ModelSiteAPI

MiniMax 模型

minimax-m3 按场景的调用示例：思考开关、流式、工具调用、图片与视频输入、缓存、Anthropic 格式

MiniMax 通过 /v1/chat/completions 与 /v1/messages 两种格式调用。平台对请求体透传，由上游模型决定参数是否生效。本页按场景组织，场景划分参照 MiniMax 官方文档（OpenAI 兼容页、Anthropic 兼容页、文本生成指南：思考、工具调用、图片与视频输入），但是否支持以平台实际接入的上游为准，不以官方为准。

每个场景标注证据：

  • 已实测（线上测试账号，2026-10-19）：用线上账号真实调用过，响应取自真实输出（id、时间戳已替换为占位符）。
  • 依官方文档（未实测）：只对照了官方文档，没有真实请求确认。

支持的模型

平台模型 id说明上下文窗口最大输出能力标签
minimax-m3MiniMax-M3，编码与 Agent 场景，原生多模态（文本、图片、视频输入，不支持音频）1,000,000官方未标明对话、流式、视觉、工具调用、思考

官方说明 M3 支持 1M 上下文；输入超过 512K token 的请求按高一档的价格计费。官方模型页没有给出 M3 的最大输出 token 数，平台模型库里也未设置该值，请用 max_completion_tokens 自行控制输出长度；思考 token 计入输出上限，值太小可能只有思考没有正文（Anthropic 格式下表现为 stop_reason: "max_tokens" 且没有文本）。

平台不会替你开启或关闭思考。平台不会默认注入 thinking、reasoning_effort 或 temperature。唯一的例外是 reasoning_split：你没传时平台自动加 reasoning_split: true，让思考内容出现在 reasoning_content 字段而不是混在 content 里的 <think> 标签中；它只改变思考内容放在哪，不会开启思考。实测不传 thinking 时 minimax-m3 默认就在思考。

场景总览

场景官方是否提供我们的情况示例
基础对话是支持思考开关与基础对话
思考：默认开启并返回 reasoning_content是支持工具调用、Anthropic 格式 的响应
思考：关闭（thinking: disabled）是（M3 可关闭）支持思考开关与基础对话
思考：thinking: adaptive是部分支持：依赖尚未发布的更新，未实测思考开关与基础对话 注意事项
流式输出是部分支持：同一条管线，MiniMax 上未单独实测流式输出
工具调用与交错思考是支持：第一轮已实测，回传工具结果的第二轮依官方（未实测）工具调用
图片输入是支持图片与视频输入
视频输入是部分支持：依官方文档，未实测图片与视频输入
缓存官方定价页有缓存命中价，指南页未说明部分支持：实测会自动命中，但平台能力标签没有缓存，不承诺缓存
Anthropic 格式调用是（官方推荐入口）支持；thinking 只接受 adaptive / disabled，传 enabled 返回 400Anthropic 格式
Token 计数（/v1/messages/count_tokens）是部分支持：平台有此入口，MiniMax 上未实测见 Messages 页
思考强度 reasoning_effort / output_config.effort官方只适用于 M3.1-Flash不适用：minimax-m3 不要使用无
结构化输出（JSON 模式）官方没有提供未验证：不要依赖 response_format无
音频输入官方不支持不支持无
文件接口（mm_file://）是未接入无
快速档位（service_tier: priority）是（1.5 倍价格）不支持：平台不会把该字段转给上游，传了也不生效无
M3.1-Flash 等其他 MiniMax 模型是未接入：平台只接入了 minimax-m3无

思考开关与基础对话

证据：已实测（线上测试账号，2026-10-19），minimax-m3，OpenAI 格式，thinking: disabled。

何时用：简单问答、需要低延迟和少 token 时关闭思考。thinking 官方取值是 adaptive 或 disabled；M3 设为 disabled 时直接回答、不思考。不传 thinking 时 M3 默认就思考（见工具调用里的响应）。thinking 不是 OpenAI 标准字段，Python SDK 放进 extra_body。

请求

from openai import OpenAI

client = OpenAI(base_url="https://api.modelsite.ai/v1", api_key="sk-ms-xxxxxxxx")

