WaveSpeedAI
← Blog

Precio de MiniMax M3: Costo de API de Contexto Largo para Desarrolladores

Precios de MiniMax M3 para desarrolladores: niveles de contexto largo, el umbral de 512K, grupo de tokens, caché y cómo controlar el costo de la API.

By Dora 9 min read

Hola a todos. Soy Dora. Abrí la página de precios del M3 esperando un solo número. Hay cuatro. Nivel estándar, nivel de contexto largo, lecturas de caché, multimodal — más un producto de suscripción separado encima de todo. Así que si intentas responder “¿qué significa realmente el precio de minimax m3 para mi carga de trabajo?”, la respuesta honesta es: depende de en cuál de los cuatro niveles cae tu solicitud.

Este artículo es para quien tiene que justificar la factura de inferencia a fin de mes. Si solo quieres saber si el M3 es “barato” en términos abstractos, está listado a tarifas competitivas, pero ese enfoque no sobrevivirá el contacto con una carga de trabajo real.

Cómo está estructurado el precio del M3

La estructura del precio de minimax m3 tiene cuatro partes móviles. La tarifa principal es $0.30 por millón de tokens de entrada, $1.20 por millón de tokens de salida — confirmado en el blog de lanzamiento de M3 de MiniMax. Eso es una promoción de lanzamiento del 50% en el nivel estándar. La tarifa de lista es $0.60 / $2.40. Trataría la promoción como temporal. No construyas un presupuesto sobre ella.

Tarifa estándar (≤512K) vs tarifa de contexto largo (>512K)

El M3 admite una ventana de contexto de 1M de tokens, con un mínimo garantizado de 512K. En el momento en que tu entrada supera los 512K tokens, toda la solicitud — entrada, salida y lecturas de caché — se factura a la tarifa de contexto largo. Esa tarifa es exactamente 2x la tarifa estándar.

Entonces en promoción: $0.60 de entrada / $2.40 de salida por encima de 512K. En lista: $1.20 / $4.80. Las lecturas de caché cambian de la misma manera.

Una solicitud de 600K tokens no cuesta ligeramente más que una de 500K. Cuesta aproximadamente el doble por token en toda la llamada. Eso es un precipicio, no una pendiente.

Grupo de tokens compartido (texto/imagen/voz/música)

El M3 es nativamente multimodal. Texto, imagen y video llegan al mismo endpoint y al mismo medidor. El texto es la modalidad más económica por un amplio margen. Las entradas de imagen y video se tokenizan a tarifas más altas y se facturan por separado de la tarifa principal. Los números exactos multimodales no están en la tarjeta de precios estándar — hay que buscarlos en la documentación de la plataforma.

Si tu flujo de trabajo de la api de minimax m3 es mayormente texto con alguna imagen ocasional, tu factura se verá cercana a la tarifa principal. Con mucho video, recalcula. A verificar.

Por qué el contexto de 1M cuesta más de lo que parece

MSA (MiniMax Sparse Attention) es lo que hace que el contexto de 1M sea práctico en lugar de solo un número en una hoja de especificaciones. Pero “admite 1M” y “debería ejecutarse en 1M” son afirmaciones diferentes.

Tamaño del prompt + tokens de salida

La salida es 4 veces más cara que la entrada en ambos niveles. Así que una tarea que lee mucho y escribe poco es barata; leer mucho y escribir mucho no lo es.

Ejemplo trabajado. Pasada de codificación agéntica con 500K de entrada, 100K de salida. A la tarifa estándar de promoción: (0.5 × $0.30) + (0.1 × $1.20) = $0.27 por tarea. Se mantiene por debajo de 512K.

Aumenta la entrada a 600K. Mismos 100K de salida. Cruzaste el precipicio. Toda la llamada es de contexto largo: (0.6 × $0.60) + (0.1 × $2.40) = $0.60 por tarea. Más del doble por un 20% más de entrada. Esa es la parte de la estructura del precio de minimax m3 que tienes que planificar.

Sesiones largas y bucles de agente

Los bucles de agente amplifican esto. Cada turno se agrega al contexto. Para el turno 10 o 15, a menudo estás superando los 512K no porque algún paso individual lo necesitara, sino porque nada se podó. Una ventana de contexto de 1M es un límite superior para problemas difíciles, no un valor predeterminado.

Me detuve aquí cuando leí los precios por primera vez. La tarifa por token del M3 es baja, pero el costo por tarea está determinado por cuánto contexto eliges arrastrar. Las facturas de la mayoría de los equipos se determinan antes de llegar a la página de precios.

Palancas de control de costos

El precio de minimax m3 que realmente pagas depende de tres palancas.

Recuperación/fragmentación en lugar de llenar toda la ventana. Si puedes responder la pregunta con 50K tokens de contexto recuperado, enviar 500K es un impuesto. Las configuraciones de recuperación se mantienen en el nivel estándar y fuera del precipicio de contexto largo. Usa la ventana de 1M cuando genuinamente necesites razonamiento entre documentos. Usa recuperación cuando no lo necesites.

