MiniMax M3 vs M2.7: бенчмарки, отличия и переход

В официальном списке MiniMax теперь только две актуальные текстовые модели: MiniMax-M3 и MiniMax-M3.1-Flash. M2.7 и M2.5 уходят: их отключение назначено на 18 ноября 2026 года. Если ваш продукт работает на M2.7, решение о переходе нужно принять до этой даты. В этом руководстве мы сравниваем M3 и M2.7 только по цифрам, которые публикует сама MiniMax, разбираем, что на самом деле меняется в запросах, и пошагово описываем переход. В APIMart обе модели доступны через MiniMax API в одном и том же OpenAI-совместимом формате, так что переход сводится в основном к смене настроек.

Главное

• MiniMax M3 — нативно мультимодальная модель: принимает текст, изображения и видео, поддерживает контекст 1 000 000 токенов и до 524 288 токенов вывода за ответ. У M2.7 предел контекста — 204 800 токенов.
• В собственной таблице бенчмарков MiniMax модель M3 лишь немного опережает M2.7 на SWE-Bench Verified (80,5 против 79,9), но заметно уходит вперёд в агентных задачах: 66,0 против 51,1 на Terminal Bench 2.1 и 74,2 против 49,4 на MCP Atlas.
• MiniMax перестала предоставлять M2.7 и M2.5 новым пользователям 19 октября 2026 года и отключает их 18 ноября 2026 года. После этой даты запросы с оплатой по факту к этим моделям перестают работать.
• Обычно для миграции достаточно поменять одну строку на minimax-m3, но режим thinking и сэмплирование работают иначе: в M3 thinking можно отключить, в M2.x — нельзя, а temperature у M3 всегда равна 1.
• На 4 ноября 2026 года участники уровня Gold в APIMart платят за обе модели одинаково: $0,24 за ввод / $0,96 за вывод за 1 млн токенов.

MiniMax M3 и M2.7: краткое сравнение

Источники: карточка модели MiniMax M3, конфигурация MiniMax M2.7, список моделей MiniMax и справочник MiniMax по Chat Completions.

Что изменилось при переходе от M2.7 к M3

Нативная мультимодальность

MiniMax называет M3 «передовой мультимодальной моделью для программирования», которую с первого шага обучали на смеси модальностей. На практике одна модель может вместе с промптом прочитать скриншот, отсканированную страницу PDF или короткое видео. MiniMax приводит для M3 результаты 78,1 на MMMU-Pro, 91,6 на OmniDocBench и 84,6 на Video-MMMU. Результатов M2.7 по этим тестам в таблице нет, поэтому сравнить мультимодальность в равных условиях нельзя.

Контекстное окно в пять раз больше

M3 работает с контекстом до 1 000 000 токенов, M2.7 — до 204 800. Это разница между тем, чтобы передать модели один крупный модуль, и тем, чтобы передать большую часть кодовой базы — или между одним длинным договором и целой комнатой данных для due diligence. Но большее окно не гарантирует, что модель точно найдёт информацию в дальней части контекста, поэтому проверьте поиск на собственных длинных входных данных, прежде чем на него полагаться.

Более длинный вывод и управляемый thinking

M3 может вернуть до 524 288 токенов за один ответ, а MiniMax рекомендует 131 072 для большинства запросов. У моделей M2.x предел — 204 800, рекомендуемое значение — 65 536. Изменился и thinking. По умолчанию M3 использует адаптивный режим и сама решает, когда нужно дополнительное рассуждение; для более быстрых ответов его можно отключить. У M2.x thinking включён всегда: значение disabled принимается, но игнорируется.

Бенчмарки: MiniMax M3 vs M2.7

Все цифры ниже взяты из таблицы бенчмарков в карточке модели MiniMax M3. Это собственные результаты MiniMax, полученные в основном на внутренней инфраструктуре с Claude Code в качестве обвязки, а не независимые тесты третьих сторон.

