MiniMax M3
9051°
<minimax-m3>
ModelTrendsのタグに対応したアプリでは、このコードをプロンプトにコピーするだけでモデルを実行・インストールでき、設定は不要です。Prism（下記）など対応アプリのアイコンを探してください。
このモデルを実行
オファー／広告
Easy Creator (Prism) Web
無制限・定額
初心者に最適。強力なワークフローで学習も簡単。
PirateDiffusion Telegram
無制限・定額
動画、画像、カスタムチャットペルソナなどを作成。
Pro studio (SpyGlass) Web
無制限・定額
どのブラウザやスマホからでもモデルを閲覧、レンダリング、調整できる。
Discord bot (Vector)
無制限・定額
Vectorをサーバーに追加するか、VectorのDiscordに参加しよう。何でも作れる！
Unified Editor Web
無制限・定額
画像と動画のエディター：レンダリング、編集、アップスケールなどを一つのページで。
OpenRouter ターミナル / API
トークンごとに支払い
ブラウザでこのモデルとチャットするか、1つのAPIキーでコードから呼び出せます。
ローカルアプリ
セットアップが必要
パソコンの性能が十分なら、ローカルプログラムもセットアップできるよ。
ModelDuel Web
使った分だけ支払い
最大50のチェックポイント／ベースモデルで同じプロンプトを一度に生成します。
このモデルのガイド
2026年10月のAIモデルの選び方：クローズドソースの最新情報とダウンロードすべきオープンウェイトモデル
用途別おすすめローカルLLM（2026年10月）：仕事に合ったオープンモデルを選ぼう
ローカルAIに実際どれくらいのVRAMが必要？
オープンウェイト、オープンソース、API専用：実際に何ができるのか
OllamaのインストールとローカルAIの実行方法（Windows、Mac、Linux）
MiniMax | 1,048,576トークンコンテキスト | 入力$0.30/M、出力$1.20/M。MiniMax-M3はMiniMaxのマルチモーダル基盤モデルです。テキスト、画像、動画入力に対応しテキスト出力を行い、1Mトークンのコンテキストウィンドウを持ち、長期エージェント作業、コーディング、ツール使用に適しています。MiniMax Sparse Attention（MSA）に基づき、フルアテンションをKVブロック選択に置き換えることで長期コンテキスト時のトークンあたり計算量を削減し、前世代の約1/20のコストで高速なプレフィルとデコードを実現しつつほとんどのタスクで品質を維持します。インターリーブデータでネイティブマルチモーダルモデルとして訓練され、インタラクティブなユーザーシミュレーターフレームワークを通じてマルチターンの実運用に近い協調動作に調整されています。単一ターン実行よりも持続的な多段階タスクに向いています。
キャプテンのメモ
2026-10-13のメモ
MiniMax M3はMiniMaxによる4280億パラメータのスパース専門家混合モデルで、1トークンあたり約230億パラメータを活性化し、100万トークンのコンテキストウィンドウとテキスト・画像・動画入力のネイティブ対応を備えています。MiniMax Sparse Attentionアーキテクチャにより、最大コンテキストでのトークンあたり計算量を前世代の約1/20に削減し、プレフィルは9倍、デコードは15倍高速化しています。ウェイトはオープンでAPIも安価、設計は一発クエリより持続的なエージェント作業を重視しています。
得意分野
- 100万トークンのコンテキストを密な注意モデルのごく一部の計算コストで実現
- テキスト・画像・動画を最初からネイティブにマルチモーダル学習
- 最大コンテキストでM2比9倍のプレフィル速度と15倍のデコード速度
- 常時オン、適応型、無効の3つの切り替え可能な推論モード
