Можно ли запустить MiniMax M3 локально?

Да, веса открыты и размещены в MiniMaxAI/MiniMax-M3 на Hugging Face. MiniMax поддерживает SGLang, vLLM, Transformers, KTransformers, unsloth и ATOM для инференса, но при 428 миллиардах параметров потребуется мощное железо.

Сколько стоит MiniMax M3 через API?

API стоит $0.30 за миллион входных токенов и $1.20 за миллион выходных, с окном контекста в 1 048 576 токенов.

Чем M3 отличается от M2?

M3 заменяет полное внимание на MiniMax Sparse Attention, обеспечивая ускорение предварительной загрузки в 9 раз и декодирования в 15 раз при 1 миллион токенов, снижая вычислительную нагрузку на токен примерно до 1/20 от M2; добавлен нативный ввод видео и настраиваемый режим рассуждений, которого не было в M2.

▲

29.0%

эта неделя

MiniMax M3

9051°

#llm #minimax #видение #видео #логика #агенты

Зрение

Работает на Graydient

Запустить модель

Предложения / Реклама

Easy Creator (Prism) Веб

Безлимит · фиксированная плата

Лучшее для новичков. Мощные рабочие процессы, низкий порог вхождения.

PirateDiffusion Telegram

Безлимит · фиксированная плата

Создавай видео, изображения, кастомных чат-персонажей и многое другое.

Pro studio (SpyGlass) Веб

Безлимит · фиксированная плата

Просматривай модели, рендерь и дорабатывай с любого браузера или телефона.

Discord bot (Vector)

Безлимит · фиксированная плата

Добавь Vector на свой сервер или присоединяйся к Vector Discord. Создавай что угодно!

Unified Editor Веб

Безлимит · фиксированная плата

Редактор для изображений и видео: рендер, редактирование, увеличение и многое другое на одной странице.

OpenRouter Терминал / API

Плата за токен

Общайся с этой моделью в браузере или вызывай её из кода с одним API-ключом.

Программы на компьютере

Требуется настройка

Устанавливай локальные программы, если у тебя мощный компьютер.

ModelDuel Веб

Платить за использование

Генерируйте одинаковый запрос сразу на до 50 контрольных точках/базовых моделях.

Аренда GPU в облаке

Graydient Cloud GPU

Безлимит · фиксированная плата

Фиксированная плата, неограниченное использование. Модель устанавливается в один клик.

RunPod Cloud GPU

Поминутная оплата

Арендуйте GPU поминутно и настройте модель сами.

Руководства по этой модели

Как выбрать AI-модель в октябре 2026: новости закрытых моделей и открытые веса, которые стоит скачать

Лучшие локальные LLM по задачам (октябрь 2026): подходящая открытая модель для каждой работы

Сколько VRAM мне действительно нужно для локального ИИ?

Открытые веса, открытый исходный код и только API: что тебе действительно разрешено делать

Как установить Ollama и запустить локальный ИИ (Windows, Mac, Linux)

Все руководства

MiniMax | контекст 1 048 576 токенов | $0.30/тыс. входных, $1.20/тыс. выходных. MiniMax-M3 — мультимодальная фундаментальная модель от MiniMax. Поддерживает текст, изображения и видео на входе с текстовым выводом, окно контекста 1M токенов, подходит для долгосрочной агентской работы, кодирования и использования инструментов. Построена на MiniMax Sparse Attention (MSA), которая заменяет полное внимание выбором KV-блоков, сокращая вычисления на токен при длинном контексте примерно в 20 раз по сравнению с предыдущим поколением при 1M токенов, с существенно более быстрой предварительной загрузкой…MiniMax | контекст 1 048 576 токенов | $0.30/тыс. входных, $1.20/тыс. выходных. MiniMax-M3 — мультимодальная фундаментальная модель от MiniMax. Поддерживает текст, изображения и видео на входе с текстовым выводом, окно контекста 1M токенов, подходит для долгосрочной агентской работы, кодирования и использования инструментов. Построена на MiniMax Sparse Attention (MSA), которая заменяет полное внимание выбором KV-блоков, сокращая вычисления на токен при длинном контексте примерно в 20 раз по сравнению с предыдущим поколением при 1M токенов, с существенно более быстрой предварительной загрузкой и декодированием при сохранении качества по большинству задач. Обучена как нативная мультимодальная модель на перемешанных данных и настроена для многоходового, производственного сотрудничества через интерактивный фреймворк пользователь-симулятор. Модель ориентирована на продолжительные многошаговые задачи, а не на однократное выполнение.