# 关闭思考
resp = client.chat.completions.create(
    model="minimax-m3",
    messages=[{"role": "user", "content": "用一句话解释量子纠缠"}],
    max_tokens=300,
    extra_body={"thinking": {"type": "disabled"}},
)
print(resp.choices[0].message.content)

# 不传 thinking：默认思考，思考内容在 reasoning_content
resp = client.chat.completions.create(
    model="minimax-m3",
    messages=[{"role": "user", "content": "用一句话解释量子纠缠"}],
    max_tokens=1500,
)
msg = resp.choices[0].message
print(getattr(msg, "reasoning_content", None))  # 思考过程
print(msg.content)                              # 最终回答

响应（关闭思考）：没有 reasoning_content，reasoning_tokens 为 0。

{
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "量子纠缠是指两个或多个粒子在某种特殊状态下，即使相隔很远，它们的量子属性也会瞬间关联，测量其中一个会立即决定另一个的状态。",
        "refusal": null
      },
      "finish_reason": "stop"
    }
  ],
  "created": 1760000000,
  "id": "xxxxxxxx",
  "model": "minimax-m3",
  "object": "chat.completion",
  "output_sensitive_int": 0,
  "service_tier": "standard",
  "usage": {
    "completion_tokens": 30,
    "completion_tokens_details": {
      "reasoning_tokens": 0,
      "audio_tokens": 0,
      "accepted_prediction_tokens": 0,
      "rejected_prediction_tokens": 0
    },
    "prompt_tokens": 168,
    "prompt_tokens_details": {
      "cached_tokens": 128
    },
    "total_tokens": 198
  }
}

注意事项

  • thinking: {"type": "adaptive"}（依赖尚未发布的更新，未实测）：官方用它显式开启思考。目前线上会丢弃 adaptive 取值，更新发布后才会转发给 MiniMax；在此之前不传 thinking 即默认思考。
  • reasoning_split：官方 true 时思考内容放在 reasoning_content，false 时以 <think> 标签留在 content 里。平台默认替你加 true；如果你自己传 false，平台尊重你的值，但不会解析响应里的 <think> 标签，会原样出现在 content。
  • 响应里的 reasoning_details 是该上游附带的结构化思考内容，与 reasoning_content 同源。
  • 采样：temperature 范围 [0, 2]、默认并推荐 1，超出范围上游会报错；top_p 范围 [0, 1]，M3 默认 0.95；n 只支持 1；presence_penalty、frequency_penalty、logit_bias 被忽略。平台不做范围校验。
  • max_completion_tokens 为官方推荐的新写法，max_tokens 为旧写法，思考 token 同样计入。

流式输出

证据：依官方文档（未实测）；流式管线与 DeepSeek、GLM 页的实测响应一致。

何时用：边生成边显示。传 stream: true；思考在 delta.reasoning_content，回答在 delta.content。

请求

from openai import OpenAI

client = OpenAI(base_url="https://api.modelsite.ai/v1", api_key="sk-ms-xxxxxxxx")

stream = client.chat.completions.create(
    model="minimax-m3",
    messages=[{"role": "user", "content": "数到五，用逗号分隔。"}],
    max_tokens=1000,
    stream=True,
)
reasoning, content = "", ""
for chunk in stream:
    if not chunk.choices:
        continue
    d = chunk.choices[0].delta
    if getattr(d, "reasoning_content", None):
        reasoning += d.reasoning_content
    elif d.content:
        content += d.content
print(content)

响应：SSE 数据块的结构与其他模型相同（见 DeepSeek 页的流式响应），最后带 usage。

注意事项

  • 流式请求没传 stream_options 时，网关自动加 include_usage。
  • 历史上 MiniMax 默认把思考以 <think> 标签内联在 content 里；平台默认加了 reasoning_split: true 避免这一点，流式同样适用。

工具调用

证据：已实测（线上测试账号，2026-10-19），minimax-m3，只测了第一轮（模型返回工具调用，默认思考）；回传工具结果的第二轮依官方文档（未实测）。

何时用：Agent、让模型决定调用你定义的函数。模型本身不执行函数：返回 tool_calls，你的代码执行后把结果以 role: "tool" 消息（带对应 tool_call_id）放回历史再请求。