- 単発プロンプトだけでなく多ターンのエージェント作業やツール利用に最適化
注意点
- 4280億パラメータのためローカル展開には高性能ハードウェアが必要。ダウンロード前にVRAM要件を確認してください。
- ウェイトはオープンですが、商用製品に組み込む場合はライセンス条件を必ず確認してください。
- 極端なコンテキスト長での動画・画像入力の品質は独立したベンチマークがありません。
試してみるプロンプト
複数ファイルのリファクタリングタスク
Pythonのウェブスクレイパーを3つのファイルに分割して作業しています：fetcher.pyはリトライ付きHTTPリクエスト、parser.pyはBeautifulSoupで構造化データ抽出、main.pyはパイプラインのオーケストレーションを担当。429エラーが出たページでアイテムが静かにドロップされます。原因を診断し、指数的バックオフによる修正案を提案し、fetcher.pyとmain.pyの該当部分を書き換えてください。
長文ドキュメントのQ&A
長い契約書を以下に貼ります。全文を読み、次の3つの質問に答えてください：1) いずれかの当事者が契約解除できる条件は？ 2) 自動更新条項はあるか、ある場合の通知期間は？ 3) データ漏洩の責任はどちらの当事者にあるか？それぞれ条項番号を示してください。[ここに契約書テキストを貼ってください]
画像に基づく分析
ダッシュボードのスクリーンショットを添付します。表示されているすべての指標を特定し、正常範囲外のものを指摘し、異常の最も可能性の高い原因を2つ挙げてください。その後、非技術系マネージャー向けに3文で要約を書いてください。
比較する
- MiniMax M1API専用モデル1,000,000トークンのコンテキスト · $0.55/M 入力、$2.20/M 出力
- MiniMax M2.5オープンウェイトモデル204,800トークンのコンテキスト · $0.27/M 入力、$0.95/M 出力
- MiniMax-01オープンウェイトモデル1,000,192トークンのコンテキスト · $0.20/M 入力、$1.10/M 出力
- MiniMax M2.1オープンウェイトモデル204,800トークンのコンテキスト · $0.30/M 入力、$1.20/M 出力
minimaxの他のテキストモデル
よくある質問
- MiniMax M3はローカルで実行できますか？
- はい。ウェイトはオープンでHugging FaceのMiniMaxAI/MiniMax-M3にホストされています。MiniMaxはSGLang、vLLM、Transformers、KTransformers、unsloth、ATOMの推論フレームワークをサポートしていますが、4280億パラメータのため相応のハードウェアが必要です。
- MiniMax M3のAPI料金は？
- API料金は入力が百万トークンあたり0.30ドル、出力が百万トークンあたり1.20ドルで、コンテキストウィンドウは1,048,576トークンです。
- M3はM2とどう違いますか？
- M3は完全な注意機構をMiniMax Sparse Attentionに置き換え、1Mコンテキストでプレフィル9倍、デコード15倍高速化し、トークンあたり計算量をM2の約1/20に削減。さらにネイティブ動画入力とM2にはなかった設定可能な推論モードを追加しています。
キャプテンの評価100万トークンのコンテキストウィンドウを真剣に考慮し、注意機構を再構築した希少なオープンウェイトモデルです。
Hugging Faceのモデルカード
キャプテンはモデルの説明とモデルカードからこれらのメモを書いています。価格やコンテキストサイズは執筆時点の提供元のもので、変更されることがあります。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #19 Hottest Text / LLM model · #19 Hottest Text / LLM text model
Not this creator?
