化されたエージェント機能を備えます — M2.7はSWE-bench Proで56.2%に到達します。MiniMax-M3はより大規模で異なるアーキテクチャを採用し、新しいSparse Attention設計で1Mコンテキストを復活させ、SWE-bench Verifiedで80.5%、SWE-bench Proで59.0%を記録します。Highspeedバリアントは同じ重みを約100 tokens/secで実行し、レイテンシ重視の作業に適しています。すべて1つのキーとトークン単位の課金でRunAPI経由で利用できます。
- 品質とレイテンシ目標に合わせたモデルバリアント
- 統合 API key
- Model skill に docs、schema、セットアップメモを同梱
- 失敗した生成は課金されません
バリアント
| Variant | Billing | Pricing | |
|---|---|---|---|
| MiniMax-M2 | 1K tokens | Input $0.19 / 1M tokens | Output $0.73 / 1M tokens | 見る → |
| MiniMax-M2.1 | 1K tokens | Input $0.19 / 1M tokens | Output $0.73 / 1M tokens | 見る → |
| MiniMax-M2.5 | 1K tokens | Input $0.19 / 1M tokens | Output $0.73 / 1M tokens | 見る → |
| MiniMax-M2.5-highspeed | 1K tokens | Input $0.37 / 1M tokens | Output $1.46 / 1M tokens | 見る → |
| MiniMax-M2.7 | 1K tokens | Input $0.19 / 1M tokens | Output $0.73 / 1M tokens | 見る → |
| MiniMax-M2.7-highspeed | 1K tokens | Input $0.37 / 1M tokens | Output $1.46 / 1M tokens | 見る → |
| MiniMax-M3 | 1K tokens | Input $0.18-$0.36 / 1M tokens | Output $0.72-$1.44 / 1M tokens | 見る → |
MiniMax API エンドポイント
OpenAI または Anthropic SDK を RunAPI キーで利用できます。追加 SDK は不要です。
| 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 |
この model skill で構築する方法
モデルを選ぶ
出力タイプ、品質基準、レイテンシ目標に合うモデルとバリアントを選びます。
一度だけ認証
対応するすべてのモデルに RunAPI key を使います。
skill をインストール
機能実装の前に model skill をコード作業環境へ追加します。
出力を受け取る
task ID でポーリングするか、生成完了時の callback を処理します。
MiniMax の位置づけ
MiniMax MシリーズのテキストモデルはスパースMoE LLMで、200K〜1Mコンテキストを持ち、密なモデルの数分の一のコストでフロンティア級のコーディングスコアを提供します。RunAPI経由では、1つのAPIキーと従量課金制のトークン課金を共有し、OpenAI Chat Completions、OpenAI Responses、Anthropic Messagesサーフェスから呼び出せます。これらはMiniMaxのテキストモデルであり、MiniMax Hailuo動画生成とは別です。
RunAPI 経由で MiniMax を使う理由
1つの API key
モデルやプロバイダーをまたいで同じ認証情報を使えます。
Skill-ready
model skill に schema、セットアップメモ、料金コンテキスト、モデル ID が含まれます。
予測しやすい請求
呼び出し前に従量料金を確認できます。
よくある質問
これはMiniMax Hailuo動画モデルと同じですか?
いいえ。これらはコーディングとチャット向けのMiniMaxテキスト言語モデルです。HailuoはMiniMaxの別の動画生成ラインです。
どのMiniMaxテキストモデルを選ぶべきですか?
MiniMax-M3が最も強力です — 1Mコンテキスト、80.5% SWE-bench Verifiedを備え、フロンティア級コーディングと100万トークンコンテキストを組み合わせた初のオープンウェイトモデルです。M2.7は200Kコンテキストで最良の選択肢です。Highspeedバリアント(M2.5とM2.7)は同じ重みを約100 tokens/secで実行し、より高いトークン単価で低レイテンシを実現します。
RunAPI経由でMiniMax textを呼び出せるSDKは?
OpenAI SDK(Chat CompletionsまたはResponses)またはAnthropic Messages SDKをRunAPIに向け、MiniMaxモデルIDを渡してください。プロキシがプロトコルを適応します。
MiniMax textはどのように課金されますか?
各モデルについてRunAPIが公開している入力・出力レートに基づくトークン単位の従量課金です。Highspeedバリアントは、同じ出力品質をより高いスループットで提供する代わりに、標準のおよそ2倍のコストです。
このモデルはどう呼び出しますか?
model skill をインストールし、RunAPI key とセットアップメモに従ってください。
失敗した生成は課金されますか?
失敗した生成は課金されません
アプリケーションから呼び出せますか?
はい。コード作業環境に model skill をインストールし、モデル機能を追加するときに利用してください。