第一轮请求

from openai import OpenAI

client = OpenAI(base_url="https://api.modelsite.ai/v1", api_key="sk-ms-xxxxxxxx")

tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "Get weather of a location, the user should supply a location first.",
        "parameters": {
            "type": "object",
            "properties": {"location": {"type": "string", "description": "The city and state, e.g. San Francisco, CA"}},
            "required": ["location"],
        },
    },
}]
messages = [{"role": "user", "content": "How is the weather in Hangzhou?"}]
resp = client.chat.completions.create(
    model="minimax-m3", messages=messages, tools=tools, max_tokens=1500,
)
msg = resp.choices[0].message
messages.append(msg)  # 把带 tool_calls 的 assistant 消息放回历史

第一轮响应：finish_reason 为 tool_calls，思考内容同时出现在 reasoning_content 与 reasoning_details，content 为 null。

{
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": null,
        "refusal": null,
        "tool_calls": [
          {
            "id": "call_xxxx",
            "type": "function",
            "function": {
              "name": "get_weather",
              "arguments": "{\"location\": \"Hangzhou, Zhejiang\"}"
            }
          }
        ],
        "reasoning_content": "The user is asking about the weather in Hangzhou. The tool requires both location (as city and state format) and unit parameters. Hangzhou is a city in China, in Zhejiang province. I'll call the weather function for Hangzhou.",
        "reasoning_details": [
          {
            "type": "reasoning.text",
            "text": "The user is asking about the weather in Hangzhou. The tool requires both location (as city and state format) and unit parameters. Hangzhou is a city in China, in Zhejiang province. I'll call the weather function for Hangzhou.",
            "id": "reasoning-text-1",
            "format": "MiniMax-response-v1",
            "index": 0
          }
        ]
      },
      "finish_reason": "tool_calls"
    }
  ],
  "created": 1760000000,
  "id": "xxxxxxxx",
  "model": "minimax-m3",
  "object": "chat.completion",
  "output_sensitive_int": 0,
  "service_tier": "standard",
  "usage": {
    "completion_tokens": 81,
    "completion_tokens_details": {
      "reasoning_tokens": 48,
      "audio_tokens": 0,
      "accepted_prediction_tokens": 0,
      "rejected_prediction_tokens": 0
    },
    "prompt_tokens": 435,
    "prompt_tokens_details": {
      "cached_tokens": 203
    },
    "total_tokens": 516
  }
}

第二轮（依官方文档，未实测）：官方要求多轮工具调用时，把包含 tool_calls 的完整 assistant 回复（含思考内容）追加回历史，思考内容必须完整保留，再追加 role: "tool" 的结果。

for call in msg.tool_calls:
    messages.append({"role": "tool", "tool_call_id": call.id, "content": "24℃, cloudy"})
resp = client.chat.completions.create(
    model="minimax-m3", messages=messages, tools=tools, max_tokens=1500,
)
print(resp.choices[0].message.content)

注意事项

  • 平台会把历史 assistant 消息里的 reasoning_content（以及 reasoning_details）原样转发给上游；Anthropic 格式下历史里的 thinking 内容块会转成 reasoning_content。你的客户端要把上一轮的完整 assistant 消息放回历史，平台不会凭空补出没保存的内容。
  • tools 官方支持；tool_choice 官方 Anthropic 兼容页写完整支持，OpenAI 兼容页没有说明，OpenAI 格式下是否生效未验证；已弃用的 function_call 不支持。
  • Anthropic 格式 tool_choice: {"type": "none"} 转成 tool_choice: "none"，disable_parallel_tool_use: true 转成 parallel_tool_calls: false。

图片与视频输入

证据：图片已实测（线上测试账号，2026-10-19），minimax-m3；视频依官方文档（未实测）。

何时用：看图问答、截图分析。图片放在 content 数组里，用 image_url 块，url 是公网 URL 或 Base64 Data URL。官方说明支持文本、图片、视频输入，不支持音频。

