MiniMax M3 vs M2.7: 벤치마크, 사양 비교와 마이그레이션

MiniMax 공식 모델 목록에 남은 현행 텍스트 모델은 이제 MiniMax-M3와 MiniMax-M3.1-Flash 두 개뿐입니다. M2.7과 M2.5는 2026년 11월 18일 종료가 확정됐습니다. 제품이 M2.7 위에서 돌아가고 있다면, 그날 전까지 어디로 옮길지 결정해야 합니다. 이 글에서는 MiniMax가 공개한 수치만으로 M3와 M2.7을 비교하고, 요청에서 실제로 무엇이 바뀌는지와 전환 절차를 단계별로 설명합니다. APIMart에서는 두 모델 모두 같은 OpenAI 호환 형식으로 MiniMax API를 통해 호출할 수 있어, 마이그레이션은 사실상 설정 변경에 가깝습니다.

핵심 요약

• MiniMax M3는 텍스트, 이미지, 비디오를 입력받는 네이티브 멀티모달 모델로, 컨텍스트 1,000,000 토큰, 응답당 최대 524,288 토큰 출력을 지원합니다. M2.7의 컨텍스트 상한은 204,800 토큰입니다.
• MiniMax가 직접 공개한 벤치마크 표에서 M3는 SWE-Bench Verified에서 M2.7을 근소하게 앞서지만(80.5 대 79.9), 에이전트 작업에서는 크게 앞섭니다. Terminal Bench 2.1은 66.0 대 51.1, MCP Atlas는 74.2 대 49.4입니다.
• MiniMax는 2026년 10월 19일부터 신규 사용자에게 M2.7과 M2.5 제공을 중단했고, 2026년 11월 18일에 두 모델을 종료합니다. 그 이후에는 종량제 요청을 사용할 수 없습니다.
• 마이그레이션은 대부분 model을 minimax-m3로 바꾸는 한 줄 수정이지만, thinking과 샘플링 동작이 다릅니다. M3는 thinking을 끌 수 있고 M2.x는 끌 수 없으며, M3의 temperature는 항상 1입니다.
• 2026년 11월 4일 기준 APIMart 골드 회원 가격은 두 모델 모두 100만 토큰당 입력 0.24달러 / 출력 0.96달러로 같습니다.

MiniMax M3 vs M2.7 한눈에 보기

출처: MiniMax M3 모델 카드, MiniMax M2.7 설정 파일, MiniMax 모델 목록, MiniMax Chat Completions 레퍼런스.

M2.7에서 M3로 무엇이 달라졌나

네이티브 멀티모달

MiniMax는 M3를 '최전선 멀티모달 코딩 모델'로 소개하며, 학습 첫 단계부터 여러 모달리티를 섞어 훈련했다고 설명합니다. 실제로는 하나의 모델이 프롬프트와 함께 스크린샷, 스캔한 PDF 페이지, 짧은 영상을 읽을 수 있다는 뜻입니다. MiniMax가 공개한 M3 점수는 MMMU-Pro 78.1, OmniDocBench 91.6, Video-MMMU 84.6입니다. 이 테스트들에는 M2.7 점수가 없어서 멀티모달 성능을 같은 조건으로 비교할 수는 없습니다.

다섯 배 넓어진 컨텍스트

M3는 최대 1,000,000 토큰의 컨텍스트를 처리하며, M2.7은 204,800 토큰입니다. 큰 모듈 하나를 넣느냐, 코드베이스 대부분을 넣느냐의 차이이고, 긴 계약서 한 건이냐, 실사 자료 전체냐의 차이입니다. 다만 창이 커졌다고 해서 뒤쪽 내용까지 정확히 찾아낸다는 보장은 없으니, 실제로 의존하기 전에 자체 장문 입력으로 검색 정확도를 확인하세요.

더 긴 출력과 조절 가능한 thinking

M3는 응답 하나에 최대 524,288 토큰을 출력할 수 있고, MiniMax는 대부분의 요청에 131,072를 권장합니다. M2.x는 상한 204,800, 권장 65,536입니다. thinking도 바뀌었습니다. M3는 기본적으로 adaptive thinking을 사용해 추가 추론이 필요한지 모델이 스스로 판단하며, 더 빠른 응답이 필요하면 끌 수도 있습니다. M2.x는 thinking이 항상 켜져 있고, disabled를 보내도 오류는 나지 않지만 무시됩니다.

벤치마크 비교: MiniMax M3 vs M2.7

아래 수치는 모두 MiniMax M3 모델 카드의 벤치마크 표에서 가져왔습니다. 이는 MiniMax의 자체 측정 결과이며, 대부분 내부 환경에서 Claude Code를 스캐폴딩으로 사용해 실행한 것으로, 독립적인 제3자 평가가 아닙니다.

출처: MiniMax M3 모델 카드(MiniMax 자체 측정).