Заметки капитана

Написано Captain, главным редактором

Заметки от 2026-10-13

MiniMax M3 — модель с разреженной смесью экспертов от MiniMax с 428 миллиардами параметров, активирующая примерно 23 миллиарда параметров на токен, с окном контекста в 1 миллион токенов и нативной поддержкой текста, изображений и видео. Архитектура MiniMax Sparse Attention снижает вычислительную нагрузку на токен примерно в 20 раз по сравнению с предыдущим поколением при полном контексте, обеспечивая ускорение предварительной загрузки в 9 раз и декодирования в 15 раз. Веса открыты, API недорогой, дизайн ориентирован на длительную агентную работу, а не на одноразовые запросы.

Известен

Контекст на 1 миллион токенов при доле вычислительной нагрузки от моделей с плотным вниманием
Нативное мультимодальное обучение с первого шага по тексту, изображениям и видео
Ускорение предварительной загрузки в 9 раз и декодирования в 15 раз по сравнению с M2 при максимальном контексте
Три переключаемых режима рассуждений: всегда включён, адаптивный или отключён
Оптимизирован для многошаговых агентных задач и использования инструментов, а не только одношаговых подсказок

Остерегайтесь

При 428 миллиардах параметров локальный запуск требует серьёзного железа; проверьте требования к VRAM перед загрузкой.
Веса открыты, но перед коммерческим использованием проверьте условия лицензии.
Качество видео- и изображений при экстремальной длине контекста здесь не тестировалось отдельно.

Лучше всего подходит для

Агенты и использование инструментов

Подсказки для проб

Рефакторинг многофайловой задачи

Вы работаете над Python-скрейпером, разделённым на три файла: fetcher.py обрабатывает HTTP-запросы с повторными попытками, parser.py извлекает структурированные данные с помощью BeautifulSoup, main.py управляет пайплайном. Скрейпер тихо пропускает элементы, когда страница возвращает 429. Диагностируйте вероятную причину, предложите исправление с экспоненциальной задержкой и перепишите соответствующие части fetcher.py и main.py.

Вопросы по длинному документу

Я вставлю длинный контракт ниже. Прочитайте весь документ, затем ответьте на три вопроса: 1) Каковы условия расторжения для каждой стороны? 2) Есть ли автоматические условия продления и какой срок уведомления применяется? 3) Какая сторона несёт ответственность за утечки данных? Укажите номер пункта для каждого ответа. [Вставьте текст контракта здесь]

Анализ на основе изображения

Прикреплён скриншот дашборда. Определите все видимые метрики, отметьте, какие выходят за нормальный диапазон, и предложите две наиболее вероятные причины аномалий. Затем напишите трёхпредложное резюме для нетехнического менеджера.

Сравнить с

MiniMax M1
Модель только с API
контекст из 1,000,000 токенов · $0.55/M вход, $2.20/M выход
MiniMax M2.5
Модель с открытыми весами
контекст из 204,800 токенов · $0.27/M вход, $0.95/M выход
MiniMax-01
Модель с открытыми весами
контекст из 1,000,192 токенов · $0.20/M вход, $1.10/M выход
MiniMax M2.1
Модель с открытыми весами
контекст из 204,800 токенов · $0.30/M вход, $1.20/M выход

Больше текстовых моделей от minimax

Часто задаваемые вопросы

Можно ли запустить MiniMax M3 локально?: Да, веса открыты и размещены в MiniMaxAI/MiniMax-M3 на Hugging Face. MiniMax поддерживает SGLang, vLLM, Transformers, KTransformers, unsloth и ATOM для инференса, но при 428 миллиардах параметров потребуется мощное железо.
Сколько стоит MiniMax M3 через API?: API стоит $0.30 за миллион входных токенов и $1.20 за миллион выходных, с окном контекста в 1 048 576 токенов.
Чем M3 отличается от M2?: M3 заменяет полное внимание на MiniMax Sparse Attention, обеспечивая ускорение предварительной загрузки в 9 раз и декодирования в 15 раз при 1 миллион токенов, снижая вычислительную нагрузку на токен примерно до 1/20 от M2; добавлен нативный ввод видео и настраиваемый режим рассуждений, которого не было в M2.

