MiniMax M3
性价比更高: MiMo-V2.5 $0.138/M 即可获得 Index 56.3,价格只有四分之一。
有 9 个更便宜的已排名模型得分更高:GPT-5.6 Luna (58.2, $0.450)、Inkling 2 Small (57.9, $0.475)、GLM 5.3 Flash (57.8, $0.238),另有 6 个。
截至 2026年11月16日,MiniMax M3(MiniMax)在 BenchLeader Index 上得分 56.1(共 608 个已排名配置)。表现最好的是指令遵循(80),最弱的是智能体与工具(40)。API 价格为输入每百万 token $0.300、输出每百万 token $1.20(按 3:1 混合为 $0.525),为 2026年11月16日的标价。输出速度约为 120 token/秒(Artificial Analysis)。发布于 2026年6月1日。
要点(截至 2026年11月16日)
- MiniMax M3 的 API 价格为输入每百万 token $0.300、输出每百万 token $1.20(按 3:1 混合为 $0.525)(标价,2026年11月16日)。
- MiniMax M3 的输出速度约为 120 token/秒(Artificial Analysis,2026年11月16日)。
- MiniMax M3 于 2026年6月1日发布(MiniMax)。
详细说明:MiniMax M3 是 MiniMax 的开放权重推理模型,发布于 2026年6月1日。其最佳配置在 BenchLeader Index 上得分 56.1 ±4.4,在 608 个配置中排第 189 名,处于上半区。关键在于这个“±”:另有 277 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,指令遵循得分最高(80),智能体与工具最低(40)。按混合价格计,每百万 token $0.525,比大多数已排名模型便宜。输出速度为 118 token/秒,首次回答需 60.0 秒,比大多数模型快。它已在 3 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。
- 混合价格
- $0.525/M
- 输入 $0.300 · 输出 $1.20
- 来源:Artificial Analysis
- 输出速度
- 118 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 60 s
- 首 token 1.29 s
- 上下文
- 1M
- 来源:models.dev
- 完整回答
- 185 s
- 最近一次测量 2026年11月13日
- 单任务成本
- $1.29
- 每项任务 13 min,AA Index
- 单任务 token 数
- 91k
- 其中 50% 为推理
- 发布日期
- 2026年6月1日
- 综合 Index56
- 推理51
- 编程51
- 智能体与工具40
- 数学53
- 知识54
- 指令遵循80
- 人类偏好55
- 多模态60
- 长上下文66
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/minimax-m3)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
不同推理强度的配置
同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。
Index 走势
2026年9月8日 至 2026年11月16日Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
元数据
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA Openness Index不计入 Index | 33.3#239 | Artificial Analysis |
推理
| 基准测试 | 无推理 | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| GPQA Diamond | 81.3%#131 | 90.9%#40 | Epoch AI Benchmarking Hub | |
| SimpleBench推理强度未说明 | – | 45.8%#69 | SimpleBench | |
| Arena Hard Prompts推理强度未说明 | – | 1457#108 | Arena (LMArena) | |
| LiveBench 1.0 Reasoning不计入 Index推理强度未说明 | – | 74.5%#63 | LiveBench | |
| GPQA Diamond (AA)不计入 Index推理强度未说明 | – | 92.9%#27 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index推理强度未说明 | – | 39.0%#107 | Artificial Analysis | |
| HLE-Diamond (AA)推理强度未说明 | – | 16.0%#97 | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index推理强度未说明 | – | 92.7%#14 | Vals AI | |
| CritPt不计入 Index推理强度未说明 | – | 3.7%#190 | Artificial Analysis | |
| CritPt v2 hard subset (AA)推理强度未说明 | – | 28.0%#83 | Artificial Analysis | |
| Arena Expert不计入 Index推理强度未说明 | – | 1468#95 | Arena (LMArena) | |
| Chess Puzzles不计入 Index | 8.0%#137 | 17.0%#112 | Epoch AI Benchmarking Hub | |
| Mystery Game Puzzles不计入 Index | 8.0%#124 | 7.0%#128 | Epoch AI Benchmarking Hub | |
| LMCA不计入 Index推理强度未说明 | – | 33.7%#137 | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index推理强度未说明 | – | 78.9%#145 | Epoch AI Benchmarking Hub | |
| ForecastBench不计入 Index推理强度未说明 | – | 64.0%#32 | ForecastBench |
编程
智能体与工具
数学
| 基准测试 | 无推理 | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| OTIS Mock AIME | 26.7%#225 | 71.1%#146 | Epoch AI Benchmarking Hub | |
| ProofBench推理强度未说明 | – | 18.0%#56 | Vals AI | |
| LiveBench Mathematics不计入 Index推理强度未说明 | – | 77.0%#66 | LiveBench | |
