入门
基于 MiniMax 官方开放平台文档（2026 当前主力 MiniMax-M3 + 开源 MiniMax-Text-01）编写
速查
- 国内端点：
https://api.minimaxi.com（国际版https://api.minimax.io） - M3 推荐路径：
/anthropic/v1/messages（Anthropic 兼容，支持 thinking 块） - M3 OpenAI 兼容路径：
/v1/chat/completions - M3 上下文：1M token
- 临时音色有效期：7 天（未调用即删除）
- 同步 T2A 上限：10000 字符（HTTP/WebSocket）；异步
t2a_async_v2上限 100 万字符 - voice_id 规则：长度 8~256、首字符必须英文字母、末位不可为
-或_ - 语气词标签仅
speech-2.8系列：(laughs)/(sighs)/(crying)/(gasps)等 22 种 - 开源旗舰：
MiniMax-Text-01（456B 总参 / 45.9B 激活 MoE / Lightning Attention）
三种接入方式
1. 海螺 AI（C 端网页 / App）
最快上手——浏览器开 hailuoai.com 或下载「海螺 AI」App，注册账号即用。适合单纯对话 / 视频生成 / 音乐生成等场景，无需开发。
2. MiniMax 开放平台 API（开发者）
bash
# 获取 API key：注册 platform.minimaxi.com → 控制台 → API Keys
export MINIMAX_API_KEY=eyJhbGciOiJSUzI1...xxx
export MINIMAX_GROUP_ID=1234567890
# 国内版端点
curl https://api.minimaxi.com/v1/chat/completions \
-H "Authorization: Bearer $MINIMAX_API_KEY" \
-H "Content-Type: application/json"三种 SDK 接入方式：
| 方式 | 端点 | 适合 |
|---|---|---|
| Anthropic SDK（推荐） | /anthropic/v1/messages | M3 Agent 推理 / Tool Use / Interleaved Thinking |
| OpenAI SDK | /v1/chat/completions | 从 OpenAI 平迁，结构兼容 |
| 原始 HTTP | 任意 | 跨语言 / 自定义封装 |
最简调用（Python + Anthropic SDK）：
python
import anthropic
# 用 Anthropic SDK 走 MiniMax M3（官方推荐路径）
client = anthropic.Anthropic(
api_key="eyJhbGciOiJSUzI1...xxx",
base_url="https://api.minimaxi.com/anthropic",
)
message = client.messages.create(
model="MiniMax-M3",
max_tokens=1024,
messages=[{"role": "user", "content": "用 Python 写个 quicksort"}],
)
print(message.content[0].text)最简调用（Node.js + OpenAI SDK）：
typescript
import OpenAI from "openai";
// 用 OpenAI SDK 走 MiniMax M3（平迁兼容）
const client = new OpenAI({
apiKey: process.env.MINIMAX_API_KEY,
baseURL: "https://api.minimaxi.com/v1",
});
const response = await client.chat.completions.create({
model: "MiniMax-M3",
max_tokens: 1024,
messages: [{ role: "user", content: "用 TS 写个 debounce" }],
});
console.log(response.choices[0].message.content);3. MCP 服务器（Claude Code / IDE 集成）
MiniMax 官方提供 Python / JavaScript 两版 MCP 服务器，封装语音合成 / 音色克隆 / 视频 / 音乐生成等能力，可直接挂在 Claude Code / Cline / Continue 等 MCP 客户端上。
选哪个模型？
简单决策表：
| 任务 | 选 |
|---|---|
| Agent 推理 / Tool Use / 复杂规划 | MiniMax-M3（走 /anthropic/v1/messages） |
| 整本仓库 / 长会话（≥200K） | MiniMax-M3（1M 上下文） |
| 日常 90% 通用问答 / 翻译 | MiniMax-M3 标准版（或 M2 高速版） |
| 高并发 / 极速响应（编码工作流） | MiniMax-M2.7 highspeed（~100 tps） |
| 跨语言 TTS / 自然语气 | Speech-2.8 hd（22 种语气词标签） |
| 实时语音对话（< 250ms） | Realtime API（WebSocket 全双工） |
| 长文本 TTS（> 1 万字符） | t2a_async_v2（最大 100 万字符） |
| 音色复刻 | voice_clone（10s~5min 音频） |
| 视频生成 | Hailuo-2.3（文生 / 图生视频） |
| 音乐生成 | Music-3.0（灵感 + 歌词） |
| 自部署 / 离线 | MiniMax-Text-01（HuggingFace 开源） |
第一次 API 调用（M3 文本生成）
完整 Python 示例（OpenAI 兼容路径）：
python
from openai import OpenAI
client = OpenAI(
api_key="eyJhbGciOiJSUzI1...xxx",
base_url="https://api.minimaxi.com/v1",
)
response = client.chat.completions.create(