Вердикт капитана
Редкая открытая модель с весами, которая серьёзно относится к окну контекста в миллион токенов и перестраивает механизм внимания вокруг этого.

Карточка модели на Hugging Face

Капитан пишет эти заметки на основе описания модели и карточки модели. Цены и размеры контекста указаны на момент написания и могут измениться.

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

Тренд популярности MiniMax M3

Показатель популярности с 31 May 2026

Индекс популярности

9,051°

Эта неделя

▲

29.0%

9,017° тогда, 9,051° сейчас

Этот месяц

▲

231%

8,892° тогда, 9,051° сейчас

Прошлый год

n/a

Еще не выпущено/не отслеживается

7,000°

Базовый уровень

Шкала от 0° до 9 999°. Всё ниже 7,000° отведено моделям, по которым ещё нет данных от источников — им дают временное число, чтобы списки были полными. 7,000° — это начало измеренных данных: модель с реальными данными, но почти без скачиваний, стоит на этом уровне, а измерения добавляют градусы сверху. Базовый уровень ничего не говорит о модели; только градусы сверху её отличают.

+1,727°

Токены OpenRouter

5,730,756,128,120 токенов обработано этой моделью через OpenRouter за последние 30 дней, вместе с подсказками и ответами. Каждые 10,000,000 токенов считаются за одно скачивание в термине скачиваний, всего 573,075; токены последнего дня учитываются в коэффициенте роста. Источник: OpenRouter (openrouter.ai/rankings).

+324°

Темп внедрения

Около 20,825 скачиваний в день, измеряется между двумя замерами источников, не считается по среднему за всё время. Скорость считается как четверть от общего показателя скачиваний, чтобы свежий всплеск был виден, но однодневный пик не перебивал годы использования.

Показать подробности

Каждое число на этом сайте можно проверить. Рейтинг популярности этой модели — 9,051°, и здесь он построен по частям, с итогом после каждого шага: базовый уровень, градусы, добавляемые каждым источником, бонус за тип модели и вычет за возраст весов. Цвета соответствуют диапазонам на графике выше. В конце есть словарь, где объяснены все термины.

1
Начинаем с базового уровня.
Почему 7,000°, а не ноль: шкала от 0° до 9 999°, и часть ниже 7,000° отведена моделям без данных от источников — им дают временное число, чтобы списки были полными и они не обгоняли модели с данными. 7,000° — начало измеренных данных. Модель с реальными данными, но почти без скачиваний, стоит здесь; всё, что дальше, — измерения, а пространство выше базового уровня содержит десять десятикратных шагов скачиваний по 300° каждый. Базовый уровень одинаков для всех моделей, он ничего не решает; решают градусы сверху.
7,000°
текущий итог
2
Добавь загрузки.
573,075 эквивалентов загрузок всего, с Токены OpenRouter. Десятикратное увеличение загрузок добавляет те же 300°, так что размер важен, но не доминирует в оценке.
+1,727°
8,727°
текущий итог
3
Добавь темп внедрения.
Примерно 20,825 загрузок в день сейчас, измерено между двумя замерами, с четвертью веса.
+324°
9,051°
текущий итог
=
Итоговый показатель heat.
Где эта модель находится в каждом списке на этом сайте. Ничто другое на него не влияет.
9,051°

