MiniMax-稀宇科技 - 千问AI平台

服务开通

前往模型市场，搜索 MiniMax，找到 MiniMax 模型卡片，单击立即开通；
在弹窗内确认开通及授权。

完成以上步骤即可调用MiniMax提供的 MiniMax 模型服务。

快速开始

API 使用前提：已开通服务并完成API Key配置。如果通过SDK调用，需要安装SDK。

OpenAI兼容
DashScope

Python
Node.js
HTTP

示例代码

import os
from openai import OpenAI

client = OpenAI(
  api_key=os.getenv("DASHSCOPE_API_KEY"),
  base_url="https://maas.qianwenaiapi.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
  model="MiniMax/MiniMax-M2.7",
  messages=[{"role": "user", "content": "你是谁"}],
  stream=True,
)

reasoning_content = ""  # 完整思考过程
answer_content = ""     # 完整回复
is_answering = False    # 是否进入回复阶段

print("\n" + "=" * 20 + "思考过程" + "=" * 20 + "\n")

for chunk in completion:
  if chunk.choices:
    delta = chunk.choices[0].delta
    # 只收集思考内容
    if hasattr(delta, "reasoning_content") and delta.reasoning_content is not None:
      if not is_answering:
        print(delta.reasoning_content, end="", flush=True)
      reasoning_content += delta.reasoning_content
    # 收到content，开始进行回复
    if hasattr(delta, "content") and delta.content:
      if not is_answering:
        print("\n" + "=" * 20 + "完整回复" + "=" * 20 + "\n")
        is_answering = True
      print(delta.content, end="", flush=True)
      answer_content += delta.content

返回结果

====================思考过程====================

用户问我是谁。根据系统提示，我应该以"MiniMax-M2.7"的身份回应，并且提到我是由MiniMax公司开发的。

这是一个简单的自我介绍问题，我应该简洁明了地回答。

====================完整回复====================

你好！我是 **MiniMax-M2.7**，由 **MiniMax** 公司开发的AI助手。

我可以帮助你回答问题、提供信息、进行对话等各种任务。有什么我可以帮助你的吗？

示例代码

import OpenAI from "openai";
import process from 'process';

// 初始化OpenAI客户端
const openai = new OpenAI({
  // 如果没有配置环境变量，请用千问AI平台API Key替换：apiKey: "sk-xxx"
  apiKey: process.env.DASHSCOPE_API_KEY,
  baseURL: 'https://maas.qianwenaiapi.com/compatible-mode/v1'
});

let reasoningContent = ''; // 完整思考过程
let answerContent = ''; // 完整回复
let isAnswering = false; // 是否进入回复阶段

async function main() {
  const messages = [{ role: 'user', content: '你是谁' }];

  const stream = await openai.chat.completions.create({
    model: 'MiniMax/MiniMax-M2.7',
    messages,
    stream: true,
  });

  console.log('\n' + '='.repeat(20) + '思考过程' + '='.repeat(20) + '\n');

  for await (const chunk of stream) {
    if (chunk.choices?.length) {
      const delta = chunk.choices[0].delta;
      // 只收集思考内容
      if (delta.reasoning_content !== undefined && delta.reasoning_content !== null) {
        if (!isAnswering) {
          process.stdout.write(delta.reasoning_content);
        }
        reasoningContent += delta.reasoning_content;
      }

      // 收到content，开始进行回复
      if (delta.content !== undefined && delta.content) {
        if (!isAnswering) {
          console.log('\n' + '='.repeat(20) + '完整回复' + '='.repeat(20) + '\n');
          isAnswering = true;
        }
        process.stdout.write(delta.content);
        answerContent += delta.content;
      }
    }
  }
}

main();

