چطور با MiniMax M3 (batch) در ایران کار کنم؟

در یوتاپن ثبتنام کن، کیف پول را تومانی شارژ کن، کلید API بساز و در SDK رسمی OpenAI فقط base_url را به https://api.uttapen.ir/v1 و model را به «minimax/minimax-m3:batch» تغییر بده. بقیهٔ کدت دستنخورده میماند.

قیمت MiniMax M3 (batch) به تومان چقدر است؟

هر ۱ میلیون توکن ورودی ۸۷٬۰۳۸ تومان و هر ۱ میلیون توکن خروجی ۳۴۸٬۱۵۰ تومان؛ یک درخواست ۱٬۰۰۰ کلمهای تقریباً ۵۶۶ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.

MiniMax M3 (batch) چند توکن ورودی میگیرد؟

تا ۵۲۴٬۲۸۸ توکن در هر درخواست؛ برای متن فارسی حدود ۳۹۳ هزار کلمه. حداکثر طول پاسخ هم ۴۷۱٬۸۵۹ توکن است.

آیا MiniMax M3 (batch) استریم و tool calling را پشتیبانی میکند؟

استریم (stream=true) روی همهٔ مدلها فعال است. این مدل tool calling را با همان قالب OpenAI پشتیبانی میکند. ورودی تصویر با image_url (data URI یا آدرس عمومی) پذیرفته میشود. خروجی ساختیافته با response_format هم کار میکند.

قیمت و API مدل MiniMax M3 (batch) در ایران

minimax/minimax-m3:batch

visiontoolsreasoningjson

ساخت کلید امتحان کن

ورودی · هر ۱M توکن

87,038 تومان

خروجی · هر ۱M توکن

348,150 تومان

یک درخواست ۱٬۰۰۰ کلمه‌ای ≈

566 تومان

شارژ بر اساس مصرف واقعی همان درخواست. قیمت‌ها با تغییر شرایط بازار به‌روز می‌شوند. cache ورودی: 17,408 تومان / 1M.قیمت‌ها و شارژ

کد آمادهٔ MiniMax M3 (batch): خواندن تصویر و استخراج داده

نمونه بر اساس قابلیت‌های همین مدل انتخاب شده و با کلید خودت بدون تغییر دیگری اجرا می‌شود.

# tip: a data URI works too — base64 the file and prefix it with data:image/jpeg;base64,
curl https://api.uttapen.ir/v1/chat/completions \
  -H "Authorization: Bearer sk-up-…" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "minimax/minimax-m3:batch",
    "messages": [{
      "role": "user",
      "content": [
        {"type": "text", "text": "شمارهٔ فاکتور و مبلغ کل را فقط به‌صورت JSON بده."},
        {"type": "image_url", "image_url": {"url": "https://example.com/factor.jpg"}}
      ]
    }]
  }'

import base64, json
from openai import OpenAI

client = OpenAI(base_url="https://api.uttapen.ir/v1", api_key="sk-up-…")

img = base64.b64encode(open("factor.jpg", "rb").read()).decode()

resp = client.chat.completions.create(
    model="minimax/minimax-m3:batch",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "شمارهٔ فاکتور، تاریخ و مبلغ کل را در JSON برگردان."},
            {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{img}"}},
        ],
    }],
    response_format={"type": "json_object"},
)
print(json.loads(resp.choices[0].message.content))

import OpenAI from "openai";
import { readFileSync } from "node:fs";

const client = new OpenAI({ baseURL: "https://api.uttapen.ir/v1", apiKey: "sk-up-…" });
const img = readFileSync("factor.jpg").toString("base64");

const resp = await client.chat.completions.create({
  model: "minimax/minimax-m3:batch",
  messages: [{
    role: "user",
    content: [
      { type: "text", text: "شمارهٔ فاکتور، تاریخ و مبلغ کل را در JSON برگردان." },
      { type: "image_url", image_url: { url: `data:image/jpeg;base64,${img}` } },
    ],
  }],
  response_format: { type: "json_object" },
});
console.log(JSON.parse(resp.choices[0].message.content));

