Puis-je exécuter MiniMax M3 localement ?

Oui, les poids sont ouverts et hébergés sur MiniMaxAI/MiniMax-M3 sur Hugging Face. MiniMax supporte SGLang, vLLM, Transformers, KTransformers, unsloth et ATOM comme frameworks d’inférence, mais avec 428 milliards de paramètres vous aurez besoin d’un matériel conséquent.

Quel est le coût de MiniMax M3 via l’API ?

L’API est tarifée à 0,30 $ par million de tokens d’entrée et 1,20 $ par million de tokens de sortie, avec une fenêtre de contexte de 1 048 576 tokens.

En quoi M3 diffère-t-il de M2 ?

M3 remplace l’attention complète par MiniMax Sparse Attention, offrant un pré-remplissage 9× plus rapide et un décodage 15× plus rapide à 1M de contexte tout en réduisant le calcul par token à environ 1/20e de M2 ; il ajoute aussi une entrée vidéo native et un mode de raisonnement configurable que M2 n’exposait pas.

▲

29.0%

cette semaine

MiniMax M3

9051°

#llm #minimax #vision #vidéo #raisonnement #agents

Vision

Fonctionne sur Graydient

Lancer ce modèle

Offres / Pub

Easy Creator (Prism) Web

Illimité · forfait fixe

Idéal pour les débutants. Flux de travail puissants, courbe d'apprentissage faible.

PirateDiffusion Telegram

Illimité · forfait fixe

Créez des vidéos, images, personnages de chat personnalisés, et plus encore.

Pro studio (SpyGlass) Web

Illimité · forfait fixe

Parcourez les modèles, générez et affinez depuis n'importe quel navigateur ou téléphone.

Discord bot (Vector)

Illimité · forfait fixe

Ajoutez Vector à votre serveur ou rejoignez le Discord de Vector. Créez tout ce que vous voulez !

Unified Editor Web

Illimité · forfait fixe

Éditeur pour images et vidéos : générez, modifiez, améliorez et plus encore sur une seule page.

OpenRouter Terminal / API

Payer par token

Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.

Applications locales

Nécessite une configuration

Installe des programmes locaux si ton ordinateur est assez puissant.

ModelDuel Web

Paiement à l'usage

Génère la même invite sur jusqu'à 50 modèles checkpoint/base en même temps.

Louer un GPU dans le cloud

Graydient Cloud GPU

Illimité · forfait fixe

Forfait fixe, usage illimité. Ce modèle s’installe en un clic.

RunPod Cloud GPU

Facturé à la minute

Louez un GPU à la minute et installez le modèle vous-même.

Guides pour ce modèle

Comment choisir un modèle d'IA en octobre 2026 : les nouveautés des modèles fermés, puis les poids ouverts à télécharger

Meilleur LLM local par cas d’usage (octobre 2026) : le bon modèle open source pour chaque tâche

De combien de VRAM ai-je vraiment besoin pour l'IA locale ?

Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire

Comment installer Ollama et faire tourner une IA locale (Windows, Mac, Linux)

Tous les guides

MiniMax | contexte de 1 048 576 tokens | 0,30 $/M en entrée, 1,20 $/M en sortie. MiniMax-M3 est un modèle fondation multimodal de MiniMax. Il supporte les entrées texte, image et vidéo avec sortie textuelle, une fenêtre de contexte de 1 million de tokens, et est adapté au travail agentique à long terme, au codage et à l'utilisation d'outils. Il est construit sur MiniMax Sparse Attention (MSA), qui remplace l'attention complète par une sélection de blocs KV pour réduire le calcul par token sur de longs contextes — environ 1/20 du coût de la génération précédente à 1 million de tokens, avec un…MiniMax | contexte de 1 048 576 tokens | 0,30 $/M en entrée, 1,20 $/M en sortie. MiniMax-M3 est un modèle fondation multimodal de MiniMax. Il supporte les entrées texte, image et vidéo avec sortie textuelle, une fenêtre de contexte de 1 million de tokens, et est adapté au travail agentique à long terme, au codage et à l'utilisation d'outils. Il est construit sur MiniMax Sparse Attention (MSA), qui remplace l'attention complète par une sélection de blocs KV pour réduire le calcul par token sur de longs contextes — environ 1/20 du coût de la génération précédente à 1 million de tokens, avec un pré-remplissage et un décodage substantiellement plus rapides tout en conservant la qualité sur la plupart des tâches. Entraîné comme un modèle multimodal natif sur des données entrelacées et réglé pour une collaboration multi-tours de type production via un cadre interactif de simulateur utilisateur, le modèle est orienté vers des tâches soutenues et multi-étapes plutôt que l'exécution en un seul tour.