图片请求（一张纯红色 64x64 PNG）

import base64
from openai import OpenAI

client = OpenAI(base_url="https://api.modelsite.ai/v1", api_key="sk-ms-xxxxxxxx")

b64 = base64.b64encode(open("red.png", "rb").read()).decode()
resp = client.chat.completions.create(
    model="minimax-m3",
    messages=[{"role": "user", "content": [
        {"type": "text", "text": "这张图是什么颜色？一句话。"},
        {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{b64}"}},
    ]}],
    max_tokens=1500,
)
print(resp.choices[0].message.content)

响应（模型把纯红色描述成「深红色」，视觉理解的细节不能当精确值用）

{
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "这张图是深红色（暗红/酒红色）的纯色背景。",
        "refusal": null,
        "reasoning_content": "The user is asking about the color in the image. The image appears to be a solid dark red/maroon color. I need to answer in one sentence in Chinese.",
        "reasoning_details": [
          {
            "type": "reasoning.text",
            "text": "The user is asking about the color in the image. The image appears to be a solid dark red/maroon color. I need to answer in one sentence in Chinese.",
            "id": "reasoning-text-1",
            "format": "MiniMax-response-v1",
            "index": 0
          }
        ]
      },
      "finish_reason": "stop"
    }
  ],
  "created": 1760000000,
  "id": "xxxxxxxx",
  "model": "minimax-m3",
  "object": "chat.completion",
  "output_sensitive_int": 0,
  "service_tier": "standard",
  "usage": {
    "completion_tokens": 54,
    "completion_tokens_details": {
      "reasoning_tokens": 0,
      "audio_tokens": 0,
      "accepted_prediction_tokens": 0,
      "rejected_prediction_tokens": 0
    },
    "prompt_tokens": 201,
    "prompt_tokens_details": {
      "cached_tokens": 128
    },
    "total_tokens": 255
  }
}

视频输入（依官方文档，未实测）：用 video_url 内容块，官方支持 MP4、AVI、MOV、MKV，URL 或 Base64 单个不超过 50 MB，fps 范围 0.2 到 5（默认 1）。官方的文件接口 mm_file:// 平台未接入。视频的传入方式与大小限制平台没有验证，请先用短样例验证。

注意事项

  • 官方图片限制：JPEG、PNG、GIF、WEBP，单张不超过 10 MB；image_url 可选 detail（low / default / high）与 max_long_side_pixel；请求体最大 64 MB。官方给的 token 消耗只是粗略值，以响应 usage 为准。
  • 图片与视频输入只适用于 M3 / M3.1-Flash；平台与上游网关另有请求体大小上限，大图请先小规模实测。

缓存

证据：已实测（线上测试账号，2026-10-19）：多次请求的 usage 里都出现了命中。

何时用：多轮对话、重复的系统提示或长文档。没有请求参数控制缓存，命中是自动的、不保证的。

怎么看是否命中：OpenAI 格式看 usage.prompt_tokens_details.cached_tokens，Anthropic 格式看 usage.cache_read_input_tokens。上面「关闭思考」那次请求的 usage 里 prompt_tokens 为 168，其中 cached_tokens 为 128：

{
  "usage": {
    "completion_tokens": 30,
    "completion_tokens_details": {
      "reasoning_tokens": 0,
      "audio_tokens": 0,
      "accepted_prediction_tokens": 0,
      "rejected_prediction_tokens": 0
    },
    "prompt_tokens": 168,
    "prompt_tokens_details": {
      "cached_tokens": 128
    },
    "total_characters": 0,
    "total_tokens": 198
  }
}

注意事项

  • 官方定价页有缓存命中价，平台价格表里也有缓存命中这一计价项；但平台模型库里没有缓存能力标签，命中情况只以响应的 cached_tokens 为准，没命中就按普通输入价计费，不要假设一定命中。
  • 请求里内容块上的 cache_control 标记平台会去掉，不要使用。

Anthropic 格式

证据：已实测（线上测试账号，2026-10-19），minimax-m3。

何时用：客户端是 Anthropic SDK 或 Claude Code 之类，只能说 /v1/messages；这也是 MiniMax 官方推荐的入口。调用方式与鉴权见 Messages 页（SDK 用 auth_token，不是 api_key）。

