MiniMax M3.1 Flash API: ilk istek, reasoning_effort ve fiyat

Kısa yanıt: OpenAI uyumlu tek istek

LLMTR, farklı sağlayıcıların dil modellerine tek bir OpenAI uyumlu API ile erişim veren bir gateway'dir. MiniMax M3.1 Flash burada minimax/minimax-m3.1-flash kimliğiyle sunulur ve https://llmtr.com/v1 adresindeki /v1/chat/completions uç noktasından çağrılır. llmtr.com'da açtığınız hesabın API anahtarı yeterlidir: OpenAI SDK'sında temel adresi değiştirip model alanına bu kimliği yazdığınızda istek çalışır.

Model, MiniMax'in kodlama, araç kullanan ajanlar ve uzun bağlamlı işler için sunduğu sürümdür. LLMTR kataloğunda 1.000.000 token bağlam penceresiyle listelenir, tek yanıtta en fazla 524.288 token üretir ve metin, görsel ve video girdisi kabul eder. Fiyatı 1 milyon token başına 0,15 $ girdi, 0,015 $ önbellekten okunan girdi ve 0,60 $ çıktıdır. Fiyat bağlamın tamamında tek kademedir; uzun istemler için ayrı bir fiyat yoktur.

• MiniMax, Model Invocation guide · 2026-10-19

MiniMax M3.1 Flash API'si nasıl kullanılır?

Üç adım yeterlidir. Önce llmtr.com'da hesap açın, Dashboard > Faturalandırma'dan bakiye yükleyin ve Dashboard > API Anahtarları altında bir anahtar oluşturun. Sonra OpenAI uyumlu istemcinizde temel adresi https://llmtr.com/v1 yapın. Son olarak model alanına minimax/minimax-m3.1-flash yazın ve isteği /v1/chat/completions uç noktasına gönderin. Aşağıdaki Python örneği bir sistem mesajı ve bir kullanıcı mesajı gönderir, düşünme derinliğini medium seçer ve cevabın yanında düşünme izini ve token kullanımını yazdırır.

Cevap choices[0].message.content alanında, düşünme izi ayrı olarak reasoning_content alanında gelir; cevabı ayırmak için içerikte etiket aramanız gerekmez. usage alanı girdi ve çıktı token'larını verir, önbellekten okunan girdiyi de prompt_tokens_details.cached_tokens içinde gösterir. Akış için stream: true gönderin; stream_options içinde include_usage: true eklerseniz usage son parçada gelir. finish_reason değeri length olan bir yanıtı tamamlanmamış sayın ve max_tokens değerini artırın.

minimax/minimax-m3.1-flash modeline https://llmtr.com/v1/chat/completions üzerinden medium düşünme derinliğiyle istek gönderen ve cevabı, düşünme izini ve usage alanını yazdıran OpenAI Python SDK örneği.

import os

from openai import OpenAI

client = OpenAI(base_url="https://llmtr.com/v1", api_key=os.environ["LLMTR_API_KEY"])

response = client.chat.completions.create(
    model="minimax/minimax-m3.1-flash",
    messages=[
        {"role": "system", "content": "You are a senior software engineer."},
        {"role": "user", "content": "Find the bug: def add(a, b): return a - b"},
    ],
    reasoning_effort="medium",
    max_tokens=8192,
)

choice = response.choices[0]
print(choice.finish_reason)
print(getattr(choice.message, "reasoning_content", None))
print(choice.message.content)
print(response.usage)

Düşünme derinliği: reasoning_effort

MiniMax M3.1 Flash'ta düşünme kapatılamaz; derinliğini reasoning_effort alanıyla beş seviyeden biri olarak seçersiniz: low, medium, high, xhigh ve max. MiniMax'in belgesine göre alan gönderilmediğinde max uygulanır. Seviye yükseldikçe model daha uzun düşünür ve daha fazla çıktı token'ı üretir; düşünme token'ları completion_tokens içinde sayılır ve çıktı fiyatından, yani 1 milyon token başına 0,60 $ üzerinden faturalanır.

Model düşünmeyi isteğin zorluğuna göre ayarlar: basit bir soruda düşünme izi hiç gelmeyebilir, çok adımlı bir görevde uzar. Seviye model kimliğine son ek olarak da verilebilir, örneğin minimax/minimax-m3.1-flash:low. none ve minimal değerleri ile reasoning: false, reasoning: { enabled: false } ve thinking: { type: disabled } gövdeleri 400 döner; en az düşünme için low gönderin. Düşünme de max_tokens bütçesine sayıldığı için kısa cevap beklediğiniz isteklerde de birkaç bin token bırakın.

• MiniMax, OpenAI-compatible API reference · 2026-10-19

Görsel ve video girdisi

Görseli image_url parçasıyla gönderin; base64 data URL de uzak bir https adresi de kabul edilir. Video için video_url parçasını base64 data URL olarak kullanın. Ses girdisi desteklenmez. Görsel ve video token'ları prompt_tokens içinde sayılır ve girdi fiyatından faturalanır. MiniMax'in belgesi görseller için detail alanını tanımlar; low değeri tek bir görselde genellikle birkaç yüz token tutar.