Источник: карточка модели MiniMax M3 (данные MiniMax).

Бросаются в глаза две закономерности. На классическом исправлении багов в одном репозитории разница невелика: 0,6 пункта на SWE-Bench Verified и 2,8 на SWE-Bench Pro. Если ваша нагрузка — это в основном «исправь эту задачу в этом репозитории», M2.7 и так была близка к M3. Разрыв появляется в многошаговых задачах с активным использованием инструментов. M3 опережает на 24,8 пункта и в MCP Atlas, и в Claw-Eval, на 14,9 — в Terminal Bench 2.1 и на 26,6 — в SWE Atlas-QnA. Именно эти бенчмарки ближе всего к агентам, которые вызывают инструменты, выполняют команды и отвечают на вопросы по всей кодовой базе.

Цены

На 4 ноября 2026 года участники уровня Gold в APIMart платят $0,24 за 1 млн входных токенов и $0,96 за 1 млн выходных одинаково для minimax-m3, minimax-m2.7 и minimax-m2.5. Переход на M3 не меняет цену за токен. Но итоговая сумма может измениться: адаптивный thinking и более длинный вывод M3 влияют на то, сколько токенов расходует каждый запрос. Несколько дней после переключения следите за числом токенов на запрос. Актуальные цены на все модели MiniMax — на странице цен MiniMax.

Доступность и сроки отключения

• 19 октября 2026 года: MiniMax перестаёт предоставлять M2.5 и M2.7 новым пользователям.
• 18 ноября 2026 года: M2.5 и M2.7 отключаются. По словам MiniMax, после этой даты API-запросы с оплатой по факту к ним перестают работать.
• Уже отключены: MiniMax-M2.1, MiniMax-M2 и M2-her.

На 4 ноября 2026 года APIMart всё ещё предоставляет minimax-m2.7 и minimax-m2.5. Поскольку MiniMax отключает исходные модели, планируйте завершить переход до 18 ноября.

Как перейти с M2.7 на M3

Формат запроса не меняется, поэтому большинство команд справляется с миграцией за полдня. Пройдитесь по пяти пунктам:

1. Смените ID модели с minimax-m2.7 (или minimax-m2.5) на minimax-m3.
2. Определитесь с thinking. M2.7 всегда рассуждала перед ответом, а у M3 по умолчанию адаптивный режим. Если нужны быстрые и прямые ответы — например, в чате или для классификации, — передайте "thinking": {"type": "disabled"}. В Python OpenAI SDK этот параметр передаётся внутри extra_body.
3. Откажитесь от настройки temperature. У M3 temperature всегда равна 1, другие значения не действуют. Если стабильность вывода раньше обеспечивалась низкой temperature, используйте более чёткие инструкции или структурированный вывод.
4. Пересмотрите max_completion_tokens. M3 принимает до 524 288. Для длинных задач начните с рекомендованных MiniMax 131 072, а в чате держите предел ниже, чтобы контролировать стоимость.
5. Перезапустите оценки. Прежде чем переводить весь трафик, сравните качество, задержку и число токенов на запрос на реальной нагрузке.

Минимальный запрос с отключённым thinking выглядит так:

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": "Кратко опиши этот pull request в трёх пунктах."}],
    "thinking": {"type": "disabled"},
    "max_completion_tokens": 4096,
    "stream": false
  }'

Тот же вызов через Python OpenAI SDK:

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",  # раньше было "minimax-m2.7"
    messages=[{"role": "user", "content": "Кратко опиши этот pull request в трёх пунктах."}],
    max_completion_tokens=4096,
    stream=False,
    extra_body={"thinking": {"type": "disabled"}},  # удалите строку, чтобы оставить адаптивный thinking
)
print(response.choices[0].message.content)

Полный список параметров — в справочнике APIMart по Chat Completions.