请求（不传 thinking）

from anthropic import Anthropic

client = Anthropic(base_url="https://api.modelsite.ai", auth_token="sk-ms-xxxxxxxx")

resp = client.messages.create(
    model="minimax-m3",
    max_tokens=1500,
    messages=[{"role": "user", "content": "用一句话解释量子纠缠"}],
)
for block in resp.content:
    if block.type == "thinking":
        print("思考:", block.thinking)
    elif block.type == "text":
        print("回答:", block.text)

响应：默认思考，思考以 thinking 内容块给出，usage.reasoning_tokens 是思考 token 数，usage.cache_read_input_tokens 是缓存命中。

{
  "content": [
    {
      "type": "thinking",
      "thinking": "The user is asking me to explain quantum entanglement in one sentence, in Chinese. Let me craft a concise yet accurate explanation.\n\n量子纠缠是指两个或多个粒子在相互作用后，它们的量子态会变得相互关联，即使相隔很远，测量其中一个粒子的状态会瞬间决定另一个粒子的状态。\n\nLet me make it more concise and clear as a single sentence."
    },
    {
      "type": "text",
      "text": "量子纠缠是指两个或多个粒子在相互作用后，其量子态紧密关联在一起，无论相隔多远，对其中一个粒子的测量都会瞬间决定另一个粒子的状态，这种关联不受距离限制，体现了量子世界非经典的关联性。"
    }
  ],
  "id": "msg_xxxx",
  "model": "minimax-m3",
  "output_sensitive_int": 0,
  "role": "assistant",
  "stop_reason": "end_turn",
  "stop_sequence": null,
  "type": "message",
  "usage": {
    "cache_read_input_tokens": 128,
    "input_tokens": 53,
    "output_tokens": 119,
    "reasoning_tokens": 72,
    "total_characters": 0
  }
}

不要传 thinking: {"type": "enabled", ...}：这不在官方取值（adaptive / disabled）内。带 "thinking": {"type": "enabled", "budget_tokens": 1024} 的请求会被平台直接拒绝，返回 400（此前上游会返回 200 和空回复，现已拦截）：

{"type":"error","error":{"type":"invalid_request_error","message":"thinking.type \"enabled\" is not supported for this model; use \"adaptive\" or \"disabled\"."}}

要控制思考，请不传 thinking（默认思考），或传 {"type": "disabled"} 关闭。

注意事项

  • 官方 Anthropic 兼容页：top_k、stop_sequences、mcp_servers、context_management、container 被忽略；thinking 的 adaptive 取值见思考开关的说明。
  • 多轮时官方要求把完整的 thinking、text、tool_use 内容块原样放回历史。

参数速查

参数说明
thinking只用 disabled（已实测）；adaptive 依赖未发布更新；Anthropic 格式传 enabled 返回 400
reasoning_split平台默认加 true；你传的值优先
reasoning_effort、output_config.effort官方只适用于 M3.1-Flash，minimax-m3 不要使用
temperature、top_p、ntemperature [0, 2]；top_p [0, 1]；n 只支持 1
max_completion_tokens / max_tokens思考 token 计入；minimax-m3 无官方最大输出
presence_penalty、frequency_penalty、logit_bias被忽略
stop / stop_sequencesAnthropic 兼容页写 stop_sequences 被忽略；OpenAI 格式的 stop 官方未说明，未验证
service_tier不转发给上游，传了不生效
tool_choice、function_calltool_choice 在 OpenAI 格式下是否生效未验证；function_call 不支持
未知顶层字段、extra_body 里的键原样平铺转发
developer 角色转为 system

其他：reasoning 对象（OpenRouter 风格）由平台自己处理，其中转换出的 reasoning_effort 对 minimax-m3 不适用，建议直接用 thinking；reasoning.exclude: true 或 include_reasoning: false 会在响应里去掉思考内容，思考 token 仍计费。

官方文档

Qwen（通义千问）模型

qwen3.7-max / qwen3.7-plus / qwen3.8-max / qwen3-vl-plus 按场景的调用示例：思考、工具调用、JSON 输出、联网搜索、图片与视频理解、缓存

Responses（OpenAI）

POST /v1/responses — OpenAI Responses API，按场景给出完整示例

本页内容

支持的模型场景总览思考开关与基础对话流式输出工具调用图片与视频输入缓存Anthropic 格式参数速查