model="MiniMax-M3",
max_tokens=1024,
messages=[
{
"role": "system",
"content": "你是一个简洁的代码评审助手，回答 < 200 字。",
},
{
"role": "user",
"content": "评审：def divide(a, b): return a / b",
},
],
)
print(response.choices[0].message.content)
print(f"用量: {response.usage}")输出：
text
缺陷：未处理 b=0 / 无类型注解 / 无 docstring。
建议：
def divide(a: float, b: float) -> float:
if b == 0:
raise ValueError("Divisor cannot be zero")
return a / b第一次 TTS 调用（同步语音合成）
bash
curl -X POST https://api.minimaxi.com/v1/t2a_v2 \
-H "Authorization: Bearer $MINIMAX_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "speech-2.8-hd",
"text": "你好，这是 MiniMax 语音合成测试。(laughs)",
"stream": false,
"voice_setting": {
"voice_id": "female-tianmei",
"language_boost": "auto"
},
"audio_setting": {
"format": "mp3"
}
}'要点：
- 文本上限 10000 字符（同步 HTTP/WebSocket 共享此限）
(laughs)是speech-2.8系列独有的语气词标签（22 种）language_boost=auto让模型自主判断语种（覆盖 30+ 语言）- 超长文本切到
t2a_async_v2异步接口（最大 100 万字符）
流式响应
长回复用 stream，逐块拿到结果（OpenAI 兼容路径）：
python
stream = client.chat.completions.create(
model="MiniMax-M3",
max_tokens=2048,
stream=True,
messages=[{"role": "user", "content": "解释 Lightning Attention 的核心原理"}],
)
for chunk in stream:
if chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end="", flush=True)Anthropic 兼容路径（M3 推荐）：
python
with client.messages.stream(
model="MiniMax-M3",
max_tokens=2048,
messages=[{"role": "user", "content": "解释 Interleaved Thinking"}],
) as stream:
for text in stream.text_stream:
print(text, end="", flush=True)多轮对话
把历史 messages 一起传：
python
messages = [
{"role": "user", "content": "用 Python 写个 fibonacci"},
{"role": "assistant", "content": "..."}, # 上次回复
{"role": "user", "content": "改成 iterative 的"},
]
response = client.chat.completions.create(
model="MiniMax-M3",
max_tokens=1024,
messages=messages,
)多轮成本
每轮把整段历史发回——长对话 token 累积。M3 1M 上下文虽大但成本随长度上升。
解决：
- 旧消息定期总结压缩
- 工具调用结果走「Interleaved Thinking」原生路径，避免冗余 reasoning
- 高频 Agent 场景考虑 M2 高速版降低单次延迟
Tool Use（function calling）
M3 是原生 Agentic 模型，工具调用走 tools 数组：
python
tools = [
{
"type": "function",
"function": {
"name": "get_weather",
"description": "Get current weather for a city",
"parameters": {
"type": "object",
"properties": {"city": {"type": "string"}},
"required": ["city"],
},
},
}
]
response = client.chat.completions.create(
model="MiniMax-M3",
max_tokens=1024,
tools=tools,
messages=[{"role": "user", "content": "上海现在多少度？"}],
)
# M3 会返回 tool_calls，你执行后把结果传回完成多轮
tool_call = response.choices[0].message.tool_calls[0]
print(f"调用工具 {tool_call.function.name}({tool_call.function.arguments})")详见指南章节「Tool Use 与 Interleaved Thinking」。
大陆 vs 国际版差异
MiniMax 是国产厂商，国内版无墙直连：
| 维度 | 国内版 | 国际版 |
|---|---|---|
| 域名 | platform.minimaxi.com | platform.minimax.io |
| API 端点 | api.minimaxi.com | api.minimax.io |
| 计费 | 人民币（¥） | 美元（$） |
| 合规 | 国内云 / 备案合规 | 海外节点 |
| 适用 | 国内业务 / 中文场景 | 跨境业务 / 海外用户 |
国内开发者首选国内版；海外业务需走国际版避免合规风险。