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

MiniMax M3 est un modèle sparse mixture-of-experts de 428 milliards de paramètres de MiniMax, activant environ 23 milliards de paramètres par token, avec une fenêtre de contexte d’un million de tokens et un support natif pour les entrées texte, image et vidéo. Son architecture MiniMax Sparse Attention réduit le calcul par token à environ 1/20e de la génération précédente à pleine fenêtre, avec un pré-remplissage 9× plus rapide et un décodage 15× plus rapide. Les poids sont ouverts, l’API est peu coûteuse, et le design cible un travail agentique soutenu plutôt que des requêtes ponctuelles.

Connu pour

Fenêtre de contexte d’1 million de tokens à une fraction du coût de calcul des modèles à attention dense
Entraînement multimodal natif sur texte, image et vidéo dès le départ
Accélérations 9× au pré-remplissage et 15× au décodage par rapport à M2 à contexte maximal
Trois modes de raisonnement commutables : toujours actif, adaptatif ou désactivé
Optimisé pour les tâches agentiques multi-tours et l’utilisation d’outils, pas seulement les prompts simples

Attention à

Avec 428 milliards de paramètres, un déploiement local demande un matériel sérieux ; vérifiez les besoins en VRAM avant de télécharger.
Poids ouverts, mais vérifiez les termes de licence pour votre cas d’usage avant de construire un produit commercial dessus.
La qualité des entrées vidéo et image à des longueurs de contexte extrêmes n’est pas évaluée indépendamment ici.

Idéal pour

Agents et utilisation d'outils

Programmation

Contexte long

Vision

Fonctionne localement

Prompts à essayer

Refactorisation multi-fichiers

Vous travaillez sur un scraper web Python réparti sur trois fichiers : fetcher.py gère les requêtes HTTP avec retries, parser.py extrait les données structurées avec BeautifulSoup, et main.py orchestre le pipeline. Le scraper ignore silencieusement des éléments quand une page renvoie un 429. Diagnostiquez la cause probable, proposez une correction avec backoff exponentiel, et réécrivez les sections pertinentes de fetcher.py et main.py pour l’implémenter.

Questions-réponses sur un long document

Je vais coller un long contrat ci-dessous. Lisez le document entier, puis répondez à ces trois questions : 1) Quelles sont les conditions de résiliation pour chaque partie ? 2) Y a-t-il des clauses de renouvellement automatique, et si oui, quel est le délai de préavis ? 3) Quelle partie assume la responsabilité en cas de violation de données ? Citez le numéro de clause pour chaque réponse. [Collez le texte du contrat ici]

Analyse basée sur une image

Ci-joint une capture d’écran d’un tableau de bord. Identifiez chaque métrique visible, notez celles qui sont hors plage normale d’après ce que vous voyez, et suggérez les deux causes racines les plus probables pour toute anomalie. Puis rédigez un résumé en trois phrases qu’un manager non technique pourrait lire.

Comparer avec

MiniMax M1
Modèle uniquement API
Contexte de 1,000,000 tokens · entrée $0.55/M, sortie $2.20/M
MiniMax M2.5
Modèle à poids ouverts
Contexte de 204,800 tokens · entrée $0.27/M, sortie $0.95/M
MiniMax-01
Modèle à poids ouverts
Contexte de 1,000,192 tokens · entrée $0.20/M, sortie $1.10/M
MiniMax M2.1
Modèle à poids ouverts
Contexte de 204,800 tokens · entrée $0.30/M, sortie $1.20/M

Plus de modèles de texte de minimax

Questions fréquentes

Puis-je exécuter MiniMax M3 localement ?: Oui, les poids sont ouverts et hébergés sur MiniMaxAI/MiniMax-M3 sur Hugging Face. MiniMax supporte SGLang, vLLM, Transformers, KTransformers, unsloth et ATOM comme frameworks d’inférence, mais avec 428 milliards de paramètres vous aurez besoin d’un matériel conséquent.
Quel est le coût de MiniMax M3 via l’API ?: L’API est tarifée à 0,30 $ par million de tokens d’entrée et 1,20 $ par million de tokens de sortie, avec une fenêtre de contexte de 1 048 576 tokens.
En quoi M3 diffère-t-il de M2 ?: M3 remplace l’attention complète par MiniMax Sparse Attention, offrant un pré-remplissage 9× plus rapide et un décodage 15× plus rapide à 1M de contexte tout en réduisant le calcul par token à environ 1/20e de M2 ; il ajoute aussi une entrée vidéo native et un mode de raisonnement configurable que M2 n’exposait pas.