Get your own badge
MiniMax M3 の人気トレンド
31 May 2026以降のヒートスコア
ヒートスコア
9,051°
今週
▲
29.0%
9,017° 当時、9,051° 今
今月
▲
231%
8,892° 当時、9,051° 今
過去1年
n/a
まだリリース/追跡されていません
7,000°
基準値
スケールは0°から9,999°までです。7,000°未満はまだどのソースも報告していないモデル用に確保されており、リストを完全に保つために仮の数値が割り当てられています。7,000°が実際のデータが始まる地点で、実データがほとんどないモデルはここに位置し、それより上の度数が測定値です。基準値自体はモデルについて何も示さず、上の度数だけがモデル間の違いを示します。
+1,727°
OpenRouterトークン
このモデルは過去30日間にOpenRouter経由で5,730,756,128,120トークンを処理しました。プロンプトと回答の合計です。10,000,000トークンごとに1ダウンロードとしてカウントし、合計573,075です。最終日のトークンは採用率に加算されます。出典：OpenRouter (openrouter.ai/rankings)。
+324°
普及率
ソースの2回の読み取り間で測定された1日あたり約20,825回のダウンロードです。生涯平均からの推測ではありません。速度はダウンロード項目の4分の1の重みで、新しい急増を示しつつ、1日の急激な増加が何年もの使用を上回らないようにしています。
詳細な内訳を表示
このサイトのすべての数字は確認できます。このモデルのヒートスコアは9,051°で、ここでは一つずつ要素を積み上げていき、各段階の合計を示しています：基準値、各ソースが加える度数、モデルの種類によるボーナス、そして重みの年齢による減算。色は上のチャートの帯を表しています。最後の用語集で全ての用語を定義しています。
- 1基準値から始めます。なぜ7,000°でゼロではないのか：スケールは0°から9,999°までで、7,000°未満はまだどのソースも報告していないモデル用に確保されており、仮の数値が割り当てられてリストを完全に保ち、データのあるモデルより上位にならないようにしています。7,000°が実際のデータが始まる地点です。実データがほとんどないモデルはここに位置し、それ以降が測定値で、基準値の上には10段階の10倍増が300°ずつあります。基準値はすべてのモデルで同じなので、何も決めません。違いを決めるのはその上の度数です。7,000°累計合計
- 2ダウンロード数を加算します。合計でOpenRouterトークンから573,075のダウンロード相当数。ダウンロード数が10倍になると同じ300°が加算されるので、サイズは重要ですがスコアを独占することはありません。+1,727°8,727°累計合計
- 3普及率を追加します。現在、2回の計測間で約20,825ダウンロード/日で、重みは4分の1です。+324°9,051°累計合計
- =ヒートスコア。このモデルがこのサイトのすべてのリストでどの位置にいるか。これ以外の調整はありません。9,051°
用語集：ここで使われている用語
- ヒートスコア
- モデルが今どれだけ使われていて求められているかを示す1つの数字。0°から9,999°まで。ここで「最も熱い」と言われるすべてのリストはこれで並べられています。
- フロア
- 実データのあるすべてのモデルが7,000°からスタートする基準点。スケールは0°から9,999°までで、フロア以下はデータのないモデル用に確保されているので、データのあるモデルは必ず上位になります。フロアは全員共通で順位には影響しません。フロアを超えた度数が実際の評価です。
- ダウンロード相当数
- スコアがダウンロードとして扱うすべてのものを合計：ダウンロードそのもの、各トレントシーダーは1,000、各AI Horde画像と生成サイトでの実行は1としてカウント。
- 対数スケール
- 1ずつではなく10ずつ数えます：1,000から10,000ダウンロードに増えるのは、10,000から100,000に増えるのと同じ度数を加算。巨大なものが他を圧倒しないようにしています。
- いいね
- すべてのソースからのサムズアップといいね。対数スケールでダウンロードの半分の価値があります。
- 普及率
- 2回の計測の差からわかる、今の1日あたりのダウンロード数。ダウンロード項目の4分の1の重みです。
- 測定済みと推定