Bir ekran görüntüsündeki hatayı açıklatmak, bir ürün fotoğrafından özellik çıkarmak ya da kısa bir videonun içeriğini özetletmek için aynı uç nokta ve aynı model kimliği kullanılır. Görsel ya da video içeren isteklerde de reasoning_effort çalışır; tarif ve özet gibi işlerde low çoğu zaman yeterlidir. Görselin metin taşıdığı işlerde, örneğin bir fatura ya da form, sonucu kendi verinizden birkaç örnekle kontrol edin.

Araç çağrısı ve JSON çıktı

Model araç ve fonksiyon çağrısını destekler. tools alanında fonksiyonları tanımlayın; model çağırmaya karar verdiğinde yanıt finish_reason: tool_calls ile döner. Aracı çalıştırıp sonucu role: tool mesajıyla geri gönderdiğinizde model cevabı tamamlar. Çok adımlı döngülerde araç çağrısını içeren asistan mesajını reasoning_content alanıyla birlikte geri gönderin; MiniMax, düşünme izinin sonraki turda korunmasını önerir.

JSON gereken işlerde response_format alanına { type: json_object } yazın; yanıt geçerli bir JSON nesnesi olarak döner. Katı json_schema ise uygulanmaz: model şemayı yanıt üretirken zorunlu tutmaz, bu yüzden alanları kendi tarafınızda doğrulayın. Şema doğrulaması gereken bir akışı, doğrulama başarısız olduğunda isteği bir kez tekrarlayan küçük bir sarmalayıcıyla kurun.

• MiniMax, Tool Use and Interleaved Thinking · 2026-10-19

Maliyet ve önbellek

Fatura üç kalemden oluşur: önbellekten okunmayan girdi 0,15 $, önbellekten okunan girdi 0,015 $ ve çıktı 0,60 $, hepsi 1 milyon token başına. Örnek: 20.000 token'lık bir istemin 15.000 token'ı önbellekten okunursa ve yanıt 2.000 token tutarsa tutar (5.000 x 0,15 $ + 15.000 x 0,015 $ + 2.000 x 0,60 $) / 1 milyon = 0,002175 $ olur. Aynı istek önbellek isabeti olmadan 0,0042 $ tutar.

Önbellek bir indirimdir, garanti değildir. Uzun ve değişmeyen sistem istemini, araç tanımlarını ya da belgeyi mesajların başına koymak isabet şansını artırır; değişen kısmı sona bırakın. Önbellekten okunan token sayısı her yanıtta prompt_tokens_details.cached_tokens alanında görünür, bu yüzden indirimi kendi isteklerinizde doğrudan izleyebilirsiniz. Harcamayı sınırlamak için API anahtarınıza bir harcama sınırı koyun.

MiniMax M3.1 Flash ile ilk API isteği

Bir LLMTR API anahtarı oluşturun, istemcinin temel adresini https://llmtr.com/v1 yapın ve minimax/minimax-m3.1-flash modeline istek gönderin.

1. Anahtar. llmtr.com'da bakiye yükleyin ve Dashboard > API Anahtarları altında bir anahtar oluşturun.
2. Temel adres. OpenAI uyumlu istemcide temel adresi https://llmtr.com/v1 yapın.
3. İstek. model alanına minimax/minimax-m3.1-flash yazın, reasoning_effort seçin ve /v1/chat/completions uç noktasına gönderin.

Sık sorulan sorular

MiniMax M3.1 Flash'ın fiyatı nedir?

1 milyon token başına 0,15 $ girdi, 0,015 $ önbellekten okunan girdi ve 0,60 $ çıktı. Bağlamın tamamında aynı fiyat geçerlidir.

MiniMax M3.1 Flash'ta düşünme kapatılabilir mi?

Hayır. reasoning_effort ile low ile max arasında bir seviye seçersiniz; en az düşünme için low gönderin. Düşünmeyi kapatma istekleri 400 döner.

MiniMax M3.1 Flash'a görsel ve video gönderebilir miyim?

Evet. Görseli image_url parçasıyla base64 ya da https adresi olarak, videoyu video_url parçasıyla base64 data URL olarak gönderin.

İlgili yazılar

• MiniMax M3.1 Flash mı, M3 mü? Fiyat ve özellik farkı
• 1M bağlamlı Flash modelleri: MiniMax, DeepSeek, Qwen, GLM
• MiniMax M3.1 Flash Preview LLMTR API'sinde: ücretsiz erişim, sınırlar ve ilk istek
• MiniMax M3.1 Flash, Haiku 5.5, GPT-6 Luna ve Gemini 3.8 Flash
• Hangi MiniMax modeli? M3.1 Flash, M3, M2.7 ve M2.5

• MiniMax M3.1 Flash model sayfası
• MiniMax M3.1 Flash dokümantasyonu
• Reasoning effort dokümantasyonu