Глоссарий: используемые здесь термины

Показатель heat: Одно число, показывающее, насколько модель сейчас используется и востребована, от 0° до 9,999°. Все списки на сайте с пометкой hottest сортируются именно по нему.
Минимум: 7,000° — стартовая точка для каждой модели с реальными данными. Шкала от 0° до 9,999°; часть ниже минимума отведена для моделей без данных, чтобы модели с данными всегда были выше. Минимум одинаков для всех и ничего не решает; градусы выше него — это измерение.
Эквиваленты загрузок: Всё, что считается как загрузка в оценке, сложенное вместе: сами загрузки, каждый сид торрента считается за 1,000, каждое изображение AI Horde и каждый запуск на сайте генерации считаются за один.
Логарифмическая шкала: Счёт по десяткам, а не по единицам: переход от 1,000 к 10,000 загрузок добавляет столько же градусов, сколько от 10,000 к 100,000. Это не даёт гигантам заглушать всё остальное.
Лайки: Одобрения и лайки со всех источников, каждый стоит половину загрузки на логарифмической шкале.
Темп внедрения: Сколько загрузок в день получает модель сейчас, по разнице между двумя замерами источника. Четверть веса от термина загрузки.
Измерено и оценено: Измерено значит, что есть два показания источника, и разница реальна. Оценено значит, что известна только сегодняшняя сумма, а прошлое распределено по жизни модели; сайт показывает, что именно отображается.
Сидер: Кто-то, кто хранит копию весов онлайн, чтобы другие могли скачать через торрент, или размещённое зеркало, делающие то же самое. Каждый такой считается за 1000 загрузок.
AI Horde: Волонтёрская сеть, которая бесплатно генерирует изображения на пожертвованных компьютерах. Количество изображений, созданных с моделью, публично, и каждое считается за одну загрузку.
Сайты генерации: Сайты, которые хранят свои копии модели и позволяют людям генерировать с ней, например PixAI, SeaArt и Yodayo. Их загрузки считаются как у Civitai, и каждый запуск генерации — за одну загрузку.
Токены OpenRouter: Текстовая модель, обслуживаемая через API, такая как Claude или GPT, не имеет весов для скачивания, поэтому её использование измеряется токенами: кусочками текста, которые она прочитала и написала через OpenRouter, шлюз, который используют многие приложения, за последние 30 дней. Каждые 10,000,000 токенов считаются за одно скачивание. Источник: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Полная модель (чекпоинт): Сами веса, файл, который генерирует самостоятельно. Получает бонус, потому что от него зависят дополнения.
LoRA и эмбеддинг: Небольшие файлы-дополнения, которые направляют чужие веса в сторону стиля, персонажа или концепции. Они не могут работать сами по себе.
Семейство и веса: База, на которой построена модель, например SD 1.5, SDXL, Flux или Wan. Каждая модель наследует дату выпуска весов своего семейства.
Возраст: Градусы снимаются за то, как давно вышли веса семейства: 150° в год, максимум 750°. Старые загрузки, которые успели накопиться за годы, остаются вверху списка.
Буст семейства: Небольшой ограниченный толчок для LoRA из семейства, которое этот сайт сейчас продвигает, всегда указан в разбивке.
Оценка-замена: Стабильное число ниже минимального, даваемое модели, о которой ещё нет данных, чтобы списки были полными. Никогда не выше модели с данными.
Новинка! (период ожидания): Модель младше 7 дней показывает Новинка! вместо оценки и не занимает место в рейтинге. Её оценка вычисляется с первого дня, но модель в один день растёт быстрее всего, поэтому без ожидания #1 недели всегда была бы модель, вышедшая вчера, а не та, что держалась неделю.
Тренд: Как рост модели за период сравнивается с типичным ростом модели за тот же период. Быстрее типичного — рост, медленнее — падение.
Типичная модель: Средина каталога: половина моделей с цифрой росли быстрее за период, половина медленнее.

Как менялась популярность этой модели по сравнению с остальным каталогом: её рост по загрузкам, лайкам и использованию за каждый период, измеренный относительно типичного роста моделей за тот же период, с учётом её текущего показателя heat score. Если выше типичного роста — значит рост, если ниже — спад. Прошлое восстанавливается по сегодняшним итогам, первому дню модели и скорости загрузок, если есть два замера; если модель не существовала в начале периода, показывается n/a.

Похожие модели

Aion RP 1.0 (8B)

TEXT / LLM

ERNIE 4.5 VL 424B A47B

TEXT / LLM

Mistral Nemo Instruct 2407

TEXT / LLM

Gemma 2 27B

TEXT / LLM

ИИ-модели для генерации изображений, видео и текста

MiniMax M3 — это текстовая модель для семейства Text / LLM, представленная на ModelTrends.ai, каталоге открытых ИИ-моделей для изображений, видео и текста, доступном только для чтения. Сравните её с другими моделями Text / LLM, посмотрите индекс популярности, чтобы оценить тренд, и откройте её на PirateDiffusion или BitVector, чтобы попробовать.

Другие модели Text / LLM Другие Текст / LLM Text / LLM llm minimax видение видео логика агенты программирование длинный контекст

Обзор по семействам моделей