MiniMax M3 API: 백만 토큰 문맥, 가격, 코딩 가이드 2026

MiniMax M3 API는 코딩 에이전트, 장기 실행 도구 워크플로우, 다중 모달 분석을 위해 설계되었습니다. 텍스트, 이미지, 동영상을 받고 백만 토큰까지의 문맥을 지원하며, 지연 시간 대비 더 깊은 추론의 트레이드오프를 위해 사고 제어를 노출합니다. 공개 가중치도 있지만, 800GB급 체크포인트를 운영하고 싶지 않은 팀은 호스팅 API가 실용적인 경로입니다.

이 가이드는 MiniMax의 직접 API 동작과 현재 reAPI 경로를 구분합니다. 모델 ID, 가격대, 요청 표면이 같지 않으므로 이 구별이 중요합니다.

TL;DR

MiniMax는 2026년 6월 1일에 M3를 출시했으며, MiniMax 커뮤니티 라이선스에 따라 모델 가중치를 발행했습니다.^[1]
호스팅 모델은 백만 토큰까지 지원하며 텍스트, 이미지, 동영상 입력을 기본 지원합니다.^[2]
MiniMax는 직접 API 호출을 512K 입력 토큰의 경계에서 다르게 가격 책정합니다.
reAPI는 현재 플랫 요율을 사용합니다: 입력 백만 토큰당 $0.60, 출력 $2.40, 캐시 읽기 $0.12.
M3를 저장소 분석, 코딩 에이전트, 문서 중심 작업, 다중 모달 작업에 사용합니다. 백만 토큰 윈도우가 검색, 압축, 프롬프트 조직을 불필요하게 만들지 않는다고 가정하지 않습니다.

MiniMax M3 API 사양

사양	MiniMax M3
출시일	2026년 6월 1일
문맥 윈도우	백만 토큰까지
보장된 호스팅 문맥	최소 512K 토큰
입력 양식	텍스트, 이미지, 동영상
출력	텍스트
추론 모드	활성화됨, 적응형, 비활성화됨
권장 샘플링	`temperature: 1.0`, `top_p: 0.95`
reAPI 모델 ID	`minimax/minimax-m3`
reAPI 엔드포인트	`/v1/chat/completions`
가중치	Hugging Face 및 GitHub에 발행됨

MiniMax는 M3를 MiniMax 스파스 주의력(Sparse Attention)으로 구동되는 코딩 및 에이전트 모델로 설명합니다. 아키텍처는 백만 토큰 주의력의 계산 및 메모리 비용을 줄이도록 설계되었습니다. 이것은 아키텍처에 대한 벤더 주장이지, 모든 백만 토큰 요청이 전체 시퀀스에 걸쳐 빠르거나 동등하게 정확할 것이라는 보장이 아닙니다.

발행된 체크포인트는 약 4,270억 매개변수이며 주요 Hugging Face 저장소는 로컬 서빙 오버헤드 이전에 약 854GB입니다. 로컬 배포는 SGLang, vLLM, Transformers, KTransformers와 같은 프레임워크를 통해 가능하지만, 단일 GPU 모델은 아닙니다.^[1]

MiniMax M3 API 가격 설명

MiniMax의 직접 API는 일반 및 긴 문맥 호출을 분리합니다. 현재 프로모션 요금표는 다음 표준 서비스 가격을 나열합니다:

경로	입력 / 백만	출력 / 백만	캐시 읽기 / 백만
MiniMax 직접, 입력 ≤512K	$0.30	$1.20	$0.06
MiniMax 직접, 입력 512K–1M	$0.60	$2.40	$0.12
reAPI 현재 요율	$0.60	$2.40	$0.12

위의 직접 가격은 MiniMax가 2026년 8월 1일에 표시한 할인된 요율입니다. 페이지에는 더 높은 취소선 정가도 표시되므로 프로덕션 예산은 할인을 모델의 영구적 속성으로 취급하기보다는 검색 날짜를 저장해야 합니다.^[3]

reAPI는 512K 경계에서 가격을 변경하는 대신 플랫 토큰 요율을 사용합니다. 이는 추정이 더 쉽지만 짧은 문맥 호출은 MiniMax의 직접 프로모션 층을 통해 더 저렴할 수 있습니다.

512K 경계, 1M 윈도우, 현재 reAPI 플랫 요율을 보여주는 MiniMax M3 문맥 및 가격 맵

현실적인 비용 예시

저장소 분석 작업이 reAPI를 통해 180,000개의 캐시되지 않은 입력 토큰을 보내고 12,000개의 출력 토큰을 반환한다고 가정합니다:

입력  = 180,000 / 1,000,000 × $0.60 = $0.1080
출력  =  12,000 / 1,000,000 × $2.40 = $0.0288
합계  = $0.1368

동일한 워크플로우는 반복된 접두사가 캐시에 도달할 때 더 저렴해집니다. 안정적인 도구 정의, 저장소 지침, 시스템 문맥을 먼저 놓으세요. 변경되는 작업 세부사항은 끝 부분에 보관하세요. MiniMax는 자동 프롬프트 캐싱이 접두사 일치를 사용하고 최소 512 토큰의 입력에 적용된다고 말합니다.^[4]

reAPI를 통해 MiniMax M3을 호출하는 방법

reAPI 경로는 친숙한 OpenAI Chat Completions 형태를 사용합니다. 중요한 세부사항은 네임스페이스된 모델 ID입니다.