返回结果

====================思考过程====================

用户问我是谁。根据系统提示，我应该以"MiniMax-M2.7"的身份回应，并且提到我是由MiniMax公司开发的。

这是一个简单的自我介绍问题，我应该简洁明了地回答。

====================完整回复====================

你好！我是 **MiniMax-M2.7**，由 **MiniMax** 公司开发的AI助手。

我可以帮助你回答问题、提供信息、进行对话等各种任务。有什么我可以帮助你的吗？

示例代码

curl -X POST https://maas.qianwenaiapi.com/compatible-mode/v1/chat/completions \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "MiniMax/MiniMax-M2.7",
    "messages": [
        {
            "role": "user", 
            "content": "你是谁"
        }
    ]
}'

返回结果

{
    "choices": [
        {
            "message": {
                "content": "\n\n你好！我是一个AI助手，由MiniMax公司开发。我的名字是MiniMax-M2.7。\n\n我可以帮助你回答问题、提供信息、进行对话、协助写作、分析问题等各种任务。有什么我可以帮助你的吗？",
                "reasoning_content": "用户用中文问\"你是谁\"，意思是\"你是谁？\"或\"Who are you?\"\n\n我应该用中文回复，介绍我自己是一个AI助手。\n\n让我写一个简洁的自我介绍。",
                "role": "assistant"
            },
            "finish_reason": "stop",
            "index": 0,
            "logprobs": null
        }
    ],
    "object": "chat.completion",
    "usage": {
        "prompt_tokens": 40,
        "completion_tokens": 84,
        "total_tokens": 124,
        "completion_tokens_details": {
            "reasoning_tokens": 36
        }
    },
    "created": 1769161313,
    "system_fingerprint": null,
    "model": "MiniMax/MiniMax-M2.7",
    "id": "chatcmpl-30d4de0f-92fe-93d2-a1bf-e8153ae937df"
}

DashScope暂不支持MiniMax/MiniMax-M2.7，请使用OpenAI兼容方式调用MiniMax/MiniMax-M2.7。

Python
Java
HTTP

示例代码

import os
from dashscope import Generation

# 初始化请求参数
messages = [{"role": "user", "content": "你是谁？"}]

completion = Generation.call(
  # 如果没有配置环境变量，请用千问AI平台API Key替换：api_key="sk-xxx"
  api_key=os.getenv("DASHSCOPE_API_KEY"),
  model="MiniMax/MiniMax-M2.5",
  messages=messages,
  result_format="message",  # 设置结果格式为 message
  stream=True,              # 开启流式输出
  incremental_output=True,  # 开启增量输出
)

reasoning_content = ""  # 完整思考过程
answer_content = ""     # 完整回复
is_answering = False    # 是否进入回复阶段

print("\n" + "=" * 20 + "思考过程" + "=" * 20 + "\n")

for chunk in completion:
  message = chunk.output.choices[0].message

  # 只收集思考内容
  if message.reasoning_content:
    if not is_answering:
      print(message.reasoning_content, end="", flush=True)
    reasoning_content += message.reasoning_content

  # 收到 content，开始进行回复
  if message.content:
    if not is_answering:
      print("\n" + "=" * 20 + "完整回复" + "=" * 20 + "\n")
      is_answering = True
    print(message.content, end="", flush=True)
    answer_content += message.content

返回结果

====================思考过程====================

用户问我是谁。根据系统提示，我应该以"MiniMax-M2.5"的身份回应，并且提到我是由MiniMax公司开发的。

这是一个简单的自我介绍问题，我应该简洁明了地回答。

====================完整回复====================

你好！我是 **MiniMax-M2.5**，由 **MiniMax** 公司开发的AI助手。

我可以帮助你回答问题、提供信息、进行对话等各种任务。有什么我可以帮助你的吗？

示例代码

// dashscope SDK的版本 >= 2.19.4
import com.alibaba.dashscope.aigc.generation.Generation;
import com.alibaba.dashscope.aigc.generation.GenerationParam;
import com.alibaba.dashscope.aigc.generation.GenerationResult;
import com.alibaba.dashscope.common.Message;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.InputRequiredException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import io.reactivex.Flowable;
import java.lang.System;
import java.util.Arrays;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