| Arena Maths推理强度未说明 | – | 1425#117 | Arena (LMArena) |
知识
| 基准测试 | xhigh | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| LiveBench 1.0 Data Analysis不计入 Index推理强度未说明 | – | 76.2%#35 | LiveBench | |
| AA-Omniscience v1.1推理强度未说明 | – | -5.5#96 | Artificial Analysis | |
| MMLU-Pro推理强度未说明 | – | 84.2%#63 | Vals AI | |
| LegalBench推理强度未说明 | – | 85.4%#21 | Vals AI | |
| CorpFin推理强度未说明 | – | 68.1%#11 | Vals AI | |
| TaxEval推理强度未说明 | – | 72.7%#57 | Vals AI | |
| Excel Modeling Benchmark不计入 Index推理强度未说明 | – | 47.8%#57 | Vals AI | |
| Excel Modeling Benchmark v1.1不计入 Index推理强度未说明 | – | 59.8%#37 | Vals AI | |
| MedCode不计入 Index推理强度未说明 | – | 46.3%#36 | Vals AI | |
| MedScribe不计入 Index推理强度未说明 | – | 87.3%#18 | Vals AI | |
| Public Benefits Bench v1.1不计入 Index推理强度未说明 | – | 64.1%#24 | Vals AI | |
| Access to Justice Benchmark不计入 Index推理强度未说明 | – | 69.8%#17 | Vals AI | |
| Financial Coaching Bench不计入 Index推理强度未说明 | – | 69.0%#19 | Vals AI | |
| Immigration Bench不计入 Index推理强度未说明 | – | 57.5%#25 | Vals AI | |
| DrugDiscoveryBench不计入 Index | 22.8%#22 | – | Scale AI SEAL | |
| AA-Omniscience v1.1: accuracy不计入 Index推理强度未说明 | – | 44.9%#57 | Artificial Analysis | |
| AA-Omniscience v1.1: non-hallucination不计入 Index推理强度未说明 | – | 8.7%#136 | Artificial Analysis |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| LiveBench Language不计入 Index | 76.8%#44 | LiveBench | |
| LiveBench Instruction Following不计入 Index | 57.5%#61 | LiveBench | |
| IFBench | 82.9%#2 | Artificial Analysis | |
| Arena Instruction Following不计入 Index | 1428#99 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1436#104 | Arena (LMArena) | |
| EQ-Bench 4 | 1140#24 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1396#113 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1448#95 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1445#101 | Arena (LMArena) |
多模态
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Vision | 1249#62 | Arena (LMArena) | |
| MMMU-Pro | 78.5%#79 | Artificial Analysis | |
| MMMU-Pro (Vals)不计入 Index | 81.2%#41 | Vals AI | |
| MortgageTax不计入 Index | 68.4%#16 | Vals AI | |
| SAGE不计入 Index | 85.5%#15 | Vals AI | |
| Code2Video-AA不计入 Index | 724#25 | Artificial Analysis | |
| AA-3D不计入 Index | 746#23 | Artificial Analysis |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 83.0%#30 | Artificial Analysis | |
| Arena Document不计入 Index | 1435#40 | Arena (LMArena) | |
| MLCR不计入 Index | 4.4%#163 | Artificial Analysis |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Epoch Capabilities Index不计入 Index | 147.7#76 | Epoch AI Benchmarking Hub | |
| LiveBench 1.0不计入 Index | 67.3%#63 | LiveBench | |
| AA Intelligence Index v5.0.1不计入 Index | 18.9#95 | Artificial Analysis | |
| AA Intelligence Index v4.3.2不计入 Index | 29.2#136 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 290.9#142 | Artificial Analysis | |
| Vals Finance Index不计入 Index | 48.4%#34 | Vals AI | |
| Vals Multimodal Index不计入 Index | 60.0%#18 | Vals AI | |
| AA Cyber Index不计入 Index | 22.4#23 | Artificial Analysis |
安全与诚实
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| DistressBench不计入 Index | 67.7%#33 | Scale AI SEAL |
GameBench 2, best reasoning setting (None): 29. 仅供参考,不计入 BenchLeader Index。
DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.