curl https://api.reapi.ai/v1/chat/completions \
  -H "Authorization: Bearer $REAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "minimax/minimax-m3",
    "messages": [
      {
        "role": "system",
        "content": "Review code conservatively. State assumptions before editing."
      },
      {
        "role": "user",
        "content": "Find the race condition in this queue worker and propose a minimal patch."
      }
    ],
    "temperature": 1,
    "top_p": 0.95,
    "max_tokens": 8192
  }'

프로덕션 키와 통합할 때 모델 검색에서 반환된 정확한 ID를 사용하세요. MiniMax M3 모델 페이지와 API 문서는 현재 reAPI 표면을 보여줍니다.

MiniMax의 직접 엔드포인트는 reAPI 네임스페이스 ID 대신 MiniMax-M3을 사용합니다. 한 제공자의 모델 문자열을 다른 제공자의 요청에 복사하고 게이트웨이가 정규화할 것이라고 가정하지 마세요.

사고 모드 및 에이전트 동작

공개 모델 카드는 세 가지 추론 모드를 문서화합니다:

enabled: 항상 명시적 추론을 사용합니다.
adaptive: M3가 추가 추론이 유용한 시점을 결정하도록 합니다.
disabled: 지연 시간을 최소화하고 처리량을 최대화합니다.

코드 검토, 디버깅, 다단계 계획, 도구 집약적 에이전트의 경우 적응형 또는 활성화된 추론으로 시작하세요. 자동 완성, 분류, 짧은 변환의 경우 비활성화된 추론이 지연을 줄일 수 있습니다. MiniMax는 사고 켜기/끄기가 동일한 직접 API 토큰 요율을 공유한다고 말합니다. 비용 차이는 요청이 결국 얼마나 많은 토큰을 소비하는지에서 발생하며, 별도 추론 할증료가 아닙니다.^[2]

추론 제어는 호스팅된 경로 간에 다를 수 있습니다. 애플리케이션이 특정 thinking 필드에 의존하는 경우, 모든 OpenAI 호환 엔드포인트가 이를 전달한다고 가정하지 말고 배포 전에 수락된 요청 스키마를 테스트합니다.

백만 토큰 윈도우가 도움이 되는 곳

긴 문맥 윈도우는 모델이 여러 관련 아티팩트를 동시에 필요로 할 때 가장 유용합니다:

저장소에 문제 이력 및 빌드 로그 포함;
교차 문서 참조가 있는 긴 계약 세트;
선택된 프레임과 쌍을 이루는 동영상 기록;
나중 결정을 위해 사용 가능한 상태를 유지해야 하는 다단계 에이전트 추적.

프롬프트가 필터링되지 않은 덤프인 경우는 덜 유용합니다. 큰 입력은 지연을 증가시키고 관련 증거를 묻을 수 있습니다. 프로덕션 에이전트는 여전히 파일을 중복 제거하고 가능한 섹션을 먼저 검색하며 완료된 도구 추적을 요약하고 확인을 위해 정확한 소스 위치를 보존해야 합니다.

결정이 주로 공개 가중치와 관리되는 안정성에 관한 것이라면, Kimi K3과 Claude Opus 5를 비교하세요. 또 다른 저렴한 백만 토큰 코딩 모델은 GLM-5.2 API 가이드를 참조하세요.

MiniMax M3 제한

주요 제약은 운영 규모입니다. 가중치를 발행하면 팀에 배포 제어를 제공하지만, 4,270억 매개변수 다중 모달 모델을 쉽게 서빙할 수는 없습니다. 양자화는 메모리를 줄이지만, 긴 문맥은 KV-캐시와 처리량 압력을 다시 시스템에 추가합니다.

벤치마크 주장도 문맥이 필요합니다. MiniMax는 SWE-Bench Pro에서 59.0%, Terminal-Bench 2.1에서 66.0%를 보고하지만, 출시 노트는 서로 다른 모델이 때때로 서로 다른 스캐폴딩을 사용했으며 여러 결과가 내부 인프라에서 나왔다고 설명합니다.^[2] 그 점수를 의도된 능력의 증거로 취급하되, 자신의 에이전트에서의 성공 예측으로는 취급하지 않습니다.

마지막으로 백만 토큰 가용성은 서비스 용량에 따라 달라질 수 있습니다. MiniMax는 512K를 보장되는 것으로, 상한을 1M까지로 설명합니다. 사용할 계획인 정확한 지역, 계정, 동시성, 요청 크기를 테스트합니다.

MiniMax AI. MiniMax M3 공식 모델 저장소 및 로컬 배포 가이드. huggingface.co/MiniMaxAI/MiniMax-M3
MiniMax. MiniMax M3: 프론티어 코딩, 백만 토큰 문맥, 기본 다중 모달성. minimax.io/blog/minimax-m3
MiniMax API Platform. MiniMax M3 종량제 가격. platform.minimax.io
MiniMax API Docs. 자동 프롬프트 캐싱. platform.minimax.io/docs/api-reference/text-prompt-caching