public class Main {
    private static final Logger logger = LoggerFactory.getLogger(Main.class);
    private static StringBuilder reasoningContent = new StringBuilder();
    private static StringBuilder finalContent = new StringBuilder();
    private static boolean isFirstPrint = true;

    private static void handleGenerationResult(GenerationResult message) {
        String reasoning = message.getOutput().getChoices().get(0).getMessage().getReasoningContent();
        String content = message.getOutput().getChoices().get(0).getMessage().getContent();

        if (reasoning != null && !reasoning.isEmpty()) {
            reasoningContent.append(reasoning);
            if (isFirstPrint) {
                System.out.println("====================思考过程====================");
                isFirstPrint = false;
            }
            System.out.print(reasoning);
        }

        if (content != null && !content.isEmpty()) {
            finalContent.append(content);
            if (!isFirstPrint) {
                System.out.println("\n====================完整回复====================");
                isFirstPrint = true;
            }
            System.out.print(content);
        }
    }
    private static GenerationParam buildGenerationParam(Message userMsg) {
        return GenerationParam.builder()
                // 若没有配置环境变量，请用千问AI平台API Key将下行替换为：.apiKey("sk-xxx")
                .apiKey(System.getenv("DASHSCOPE_API_KEY"))
                .model("MiniMax/MiniMax-M2.5")
                .incrementalOutput(true)
                .resultFormat("message")
                .messages(Arrays.asList(userMsg))
                .build();
    }
    public static void streamCallWithMessage(Generation gen, Message userMsg)
            throws NoApiKeyException, ApiException, InputRequiredException {
        GenerationParam param = buildGenerationParam(userMsg);
        Flowable<GenerationResult> result = gen.streamCall(param);
        result.blockingForEach(message -> handleGenerationResult(message));
    }

    public static void main(String[] args) {
        try {
            Generation gen = new Generation();
            Message userMsg = Message.builder().role(Role.USER.getValue()).content("你是谁？").build();
            streamCallWithMessage(gen, userMsg);
        } catch (ApiException | NoApiKeyException | InputRequiredException e) {
            logger.error("An exception occurred: {}", e.getMessage());
        }
        System.exit(0);
    }
}

返回结果

====================思考过程====================

用户问我是谁。根据系统提示，我应该以"MiniMax-M2.5"的身份回应，并且提到我是由MiniMax公司开发的。

这是一个简单的自我介绍问题，我应该简洁明了地回答。

====================完整回复====================

你好！我是 **MiniMax-M2.5**，由 **MiniMax** 公司开发的AI助手。

我可以帮助你回答问题、提供信息、进行对话等各种任务。有什么我可以帮助你的吗？

示例代码

curl -X POST "https://maas.qianwenaiapi.com/api/v1/services/aigc/text-generation/generation" \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "MiniMax/MiniMax-M2.5",
    "input":{
        "messages":[      
            {
                "role": "user",
                "content": "你是谁？"
            }
        ]
    },
    "parameters": {
        "result_format": "message"
    }
}'

返回结果

{
    "output": {
        "choices": [
            {
                "finish_reason": "stop",
                "message": {
                    "content": "用户用中文问\"你是谁？\"，这是一个简单的自我介绍问题。\n\n我需要用中文回答，介绍我是谁。根据系统提示，我是MiniMax-M2.5，由MiniMax构建的AI助手。\n\n让我简洁明了地回答这个问题。\n</think>\n\n你好！我是 MiniMax-M2.5，一个由 MiniMax 公司开发的 AI 助手。我可以帮助你回答问题、提供信息、进行对话等各种任务。有什么我可以帮你的吗？",
                    "reasoning_content": "",
                    "role": "assistant"
                }
            }
        ]
    },
    "usage": {
        "input_tokens": 41,
        "output_tokens": 87,
        "total_tokens": 128
    },
    "request_id": "0fba0c78-bda8-948e-a748-c5354a7a95cd"
}