두 가지 흐름이 눈에 띕니다. 단일 저장소에서 버그를 고치는 전통적인 작업에서는 차이가 작습니다. SWE-Bench Verified는 0.6점, SWE-Bench Pro는 2.8점 차이입니다. 주된 용도가 '이 저장소의 이 이슈를 고치는 것'이라면 M2.7도 이미 M3에 꽤 근접해 있었습니다. 격차가 벌어지는 곳은 여러 단계를 거치며 도구를 많이 쓰는 작업입니다. M3는 MCP Atlas와 Claw-Eval에서 각각 24.8점, Terminal Bench 2.1에서 14.9점, SWE Atlas-QnA에서 26.6점 앞섭니다. 모두 도구를 호출하고, 명령을 실행하고, 코드베이스 전체에 대해 답하는 에이전트에 가장 가까운 벤치마크입니다.

가격

2026년 11월 4일 기준 APIMart 골드 회원은 minimax-m3, minimax-m2.7, minimax-m2.5 모두 100만 입력 토큰당 0.24달러, 100만 출력 토큰당 0.96달러를 냅니다. M3로 바꿔도 토큰 단가는 달라지지 않습니다. 다만 M3의 adaptive thinking과 더 긴 출력 때문에 요청당 토큰 사용량이 바뀔 수 있으므로 청구액은 달라질 수 있습니다. 전환 후 며칠간은 요청당 토큰 수를 지켜보세요. 모든 MiniMax 모델의 최신 가격은 MiniMax 가격 페이지에서 확인할 수 있습니다.

제공 현황과 종료 일정

• 2026년 10월 19일: MiniMax가 신규 사용자에게 M2.5와 M2.7 제공을 중단했습니다.
• 2026년 11월 18일: M2.5와 M2.7이 종료됩니다. MiniMax에 따르면 이후 종량제 API 요청은 사용할 수 없습니다.
• 이미 종료됨: MiniMax-M2.1, MiniMax-M2, M2-her.

2026년 11월 4일 기준 APIMart에는 아직 minimax-m2.7과 minimax-m2.5가 있습니다. 하지만 MiniMax가 원본 모델을 종료하므로 11월 18일 전에 전환을 마치도록 계획하세요.

M2.7에서 M3로 마이그레이션하는 방법

요청 형식은 그대로이므로 대부분의 팀은 반나절이면 마이그레이션할 수 있습니다. 다음 다섯 가지를 차례로 확인하세요.

1. 모델 ID 변경: minimax-m2.7(또는 minimax-m2.5)을 minimax-m3로 바꿉니다.
2. thinking 결정: M2.7은 항상 추론한 뒤 답했지만, M3의 기본값은 adaptive thinking입니다. 채팅이나 분류처럼 빠르고 직접적인 답이 필요하면 "thinking": {"type": "disabled"}를 보내세요. Python OpenAI SDK에서는 extra_body 안에 넣습니다.
3. temperature 튜닝 제거: M3는 temperature가 항상 1이며, 다른 값을 넣어도 적용되지 않습니다. 낮은 temperature로 출력을 안정시켜 왔다면 더 명확한 지시나 구조화 출력을 사용하세요.
4. max_completion_tokens 재검토: M3는 최대 524,288까지 받습니다. 긴 작업은 MiniMax 권장값 131,072로 시작하고, 채팅은 비용 관리를 위해 낮은 상한을 유지하세요.
5. 평가 다시 실행: 트래픽을 전부 옮기기 전에 실제 트래픽으로 품질, 지연 시간, 요청당 토큰 수를 비교하세요.

thinking을 끈 최소 요청은 다음과 같습니다.

curl https://api.apimart.ai/v1/chat/completions \
  -H "Authorization: Bearer $APIMART_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "minimax-m3",
    "messages": [{"role": "user", "content": "이 풀 리퀘스트를 세 가지 요점으로 요약해 주세요."}],
    "thinking": {"type": "disabled"},
    "max_completion_tokens": 4096,
    "stream": false
  }'

Python OpenAI SDK로 같은 요청을 보내면 다음과 같습니다.

import os
from openai import OpenAI

client = OpenAI(base_url="https://api.apimart.ai/v1", api_key=os.environ["APIMART_API_KEY"])

response = client.chat.completions.create(
    model="minimax-m3",  # 기존 값: "minimax-m2.7"
    messages=[{"role": "user", "content": "이 풀 리퀘스트를 세 가지 요점으로 요약해 주세요."}],
    max_completion_tokens=4096,
    stream=False,
    extra_body={"thinking": {"type": "disabled"}},  # 이 줄을 지우면 adaptive thinking 유지
)
print(response.choices[0].message.content)

전체 파라미터는 APIMart Chat Completions 레퍼런스를 참고하세요.