Verdict du capitaine
Un modèle à poids ouverts rare qui prend la fenêtre de contexte d’un million de tokens suffisamment au sérieux pour reconstruire le mécanisme d’attention autour.

Fiche modèle sur Hugging Face

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #19 Hottest Text / LLM model · #19 Hottest Text / LLM text model

Not this creator?

Get your own badge

Tendance de popularité de MiniMax M3

Score de chaleur depuis 31 May 2026

Score de popularité

9,051°

Cette semaine

▲

29.0%

9,017° alors, 9,051° maintenant

Ce mois-ci

▲

231%

8,892° alors, 9,051° maintenant

L'année passée

n/a

Pas encore publié/suivi

7,000°

Plancher

L’échelle va de 0° à 9 999°. Tout ce qui est en dessous de 7,000° est réservé aux modèles dont aucune source ne rapporte encore de données, ils portent un nombre de remplacement pour que les listes restent complètes. 7,000° est le point où les données mesurées commencent : un modèle avec de vraies données mais presque aucun téléchargement est au plancher, et les mesures remplissent les degrés au-dessus. Le plancher ne dit rien sur le modèle ; seuls les degrés au-dessus le font, et ce sont eux qui différencient un modèle d’un autre.

+1,727°

Tokens OpenRouter

5,730,756,128,120 tokens traités par ce modèle via OpenRouter au cours des 30 derniers jours, prompts et réponses confondus. Chaque 10,000,000 tokens compte comme un téléchargement dans le terme de téléchargement, 573,075 au total ; les tokens du dernier jour s'ajoutent au taux d'adoption. Source : OpenRouter (openrouter.ai/rankings).

+324°

Taux d’adoption

Environ 20,825 téléchargements par jour, mesurés entre deux relevés des sources, jamais estimés à partir d’une moyenne sur la durée. La vitesse compte pour un quart du terme téléchargement, donc une poussée récente apparaît sans qu’un pic d’un jour dépasse des années d’usage.

Afficher le détail

Chaque chiffre sur ce site peut être vérifié. Le score de popularité de ce modèle est de 9,051°, et voici comment il est construit, ingrédient par ingrédient, avec le total cumulé après chaque étape : le plancher, les degrés ajoutés par chaque source, le bonus pour le type de modèle et ce que l’âge de ses poids enlève. Les couleurs correspondent aux bandes du graphique ci-dessus. Le glossaire à la fin définit chaque terme.

1
Commence au plancher.
Pourquoi 7,000° et pas zéro : l’échelle va de 0° à 9 999°, et la partie en dessous de 7,000° est réservée aux modèles dont aucune source ne rapporte encore de données, qui portent un nombre de remplacement pour que les listes restent complètes et ne dépassent jamais un modèle avec données. 7,000° est le point où les données mesurées commencent. Un modèle avec de vraies données mais presque aucun téléchargement est ici ; tout ce qui suit est une mesure, et l’espace au-dessus du plancher contient dix paliers de dix fois plus de téléchargements à 300° chacun. Le plancher est le même pour tous les modèles, donc il ne décide rien ; ce sont les degrés au-dessus qui le font.
7,000°
total en cours
2
Ajoute les téléchargements.
573,075 équivalents de téléchargement au total, venant de Tokens OpenRouter. Multiplier les téléchargements par dix ajoute le même 300°, donc la taille compte mais ne domine jamais le score.
+1,727°
8,727°
total en cours
3
Ajoute le taux d’adoption.
Environ 20,825 téléchargements par jour en ce moment, mesurés entre deux relevés, à un quart du poids.
+324°
9,051°
total en cours
=
Le score de chaleur.
La place de ce modèle dans chaque liste de ce site. Rien d’autre ne le modifie.
9,051°

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Voici comment la popularité de ce modèle a évolué par rapport au reste du catalogue : sa croissance en téléchargements, likes et utilisation à chaque période, comparée à la croissance typique des modèles sur la même période, avec son score de chaleur à ce moment-là. Au-dessus de la croissance typique, c’est une hausse, en dessous, une baisse. Le passé est reconstitué à partir des totaux d’aujourd’hui, du premier jour du modèle et de sa vitesse de téléchargement mesurée quand il y a deux relevés ; un modèle qui n’existait pas au début d’une période affiche n/a.

Modèles similaires

Modèles d'IA pour générer image, vidéo et texte

MiniMax M3 est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM, consultez son score de chaleur pour suivre sa tendance et ouvrez-le sur PirateDiffusion ou BitVector pour l'essayer.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm minimax vision vidéo raisonnement agents programmation contexte long

Parcourir par famille de modèles