MiniMax-M3.1-Flash 与 MiniMax-M3 的差异

能力	MiniMax/MiniMax-M3.1-Flash	MiniMax/MiniMax-M3
思考模式	始终开启，不可关闭	默认自适应思考，可关闭
思考深度	支持 `low`、`medium`、`high`、`xhigh`、`max`，默认 `max`	不支持 `reasoning_effort`
思考内容	始终通过 `reasoning_content` 字段单独返回，不支持将 `reasoning_split` 设为 `false`	`reasoning_split` 为 `true` 时通过 `reasoning_content` 单独返回，为 `false` 时在 `content` 中以 `thinking` 标签返回
上下文窗口	1M Token	1M Token
图片和视频输入	支持	支持
Prompt 缓存	支持	支持
默认限流	200 RPM、10,000,000 TPM	500 RPM、20,000,000 TPM

实际服务可能同时按 RPS（RPM/60）与 TPS（TPM/60）执行每秒限流，具体规则请参见限流。使用以下示例调用 MiniMax/MiniMax-M3.1-Flash，并通过 reasoning_effort 设置思考深度：

import os
from openai import OpenAI

client = OpenAI(
  api_key=os.getenv("DASHSCOPE_API_KEY"),
  base_url="https://maas.qianwenaiapi.com/compatible-mode/v1",
)

response = client.chat.completions.create(
  model="MiniMax/MiniMax-M3.1-Flash",
  reasoning_effort="max",
  messages=[{"role": "user", "content": "分析采用微服务架构的主要权衡。"}],
)

print(response.choices[0].message.reasoning_content)
print(response.choices[0].message.content)

从 MiniMax-M3 迁移

仅将模型 ID 更换为 MiniMax/MiniMax-M3.1-Flash 时，请同步检查以下差异：

删除 thinking: {"type":"disabled"} 或 reasoning_effort: "none"。MiniMax-M3.1-Flash 不支持关闭思考，传入上述参数会返回 400 错误。
不要将 reasoning_split 设为 false。共用 MiniMax-M3 和 MiniMax-M3.1-Flash 调用代码时，可将其设为 true，并统一从 reasoning_content 读取思考内容。使用 OpenAI Python SDK 时，通过 extra_body={"reasoning_split": True} 传入；通过 HTTP 调用时，将其放在请求体顶层。thinking 参数的位置与之相同。
从 reasoning_content 字段读取思考内容，不要读取 reasoning_details。兼容 MiniMax-M3 时，应先判断 reasoning_content 是否存在；MiniMax-M3.1-Flash 无需解析 content 中的 thinking 标签。
为输出预留足够长度。思考内容计入 max_tokens 或 max_completion_tokens，上限过小可能导致 finish_reason 为 length 且回答为空。
多轮 Function Calling 时，将包含 reasoning_content 和 tool_calls 的完整 assistant 消息加入对话历史，以保持思考过程连续。

多模态调用示例

MiniMax/MiniMax-M3.1-Flash 和 MiniMax/MiniMax-M3 均支持文本、图片和视频输入，并输出文本。

MiniMax-M3.1-Flash 始终开启思考，可通过 reasoning_effort 调整思考深度。MiniMax-M3 通过 thinking 参数控制思考模式，默认为自适应模式（adaptive）：

非思考模式（thinking.type: "disabled"）：直接输出结果，不包含推理过程
自适应模式（thinking.type: "adaptive" 或不设置）：模型自主判断是否需要思考，并输出推理过程（reasoning_content）

图像理解

图像理解功能让 MiniMax/MiniMax-M3.1-Flash 和 MiniMax/MiniMax-M3 能够识别和分析单张或多张图像。以下示例使用 MiniMax/MiniMax-M3；如需使用 MiniMax/MiniMax-M3.1-Flash，请更换模型 ID，并可通过 reasoning_effort 调整思考深度。