MiniMax M3 (batch) برای چه کاری خوب است؟

MiniMax M3 (batch) از MiniMax می‌آید؛ در کد فقط همین رشته را در فیلد model بگذار: «minimax/minimax-m3:batch». MiniMax M3 (batch) تا ۵۲۴٬۲۸۸ توکن را در یک درخواست نگه می‌دارد (نزدیک ۳۹۳ هزار کلمهٔ فارسی)، و همین عدد سقف تاریخچهٔ گفتگو در محصول تو را تعیین می‌کند. حداکثر طول پاسخ در هر فراخوانی ۴۷۱٬۸۵۹ توکن است. از نظر قیمت در دستهٔ «ارزان» است — ارزان‌تر از ۱۵۱ مدل و گران‌تر از ۲۵۵ مدل پولی دیگر کاتالوگ.

آنچه این مدل بیش از یک مدل متنی ساده انجام می‌دهد: عکس و اسکرین‌شات را مستقیم می‌خواند، پس برای فاکتور و فرم فارسی گزینهٔ واقعی است؛ tool calling دارد، یعنی می‌تواند تابع‌های خودت را با آرگومان درست صدا بزند؛ با response_format خروجی JSON معتبر می‌دهد و مستقیم به کد وصل می‌شود؛ حالت استدلال دارد و روی مسئلهٔ چندمرحله‌ای، ریاضی و دیباگ بهتر جواب می‌دهد. همهٔ این‌ها با همان پارامترهای استاندارد SDK رسمی OpenAI کار می‌کنند و کد اختصاصی لازم ندارند. توجه کن که توکن‌های استدلال هم توکن خروجی محسوب می‌شوند و در صورتحساب می‌آیند.

۸۷٬۰۳۸ تومان برای هر ۱M توکن ورودی و ۳۴۸٬۱۵۰ تومان برای هر ۱M توکن خروجی؛ در دستهٔ «ارزان» کاتالوگ می‌نشیند و یک درخواست ۱٬۰۰۰ کلمه‌ای ≈ ۵۶۶ تومان. cache ورودی دارد: توکن‌های تکراری context با ۱۷٬۴۰۸ تومان / ۱M حساب می‌شوند، که برای پرامپت سیستمی بلند تفاوت بزرگی است. شارژ نهایی همیشه بر اساس مصرف واقعی همان درخواست است، نه برآورد؛ درخواست ناموفق صفر تومان.

نزدیک‌ترین گزینه با همین قابلیت‌ها از تأمین‌کنندهٔ دیگر GPT-5.6 Luna است: MiniMax M3 (batch) تقریباً 1.1 برابر گران‌تر از آن تمام می‌شود و پنجرهٔ context آن کوچک‌تر است. هر دو با همان کلید و همان کد کار می‌کنند، پس عوض‌کردن‌شان فقط تغییر یک رشته است.

برای اینکه عدد قابل تصور شود: با ۱۰۰ هزار تومان اعتبار، حدود ۱۷۷ درخواست ۱٬۰۰۰ کلمه‌ای روی MiniMax M3 (batch) جا می‌شود، و هر ۱٬۰۰۰ تومان تقریباً ۱٬۷۶۷ کلمه رفت‌وبرگشت می‌خرد. اگر پردازشی یک میلیون توکن ورودی و یک میلیون توکن خروجی داشته باشد، کل آن ۴۳۵٬۱۸۸ تومان می‌شود. پر کردن کامل پنجرهٔ ۵۲۴٬۲۸۸ توکنی این مدل فقط از سمت ورودی ۴۵٬۶۳۳ تومان هزینه دارد، پس تاریخچهٔ گفتگو را بی‌دلیل بلند نگه ندار.

این شناسه با «minimax/minimax-m3» اشتباه گرفته می‌شود، چون هستهٔ مدل یکی است. تفاوت در پسوند است: «batch» در برابر نسخهٔ استاندارد. قیمت هر دو روی یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً برابر است (۵۶۶ و ۵۶۶ تومان). پنجرهٔ context هم یکی نیست: ۵۲۴٬۲۸۸ در برابر ۱٬۰۴۸٬۵۷۶ توکن. حداکثر طول پاسخ هم فرق دارد: ۴۷۱٬۸۵۹ در برابر ۵۱۲٬۰۰۰ توکن. در پارامترها آن یکی logprobs، seed، top_logprobs را.

