一組驗證，全部供應商通用
一把 RunAPI 金鑰就能開通整個目錄。無需分開註冊帳戶，也不用為每個整合各自輪替金鑰。
# 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": "根據這份 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": "根據這份 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: "根據這份 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。" }]
});OVERVIEW
關於 MiniMax
MiniMax 的 M-series 是為高成本效益程式碼工作打造的 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，代理能力逐步增強，M2.7 在 SWE-bench Pro 達到 56.2%。MiniMax-M3 採用更大且不同的架構，以新的 Sparse Attention 設計恢復 1M 上下文，在 SWE-bench Verified 取得 80.5%，在 SWE-bench Pro 取得 59.0%。Highspeed 變體以相同權重在約 100 tokens/sec 運行，適合低延遲需求。全部都可透過 RunAPI 以單一金鑰與按 token 計費使用。
供應商
MiniMax
模態
文字
MiniMax API 端點
| 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 |
比較所有 API 變體
| 變體 | 計費方式 | 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 → |
PRICING
MiniMax 定價
| Endpoint | 解析度 | 時長 | 價格 | |
|---|---|---|---|---|
| chat_completion | — | — | 輸入 $0.19 / 百萬 tokens | 輸出 $0.73 / 百萬 tokens |
顯示 MiniMax-M2 的定價。其他變體保有各自的 endpoint 定價。
Agent 整合
透過 Agent 執行 MiniMax
運作方式
MiniMax 快速入門
-
選擇模型
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
設定 RunAPI key，並在 coding workspace 安裝 model skill。
-
開發
使用 skill 指引，在你的 app 內加入模型功能。
-
接收
透過 task ID 查詢、在支援時串流，或處理 webhook callback。
為什麼透過 RunAPI 使用 MiniMax API
統一價格與計費
以美元按次計費，每月結帳。失敗的生成不收費。
內含 schema 的 skill
型別化 schema 與 setup 備註打包在 model skill 內，讓實作從正確契約開始。
MiniMax 常見問題
這些和 MiniMax Hailuo 影片模型一樣嗎？
不一樣。這些是 MiniMax 用於程式碼與聊天的文字語言模型；Hailuo 是 MiniMax 另一條影片生成產品線。
我該選哪個 MiniMax 文字模型？
MiniMax-M3 最強，具備 1M 上下文、80.5% SWE-bench Verified，也是第一個結合前沿程式碼能力與百萬 token 上下文的開放權重模型。M2.7 是最佳 200K 上下文選項。Highspeed 變體（M2.5 和 M2.7）以相同權重在約 100 tokens/sec 運行，以更高 token 成本換取更低延遲。
哪些 SDK 可以透過 RunAPI 呼叫 MiniMax 文字模型？
使用 OpenAI SDK（Chat Completions 或 Responses）或 Anthropic Messages SDK 連到 RunAPI，並傳入 MiniMax model id；proxy 會調整協定。
MiniMax 文字模型如何計費？
依 token 按用量計費，採用 RunAPI 為各模型公布的輸入與輸出費率。Highspeed 變體依其單獨公布的費率計費，輸出品質相同，吞吐量更高。
我應該先從哪個版本開始？
先選擇符合你品質標準中最便宜的版本。大多數團隊會先用快速版本，之後再升級到專業版用於正式上線。
有免費方案嗎？
建立帳戶和 API Key 免費。API 呼叫採預付儲值、按量計費，儲值後即可使用。
相似模型