OpenAI兼容

thinking 非 OpenAI 标准参数，OpenAI Python SDK 通过 extra_body 传入，Node.js SDK 中作为顶层参数传入。

Python
Node.js
HTTP

import os
from openai import OpenAI

client = OpenAI(
  api_key=os.getenv("DASHSCOPE_API_KEY"),
  base_url="https://maas.qianwenaiapi.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
  model="MiniMax/MiniMax-M3",
  messages=[
    {
      "role": "user",
      "content": [
        {"type": "text", "text": "图中描绘的是什么景象?"},
        {
          "type": "image_url",
          "image_url": {
            "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241022/emyrja/dog_and_girl.jpeg"
          }
        }
      ]
    }
  ],
  extra_body={"thinking": {"type": "adaptive"}}
)

if hasattr(completion.choices[0].message, 'reasoning_content') and completion.choices[0].message.reasoning_content:
  print("\n" + "=" * 20 + "思考过程" + "=" * 20 + "\n")
  print(completion.choices[0].message.reasoning_content)

print("\n" + "=" * 20 + "完整回复" + "=" * 20 + "\n")
print(completion.choices[0].message.content)

import OpenAI from "openai";
import process from 'process';

const openai = new OpenAI({
  apiKey: process.env.DASHSCOPE_API_KEY,
  baseURL: 'https://maas.qianwenaiapi.com/compatible-mode/v1'
});

const completion = await openai.chat.completions.create({
  model: 'MiniMax/MiniMax-M3',
  messages: [
    {
      role: 'user',
      content: [
        { type: 'text', text: '图中描绘的是什么景象?' },
        {
          type: 'image_url',
          image_url: {
            url: 'https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241022/emyrja/dog_and_girl.jpeg'
          }
        }
      ]
    }
  ],
  thinking: {"type": "adaptive"}
});

if (completion.choices[0].message.reasoning_content) {
  console.log('\n' + '='.repeat(20) + '思考过程' + '='.repeat(20) + '\n');
  console.log(completion.choices[0].message.reasoning_content);
}

console.log('\n' + '='.repeat(20) + '完整回复' + '='.repeat(20) + '\n');
console.log(completion.choices[0].message.content);

curl -X POST https://maas.qianwenaiapi.com/compatible-mode/v1/chat/completions \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "MiniMax/MiniMax-M3",
    "messages": [
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "图中描绘的是什么景象?"
                },
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241022/emyrja/dog_and_girl.jpeg"
                    }
                }
            ]
        }
    ],
    "thinking": {"type": "adaptive"}
}'

视频理解

OpenAI兼容

Python
Node.js
HTTP

import os
from openai import OpenAI

client = OpenAI(
  api_key=os.getenv("DASHSCOPE_API_KEY"),
  base_url="https://maas.qianwenaiapi.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
  model="MiniMax/MiniMax-M3",
  messages=[
    {
      "role": "user",
      "content": [
        {
          "type": "video_url",
          "video_url": {
            "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241115/cqqkru/1.mp4"
          },
          "fps": 2
        },
        {
          "type": "text",
          "text": "这段视频的内容是什么?"
        }
      ]
    }
  ]
)

print(completion.choices[0].message.content)

import OpenAI from "openai";

const openai = new OpenAI({
  apiKey: process.env.DASHSCOPE_API_KEY,
  baseURL: "https://maas.qianwenaiapi.com/compatible-mode/v1"
});

async function main() {
  const response = await openai.chat.completions.create({
    model: "MiniMax/MiniMax-M3",
    messages: [
      {
        role: "user",
        content: [
          {
            type: "video_url",
            video_url: {
              "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241115/cqqkru/1.mp4"
            },
            fps: 2
          },
          {
            type: "text",
            text: "这段视频的内容是什么?"
          }
        ]
      }
    ]
  });
  console.log(response.choices[0].message.content);
}

main();

curl -X POST https://maas.qianwenaiapi.com/compatible-mode/v1/chat/completions \
  -H "Authorization: Bearer $DASHSCOPE_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "MiniMax/MiniMax-M3",
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "video_url",
            "video_url": {
              "url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241115/cqqkru/1.mp4"
            },
            "fps": 2
          },
          {
            "type": "text",
            "text": "这段视频的内容是什么?"
          }
        ]
      }
    ]
  }'