优势所在
在所有已测配置中,这个配置排名前五的基准测试。
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| CoreWeave | 170 tok/s | 0.43 s | $0.230 | $0.960 | 262k | fp4 |
| Parasail | 126 tok/s | 0.72 s | $0.450 | $1.80 | 1.0M | fp8 |
| Parasail | 122 tok/s | 0.75 s | $0.300 | $1.20 | 1.0M | fp8 |
| MiniMax | 52 tok/s | 1.96 s | $0.300 | $1.20 | 524k | – |
| GMICloud | 47 tok/s | 3.59 s | $0.240 | $0.960 | 1.0M | fp8 |
| DeepInfra | 42 tok/s | 1.11 s | $0.280 | $1.10 | 524k | fp8 |
| Venice | 41 tok/s | 1.05 s | $0.300 | $1.20 | 524k | fp8 |
使用情况
MiniMax M3 的实际使用量,依据公开这类数据的网关报告。使用情况不计入 Index。使用最多的模型和提供商
| Vercel AI Gateway 上的提供商 | 吞吐量 | 首 token | 在线率,1 天 |
|---|---|---|---|
| Fireworks | 279 tok/s | 0.61 s | 99.99% |
| Nebius | 205 tok/s | 1.79 s | 99.99% |
| GMI Cloud | 163 tok/s | 1.42 s | 100.00% |
| MiniMax | 89 tok/s | 0.82 s | 100.00% |
来源: 使用情况: OpenRouter 排名 · Vercel AI Gateway, CC BY 4.0 · 数据截至 2026年11月16日。
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.060。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0005 | $0.0004 | 1.0 min |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0043 | $0.0022 | 1.1 min |
| 代码编辑 | 6,000 / 1,500 | $0.0036 | $0.0025 | 1.2 min |
| 智能体编程会话 | 60,000 / 4,000 | $0.023 | $0.012 | 1.6 min |
| 结构化信息提取 | 2,000 / 200 | $0.0008 | $0.0005 | 1.0 min |
包含该模型的编程套餐
可以使用 MiniMax M3 的订阅套餐,列出各自的用量限制和单项任务成本。
另请参阅
嵌入或引用
在模型卡片或 README 中展示 MiniMax M3 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/minimax-m3)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). MiniMax M3 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/minimax-m3
BibTeX:
@misc{benchleader_minimax_m3_20261116,
author = {{BenchLeader}},
title = {{MiniMax M3 on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/minimax-m3}},
note = {Data as of 2026-11-16}
}常见问题
- MiniMax M3 的基准测试得分是多少?
- 截至 2026年11月16日,MiniMax M3 的 BenchLeader Index 为 56.1 ±4.4。最强的是指令遵循(80),最弱的是智能体与工具(40)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- MiniMax M3 排名第几?
- 截至 2026年11月16日,MiniMax M3 在 608 个已排名配置中排第 189 名。另有 277 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- MiniMax M3 每百万 token 的价格是多少?
- 截至 2026年11月16日,MiniMax M3 的价格为输入每百万 token $0.300、输出每百万 token $1.20,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.525。
- MiniMax M3 是什么时候发布的?
- MiniMax 于 2026年6月1日发布了 MiniMax M3。BenchLeader 收录了它在 3 种推理强度设置下的结果。
数据截至 2026年11月16日。 对比这些配置
引用格式:BenchLeader,《MiniMax M3:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/minimax-m3。