MiniMax M3와 Kimi, GLM, DeepSeek 비교

같은 MiniMax 벤치마크 표에는 다른 오픈 웨이트 모델도 포함돼 있습니다. 아래 수치는 표에서 그대로 옮긴 것이며, '-'는 MiniMax가 점수를 공개하지 않았다는 뜻입니다. MiniMax는 DeepSeek, Kimi, GLM의 NL2Repo 점수를 Qwen이 공개한 결과에서 가져왔고, 나머지 대부분은 각 회사의 공식 API로 직접 측정했다고 밝혔습니다.

출처: MiniMax M3 모델 카드(MiniMax 자체 측정).

MiniMax 수치로 보면 M3, DeepSeek V4 Pro, Kimi K2.6 Thinking은 SWE-Bench Verified와 BrowseComp 모두에서 차이가 0.4점 이내입니다. GLM 5.1 Thinking은 SWE-Bench Verified 점수가 없고 BrowseComp에서는 79.3으로 뒤처집니다. 또한 NL2Repo에서는 Kimi K2.6 Thinking이 근소하게 앞섭니다. M3가 가장 뚜렷하게 앞서는 항목은 Terminal Bench 2.1과 Claw-Eval입니다. 모두 업체 자체 측정 결과이므로 결론이 아니라 후보를 좁히는 자료로 보고, 선택 전에 자체 작업으로 직접 테스트하세요.

어떤 모델을 써야 할까

• 새 프로젝트: M3를 쓰세요. MiniMax는 더 이상 신규 사용자에게 M2.7을 제공하지 않으며, 11월 18일에 종료됩니다.
• 프로덕션에서 M2.7 운영 중: 출력을 나란히 비교할 시간이 있을 때 지금 바로 M3로 옮기세요.
• 이미지나 비디오 입력이 필요한 경우: 멀티모달 입력이 확인된 MiniMax 텍스트 모델은 M3입니다.
• 주로 단일 저장소 버그 수정: 품질 변화는 크지 않을 것으로 보입니다. 더 큰 개선은 도구를 많이 쓰는 에이전트 작업에서 나타납니다.

자주 묻는 질문

MiniMax M3와 M2.7은 무엇이 다른가요?

M3는 MiniMax의 현행 플래그십 모델입니다. 텍스트, 이미지, 비디오를 입력받고 1,000,000 토큰 컨텍스트와 최대 524,288 토큰 출력을 지원하며, thinking을 끌 수 있습니다. M2.7은 컨텍스트 204,800 토큰에 항상 생각한 뒤 답하며, 현재 종료 절차에 들어가 있습니다.

MiniMax M2.7은 종료되나요?

네. MiniMax는 2026년 10월 19일부터 신규 사용자에게 M2.7과 M2.5 제공을 중단했고, 2026년 11월 18일에 두 모델을 종료합니다. 이후에는 종량제 요청을 사용할 수 없습니다.

MiniMax M2.7에서 M3로 어떻게 마이그레이션하나요?

모델 ID를 minimax-m3로 바꾸고, adaptive thinking을 유지할지 "thinking": {"type": "disabled"}를 보낼지 정합니다. M3는 temperature가 항상 1이므로 temperature 튜닝을 빼고, max_completion_tokens도 다시 확인하세요. 그런 다음 트래픽을 모두 옮기기 전에 평가 세트를 다시 실행하세요.

MiniMax M3의 벤치마크 성능은 어떤가요?

MiniMax 자체 표에서 M3는 SWE-Bench Verified 80.5, SWE-Bench Pro 59.0, Terminal Bench 2.1 66.0, BrowseComp 83.5를 기록했습니다. 업체 자체 측정 결과이며 독립적인 평가는 아닙니다.

MiniMax M3는 오픈 소스인가요?

MiniMax는 M3의 가중치를 Hugging Face에 MiniMax Community License로 공개했습니다. 자체 라이선스를 따르는 오픈 웨이트 모델이므로, 상업적으로 직접 호스팅하기 전에 라이선스 조건을 확인하세요.

MiniMax M3 가격은 얼마인가요?

2026년 11월 4일 기준 APIMart 골드 회원은 MiniMax M3를 100만 입력 토큰당 0.24달러, 100만 출력 토큰당 0.96달러에 사용할 수 있으며, M2.7과 같은 가격입니다. 최신 가격은 APIMart의 MiniMax 모델 페이지에서 확인하세요.

앞으로 지켜볼 점

MiniMax는 이미 MiniMax-M3.1-Flash를 공개했으며, 100만 토큰 컨텍스트와 조절 가능한 thinking 깊이를 갖춘 멀티모달 코딩 모델이라고 소개합니다. APIMart에는 아직 없고, 출시 시점을 추측하지도 않겠습니다. 당장 할 일은 분명합니다. 11월 18일 전에 M2.7 워크로드를 M3로 옮기고, 그 과정에서 품질, 지연 시간, 요청당 토큰 수를 계속 측정하는 것입니다.