文件限制

图像文件
视频文件

传入方式：支持通过公网 URL 或 Base64 编码传入。
支持的图像格式：PNG、JPEG、WEBP、GIF
图像大小：单张图片不超过 10MB。

其它功能

模型	多轮对话	深度思考	Function Calling	结构化输出	联网搜索	前缀续写	上下文缓存
MiniMax/MiniMax-M3.1-Flash	✓	✓	✓	✗	✗	✗	✓
MiniMax/MiniMax-M3	✓	✓	✓	✗	✗	✗	✓
MiniMax/MiniMax-M2.7	✓	✓	✓	✗	✗	✗	✓
MiniMax/MiniMax-M2.5	✓	✓	✓	✗	✗	✗	✓
MiniMax/MiniMax-M2.1	✓	✓	✓	✗	✗	✗	✓

上下文缓存类型为隐式缓存，自动开启，与千问AI平台的隐式缓存服务有以下不同：

MiniMax/MiniMax-M3.1-Flash、MiniMax/MiniMax-M2.5、MiniMax/MiniMax-M2.1 命中缓存的输入 Token 折扣为 10%，MiniMax/MiniMax-M3、MiniMax/MiniMax-M2.7 折扣为 20%；缓存最少 Token 数为 512（千问AI平台为 1024）。
MiniMax/MiniMax-M3.1-Flash 和 MiniMax/MiniMax-M3 的 n 参数仅支持 1，即每次请求只能生成一条回复。
MiniMax/MiniMax-M3.1-Flash 不支持 stop。传入后不会按指定停止词截断输出；请求可能仍成功且返回 finish_reason: "stop"，但这不表示指定停止词已生效。
MiniMax/MiniMax-M3.1-Flash 不支持通过 parallel_tool_calls 控制工具调用的并行性。设置为 false 也不能保证串行调用，模型仍可能在一轮中返回多个 tool_calls。
MiniMax/MiniMax-M3.1-Flash 的 tool_choice 仅支持 auto。其他取值可能报错或不生效，例如指定函数名称不能保证模型调用该函数。MiniMax/MiniMax-M3 的 tool_choice 仅支持 none 和 auto。

参数默认值

当前不支持修改以下参数。

模型	temperature	top_p
MiniMax/MiniMax-M3.1-Flash	1.0	0.95
MiniMax/MiniMax-M3	1.0	0.95
MiniMax/MiniMax-M2.7	1.0	0.9
MiniMax/MiniMax-M2.5	1.0	0.9
MiniMax/MiniMax-M2.1	1.0	0.9

模型列表与计费

MiniMax-M3.1-Flash 是最新多模态推理模型，支持 100 万 Token 上下文、图像和视频理解以及五档思考深度，推荐用于复杂 Agentic 任务、软件开发和网络安全等场景。MiniMax-M3 支持关闭思考模式，适用于需要在思考和非思考模式间切换的场景；MiniMax-M2.7 擅长编程、文本摘要等任务。模型上下文长度与价格信息请参见模型市场。按照模型的输入与输出 Token 数量计费。

错误码

如果模型调用失败并返回报错信息，请参见错误码文档进行解决。

​服务开通

​快速开始

示例代码

返回结果

​MiniMax-M3.1-Flash 与 MiniMax-M3 的差异

​从 MiniMax-M3 迁移

​多模态调用示例

​图像理解

​视频理解

​文件限制

​其它功能

​参数默认值

​模型列表与计费

​错误码

服务开通

快速开始

MiniMax-M3.1-Flash 与 MiniMax-M3 的差异

从 MiniMax-M3 迁移

多模态调用示例

图像理解

视频理解

文件限制

其它功能

参数默认值

模型列表与计费

错误码