- 測定済みは、あるソースの2つの読み取り値が存在し、その差が実際のものであることを意味します。推定は、今日の合計だけがわかっていて、過去の値はモデルの寿命にわたって分配されていることを意味します。サイトはどちらを表示しているかを示します。
- シーダー
- トレント経由で他の人がダウンロードできるように重みのコピーをオンラインで保持している人、または同じことをするホストされたミラーのことです。それぞれが1,000ダウンロードとしてカウントされます。
- AI Horde
- 寄付されたコンピューターで無料で画像を生成するボランティアネットワークです。モデルで作成した画像の数は公開されており、それぞれが1ダウンロードとしてカウントされます。
- 生成サイト
- PixAI、SeaArt、Yodayoのように、自分のモデルのコピーをホストして人々が生成できるサイトです。これらのダウンロードはCivitaiのものと同じようにカウントされ、各生成実行が1ダウンロードとして数えられます。
- OpenRouterトークン
- ClaudeやGPTのようなAPI経由で提供されるテキストモデルはダウンロードする重みがなく、その利用はトークン数で測定されます。トークンとはOpenRouterを通じて読み書きされたテキストの断片で、OpenRouterは多くのアプリが利用するゲートウェイです。過去30日間のトークン数を10,000,000トークンごとに1ダウンロードとしてカウントします。出典：OpenRouter (openrouter.ai/rankings)、CC BY 4.0。
- 完全モデル（チェックポイント）
- 重みそのもので、単独で生成を行うファイルです。アドオンがこれに依存しているためボーナスがつきます。
- LoRAと埋め込み
- 他人の重みを特定のスタイル、キャラクター、コンセプトに向けて調整する小さなアドオンファイルです。単独では動作しません。
- ファミリーと重み
- モデルが基づいているベースで、SD 1.5、SDXL、Flux、Wanなどがあります。すべてのモデルはそのファミリーの重みのリリース日を継承します。
- 年齢
- ファミリーの重みがリリースされてからの経過時間に応じて減点されます：1年で150°、最大750°まで。古いダウンロードはリストの上位を凍結して積み上げられます。
- ファミリーブースト
- このサイトが現在推しているファミリーのLoRAに対する小さく制限された後押しで、常に内訳に表示されます。
- 代替スコア
- まだソースから報告がないモデルに与えられる安定した最低値で、リストが完全なままでいられます。データのあるモデルより上位には決してなりません。
- 新着！(猶予期間)
- 7日未満の新しいモデルはスコアの代わりに「新着！」と表示され、ランキングには入りません。スコアは初日から計算されますが、1日目のモデルは非常に急速に成長するため、猶予期間なしでは常に昨日リリースされたモデルが今週の#1になってしまいます。
- トレンド
- ある期間におけるモデルの成長が、同じ期間の典型的なモデルの成長と比べてどうかを示します。典型より速ければ上昇、遅ければ下降と読みます。
- 典型的なモデル
- カタログの真ん中にあたるモデルで、数値があるモデルの半分はこの期間により速く成長し、半分は遅く成長しています。
このモデルの人気がカタログ全体と比べてどう動いたかを示してるよ。期間ごとのダウンロード数、いいね数、使用数の伸びを、同じ期間の普通のモデルの伸びと比べてる。熱スコアもその時点のものだよ。普通の伸びより上なら人気が上がってる、下なら下がってるってこと。過去のデータは今日の合計、モデルの初日、ダウンロード速度の2回の計測から再構成してる。期間の初めに存在しなかったモデルはn/aになるよ。
MiniMax M3 は Text / LLM ファミリー向けのテキストモデルで、オープンソース AI 画像・動画・テキストモデルの読み取り専用カタログ ModelTrends.ai に掲載されています。他の Text / LLM モデルと比較し、ヒートスコアでトレンドを確認し、PirateDiffusion または BitVector で開いて試すことができます。
モデルファミリーから探す
Text / LLM モデル
434
Anima モデル
528
Chroma モデル
19
Fibo モデル
2
Flux モデル
1,496
Flux 2 / Klein モデル
1,239
Flux 3 モデル
3
Moss モデル
3
Iris モデル
1
MiniMax H3 モデル
364
Hunyuan モデル
204
Ideogram モデル
20
Krea2 モデル
717
Qwen モデル
20
Qwen2 モデル
47
Ltx2 モデル
153