MiniMax در کاتالوگ ما ۱۱ مدل دارد؛ ارزان‌ترین‌شان MiniMax M2 با ۴۸۱ تومان و گران‌ترین MiniMax M1 با ۱٬۰۳۷ تومان برای هر ۱٬۰۰۰ کلمه. از پارامترهای کم‌تکرار، این مدل logit_bias، min_p، repetition_penalty، top_k را می‌پذیرد — همه از طریق همان بدنهٔ استاندارد درخواست. در عوض seed را که بیشتر مدل‌ها دارند پشتیبانی نمی‌کند، پس اگر کدت به آن‌ها تکیه دارد قبل از جابه‌جایی تست کن. از نظر اندازهٔ context نزدیک‌ترین گزینه از تأمین‌کنندهٔ دیگر Inkling Small (batch) با ۵۲۴٬۲۸۸ توکن است.

کاربردهایی که برای این مدل معنی می‌دهد: کار پرحجم مثل دسته‌بندی، برچسب‌گذاری و خلاصه‌سازی انبوه، حل مسئلهٔ منطقی و بازبینی کد، استخراج متن و داده از تصویر، ایجنت‌هایی که به API و دیتابیس وصل می‌شوند، استخراج داده با اسکیمای مشخص، تحلیل سند یا کدبیس بلند در یک درخواست.

توضیح رسمی تأمین‌کننده (انگلیسی)

MiniMax-M3 is a multimodal foundation model from MiniMax. It supports text, image, and video inputs with text output, a 1M-token context window, and is suited for long-horizon agentic work, coding,...

سه کار واقعی، با قیمت همین مدل

اعداد از همان قیمت‌های بالا حساب شده‌اند و با تغییر قیمت مدل تغییر می‌کنند.

کار	توکن	هزینه
یک نوبت گفتگو با تاریخچهٔ متوسط	1,500 ورودی + 400 خروجی	270 تومان
خلاصه‌کردن سند ده‌صفحه‌ای	4,000 ورودی + 600 خروجی	557 تومان
دسته‌بندی هزار ردیف کوتاه	120,000 ورودی + 20,000 خروجی	17,408 تومان

نسخه‌های دیگر همین مدل

هستهٔ مدل یکی است؛ هر نسخه شرایط اجرا و قیمت خودش را دارد. نسخهٔ فعلی: batch (ارزان‌تر، کندتر).

نسخه	شناسه	خروجی / ۱M	context
استاندارد	minimax/minimax-m3	348,150	1,048,576
رایگان	minimax/minimax-m3:free	0	1,048,576

شناسهٔ هر نسخه را عیناً در فیلد model بگذار؛ نیازی به تغییر کد دیگری نیست.

سؤال‌های پرتکرار

چطور با MiniMax M3 (batch) در ایران کار کنم؟: در یوتاپن ثبت‌نام کن، کیف پول را تومانی شارژ کن، کلید API بساز و در SDK رسمی OpenAI فقط base_url را به https://api.uttapen.ir/v1 و model را به «minimax/minimax-m3:batch» تغییر بده. بقیهٔ کدت دست‌نخورده می‌ماند.
قیمت MiniMax M3 (batch) به تومان چقدر است؟: هر ۱ میلیون توکن ورودی ۸۷٬۰۳۸ تومان و هر ۱ میلیون توکن خروجی ۳۴۸٬۱۵۰ تومان؛ یک درخواست ۱٬۰۰۰ کلمه‌ای تقریباً ۵۶۶ تومان. شارژ بر اساس مصرف واقعی همان درخواست است و درخواست ناموفق صفر تومان.
MiniMax M3 (batch) چند توکن ورودی می‌گیرد؟: تا ۵۲۴٬۲۸۸ توکن در هر درخواست؛ برای متن فارسی حدود ۳۹۳ هزار کلمه. حداکثر طول پاسخ هم ۴۷۱٬۸۵۹ توکن است.
آیا MiniMax M3 (batch) استریم و tool calling را پشتیبانی می‌کند؟: استریم (stream=true) روی همهٔ مدل‌ها فعال است. این مدل tool calling را با همان قالب OpenAI پشتیبانی می‌کند. ورودی تصویر با image_url (data URI یا آدرس عمومی) پذیرفته می‌شود. خروجی ساخت‌یافته با response_format هم کار می‌کند.