一個驗證,對應所有 provider
一組 RunAPI key 即可解鎖整個 catalog。無需分開帳戶,亦無需為每個整合輪換密鑰。
透過 RunAPI 使用 MiniMax API,包含 model skill、統一驗證與按用量計費。
# 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_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "MiniMax-M3",
"messages": [
{
"role": "user",
"content": "根據呢份 API spec,生成 typed client,針對 mock server 撰寫整合測試,並反覆修改直到通過。"
}
]
}'
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": "根據呢份 API spec,生成 typed client,針對 mock server 撰寫整合測試,並反覆修改直到通過。"}]
)
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: "根據呢份 API spec,生成 typed client,針對 mock server 撰寫整合測試,並反覆修改直到通過。" }]
});
MiniMax 嘅 M-series 係為高成本效益程式碼工作而設嘅 sparse Mixture-of-Experts 文字模型。M2 到 M2.7(總參數 230B / 約 10B 啟用、256 位專家)提供 200K 上下文,代理能力逐步加強,M2.7 喺 SWE-bench Pro 達到 56.2%。MiniMax-M3 採用更大、唔同嘅架構,以新 Sparse Attention 設計恢復 1M 上下文,喺 SWE-bench Verified 取得 80.5%,喺 SWE-bench Pro 取得 59.0%。Highspeed 變體以相同權重用約 100 tokens/sec 運行,適合低延遲工作。全部都可以透過 RunAPI 用一把金鑰同按 token 計費使用。
| Endpoint | Protocol |
|---|---|
POST /v1/chat/completions | OpenAI compatible |
POST /v1/responses | OpenAI Responses |
POST /v1/messages | Anthropic compatible |
POST /v1beta/models/{model}:generateContent | Gemini generateContent |
POST /v1beta/models/{model}:streamGenerateContent | Gemini streamGenerateContent |
| 變體 | 計費 | 定價 | |
|---|---|---|---|
| MiniMax-M2 | 1K tokens | 輸入 $0.19 / 百萬 tokens | 輸出 $0.73 / 百萬 tokens | 查看 → |
| MiniMax-M2.1 | 1K tokens | 輸入 $0.19 / 百萬 tokens | 輸出 $0.73 / 百萬 tokens | 查看 → |
| MiniMax-M2.5 | 1K tokens | 輸入 $0.19 / 百萬 tokens | 輸出 $0.73 / 百萬 tokens | 查看 → |
| MiniMax-M2.5-highspeed | 1K tokens | 輸入 $0.37 / 百萬 tokens | 輸出 $1.46 / 百萬 tokens | 查看 → |
| MiniMax-M2.7 | 1K tokens | 輸入 $0.19 / 百萬 tokens | 輸出 $0.73 / 百萬 tokens | 查看 → |
| MiniMax-M2.7-highspeed | 1K tokens | 輸入 $0.37 / 百萬 tokens | 輸出 $1.46 / 百萬 tokens | 查看 → |
| MiniMax-M3 | 1K tokens | 輸入 $0.18-$0.36 / 百萬 tokens | 輸出 $0.72-$1.44 / 百萬 tokens | 查看 → |
| Endpoint | 解析度 | 時長 | 價格 | |
|---|---|---|---|---|
| chat_completion | — | — | 輸入 $0.19 / 百萬 tokens | 輸出 $0.73 / 百萬 tokens |
以下為 MiniMax-M2 的定價。其他變體保留各自的 endpoint 定價。
挑選符合輸出類型、品質門檻與延遲目標的模型與變體。
設定 RunAPI key,並在 coding workspace 安裝 model skill。
使用 skill 指引,在你的 app 內加入模型功能。
透過 task ID 查詢、在支援時串流,或處理 webhook callback。
一組 RunAPI key 即可解鎖整個 catalog。無需分開帳戶,亦無需為每個整合輪換密鑰。
按次以 USD 收費,每月結算。失敗的生成不會收費。
型別化 schema 與 setup 備註打包在 model skill 內,讓實作從正確契約開始。
唔一樣。呢啲係 MiniMax 用於程式碼同聊天嘅文字語言模型;Hailuo 係 MiniMax 另一條影片生成產品線。
MiniMax-M3 最強,具備 1M 上下文、80.5% SWE-bench Verified,亦係第一個結合前沿程式碼能力同百萬 token 上下文嘅開放權重模型。M2.7 係最佳 200K 上下文選項。Highspeed 變體(M2.5 同 M2.7)以相同權重用約 100 tokens/sec 運行,以較高 token 成本換取更低延遲。
使用 OpenAI SDK(Chat Completions 或 Responses)或者 Anthropic Messages SDK 連到 RunAPI,並傳入 MiniMax model id;proxy 會調整協定。
按 token、按用量計費,採用 RunAPI 為每個模型公布嘅輸入同輸出費率。Highspeed 變體按其單獨公布嘅費率計費,輸出質素相同,吞吐量更高。
先選最平而且符合你質素要求的版本。大多數團隊會先用快速版本,之後再升級到 pro 用於正式生產。
建立帳戶和 API Key 免費。API 呼叫採預付增值、按用量收費,增值後即可使用。