MiniMax M3 в сравнении с Kimi, GLM и DeepSeek

В той же таблице MiniMax есть и другие модели с открытыми весами. Цифры ниже перенесены из неё без изменений; прочерк означает, что MiniMax не приводит результат. MiniMax уточняет, что результаты NL2Repo для DeepSeek, Kimi и GLM взяты из опубликованных данных Qwen, а большинство остальных столбцов MiniMax измерила сама через официальные API каждого поставщика.

Источник: карточка модели MiniMax M3 (данные MiniMax).

По цифрам MiniMax, M3, DeepSeek V4 Pro и Kimi K2.6 Thinking укладываются в 0,4 пункта друг от друга и на SWE-Bench Verified, и на BrowseComp, а у GLM 5.1 Thinking нет результата на SWE-Bench Verified и он отстаёт на BrowseComp с 79,3. Kimi K2.6 Thinking также немного впереди на NL2Repo. Самое заметное преимущество M3 — на Terminal Bench 2.1 и Claw-Eval. Поскольку это данные самого разработчика, используйте их для составления короткого списка, а не как окончательный вердикт, и перед выбором проверьте модели на своих задачах.

Какую модель выбрать?

• Новый проект: берите M3. MiniMax больше не предоставляет M2.7 новым пользователям, а 18 ноября модель отключается.
• M2.7 в продакшене: переходите на M3 сейчас, пока есть время сравнить ответы обеих моделей бок о бок.
• Нужен ввод изображений или видео: M3 — текстовая модель MiniMax с подтверждённым мультимодальным вводом.
• В основном исправление багов в одном репозитории: изменение качества, скорее всего, будет умеренным; главный прирост — в агентных задачах с большим числом инструментов.

Часто задаваемые вопросы

Чем MiniMax M3 отличается от M2.7?

M3 — текущая флагманская модель MiniMax. Она принимает текст, изображения и видео, поддерживает контекст 1 000 000 токенов и до 524 288 токенов вывода, а thinking в ней можно отключить. M2.7 поддерживает контекст 204 800 токенов, всегда рассуждает перед ответом и выводится из эксплуатации.

MiniMax M2.7 отключат?

Да. MiniMax перестала предоставлять M2.7 и M2.5 новым пользователям 19 октября 2026 года и отключает обе модели 18 ноября 2026 года. После этого запросы с оплатой по факту перестают работать.

Как перейти с MiniMax M2.7 на M3?

Смените ID модели на minimax-m3, решите, оставить ли адаптивный thinking или передавать "thinking": {"type": "disabled"}, уберите настройку temperature, потому что M3 всегда использует 1, и пересмотрите max_completion_tokens. Затем перезапустите набор оценок, прежде чем переводить весь трафик.

Какие результаты у MiniMax M3 в бенчмарках?

В собственной таблице MiniMax модель M3 набирает 80,5 на SWE-Bench Verified, 59,0 на SWE-Bench Pro, 66,0 на Terminal Bench 2.1 и 83,5 на BrowseComp. Это данные разработчика, а не независимые тесты.

MiniMax M3 — это open source?

MiniMax публикует веса M3 на Hugging Face под лицензией MiniMax Community License. Это модель с открытыми весами и собственной лицензией, поэтому перед коммерческим самостоятельным развёртыванием проверьте её условия.

Сколько стоит MiniMax M3?

На 4 ноября 2026 года участники уровня Gold в APIMart платят за MiniMax M3 $0,24 за 1 млн входных токенов и $0,96 за 1 млн выходных — столько же, сколько за M2.7. Актуальные цены смотрите на странице модели MiniMax в APIMart.

За чем следить дальше

MiniMax уже выпустила MiniMax-M3.1-Flash и описывает её как мультимодальную модель для программирования с контекстом 1M и настраиваемой глубиной thinking. В APIMart её пока нет, и гадать о дате запуска мы не будем. А пока следующий шаг понятен: до 18 ноября перевести нагрузку с M2.7 на M3 и по ходу измерять качество, задержку и число токенов на запрос.