Caché. El M3 tiene caché de prompts automático — sin configuración necesaria. Las lecturas de caché se facturan a aproximadamente el 10% del precio de entrada ($0.06/M promoción estándar, $0.24/M contexto largo). Esta es la palanca más importante en cualquier carga de trabajo de agente o chat con prompts de sistema estables, y es donde la api de minimax m3 recompensa directamente el esfuerzo de ingeniería. Si el 60% de tu entrada en cada turno es un prefijo estable que llega al caché, reduces aproximadamente un 54% de tu factura de entrada en cada turno después del primero. La documentación de caché de prompts de Anthropic explica la mecánica con claridad. Aunque MiniMax M3 implementa el caché de manera diferente, el patrón económico es ampliamente similar: una escritura de caché de mayor costo seguida de lecturas de caché sustancialmente más económicas.

Enrutamiento de modelos. No todos los pasos de un bucle de agente necesitan M3. Un clasificador económico al frente, con M3 invocado solo cuando está justificado, puede reducir el gasto total a la mitad en cargas de trabajo que se distribuyen entre muchas subtareas pequeñas.

Quién debería pagar por el contexto largo

El contexto largo no es inteligencia gratuita — es un nivel de facturación con un borde duro en 512K.

Mejor ajuste: comprensión de código a escala de repositorio donde el modelo necesita el repositorio completo; análisis de documentos largos donde la fragmentación rompería el razonamiento; tareas de agente de largo horizonte donde el historial de acciones completo es esencial. Los números de referencia de minimax m3 que MiniMax publicó en el lanzamiento — SWE-Bench Pro, BrowseComp — coinciden con estas categorías de carga de trabajo. Trata los benchmarks de proveedores con el escepticismo habitual.

Gasto excesivo: preguntas y respuestas sobre un solo documento donde funcionaría la recuperación. Aplicaciones de chat sin requisito real de memoria. Clasificación masiva — el modelo minimax m3 es excesivo para tareas que un modelo pequeño maneja bien. Enruta, no escales.

La suscripción Token Plan es una cuestión separada. MiniMax vende una suscripción de desarrollador plana en Plus ($20), Max ($50) y Ultra ($120) por mes, con cuotas mensuales de tokens M3 de aproximadamente 1.6B, 5.1B y 9.8B respectivamente. Token Plan y PAYG no compiten en el mismo eje que un puntaje de benchmark de minimax m3 — las cuotas son sobre la previsibilidad del rendimiento, no la capacidad bruta. Tráfico alto y constante por debajo de 512K, la suscripción probablemente gana. Esporádico o con mucho contexto largo, haz los cálculos dos veces.

Preguntas frecuentes

¿Dónde está el punto de inflexión entre estándar y contexto largo (>512K) en MiniMax M3?

En 512K tokens de entrada. ≤512K se factura a la tarifa estándar; >512K factura toda la solicitud — entrada, salida y lecturas de caché — al 2x. Función escalonada, no gradual.

¿La entrada multimodal (imagen/video) comparte el mismo grupo de tokens que el texto?

Sí, mismo endpoint y medidor. Pero las imágenes y videos se tokenizan a una tasa más alta y se facturan a un precio separado por millón que no aparece en la tarjeta principal. Revisa la documentación de la plataforma antes de presupuestar.

¿Cómo estimo el costo de un flujo de trabajo de agente de contexto largo en M3?

Tres números: entrada promedio por turno, salida promedio por turno, número de turnos. Multiplica, suma. Luego estima qué fracción de la entrada es cacheable (típicamente 50–80% en bucles de agente) y aplica la tarifa del 10% de lectura de caché a esa porción. Finalmente, verifica si algún turno cruza los 512K — si es así, ese turno paga 2x en todo. La mayoría de las sorpresas en la factura vienen de la última verificación.

¿Cuáles son las alternativas más económicas si realmente no necesito contexto de 1M?

La línea M2.5 de MiniMax funciona a la misma tarifa principal en el nivel estándar y está bien para la mayoría de las cargas de trabajo que caben en 256K. Si no necesitas contexto largo de clase MSA, estás pagando por una capacidad que no usarás.

¿Cambia la suscripción Token Plan cómo debería pensar sobre los precios de la API?

Cambia la unidad de contabilidad, no la lógica subyacente. PAYG factura por token con el precipicio en 512K. Token Plan intercambia eso por una cuota mensual fija a precio fijo. La suscripción gana para cargas de trabajo predecibles y de alto volumen por debajo de 512K. PAYG gana para las esporádicas o con mucho contexto largo. No elijas una sin modelar al menos una semana de tráfico real frente a ambas.

Conclusión

El precio de minimax m3 que importa no es el que está en la tarjeta de precios. Es el costo por tarea una vez que has tenido en cuenta el tamaño del prompt, el volumen de salida, si cruzarás los 512K y cuánta entrada es cacheable. La tarifa principal es competitiva — cierto. Pero la factura a fin de mes la determina la arquitectura.

Orden de operaciones: modela primero una carga de trabajo representativa, verifica si alguna llamada cruza los 512K, añade estimaciones de caché, luego compara con los niveles de Token Plan. Salta las alternativas hasta haber hecho los primeros cuatro pasos.

Ahí es donde terminan mis datos. Las tarifas de promoción son temporales y los precios multimodales están incompletos en los documentos públicos. Haz los cálculos tú mismo antes de comprometerte con volumen.

Artículos anteriores:

Compartir