MiniMax

Evidence in the last complete seven days

Source mentions

2

Previous seven days 4

Distinct sources

2

Previous 1

Comparable growth

Not comparable

Ranking appearances

0

Collection observations and undated records are separate from dated publication counts. Observed in 7d：1 · Undated records：2

Daily history · up to 90 days

Bars show dated source mentions. The latest UTC day may be incomplete. Zero mentions and missing collection coverage are different conditions.

Dotted markers indicate days with no record. They are not counted as zero mentions.

Source evidence

Sources in the evidence shown：OpenRouter 2 · 量子位 2 · Hugging Face Spaces 3 · V2EX 9 · Product Hunt 1

1. OpenRouter · Published Not supplied

   MiniMax-M3

2. OpenRouter · Published Not supplied

   MiniMax-M3.1-Flash

3. 量子位 · Published Oct 30, 2026

   英伟达团队基于 MiniMax H3 开源视频增强方案，最高支持 4K 重生成

   英伟达与麻省理工学院团队，在 Hugging Face 发布了视频增强项目 Open-H3-Regenerate-2K 的模型权重

   View source record →

4. Hugging Face Spaces · Published Oct 29, 2026

   umaircxnd/MiniMax-H3-Turbo-Lora-UNCENSORED-Workflow

   Interactive demo built with gradio

5. V2EX · Published Oct 26, 2026

   [推广] 多模型 API 接入， Claude / OpenAI 低至 2 折

   分享一下自己在做的 AI 模型中转服务：KEVORYN 。 官网： https://kevoryn.com 希望为开发者提供一个统一的多模型 API 接入入口，减少不同模型之间切换和配置的麻烦。 目前主打的模型价格折扣： * Claude：2 折 * OpenAI：2 折 * Gemini：2.8 折 * Grok：2.8 折 * Kimi：7 折 * MiniMax：7 折 主要特点： * 一个 API 入口接入多款模型 * 兼容常用 SDK ，具体以实际测试为准 * 用量清晰可查 * 不同模型可以按需求选择 适合需要使用多款 AI 模型的开发者，也可以用于自己的 AI 应用、编程工具和 API 项目。 具体模型、分组、计费规则及实时价格以官网为准。 官网： https://kevoryn.com 欢迎交流使

   View source record →

6. V2EX · Published Oct 26, 2026

   [推广] [推广] Kimi K3.1 Pro 发布了，编程 Agent 能力逼近 Opus 5.5？ TokVi 继续送免费 Token

   V 友们好，最近 AI 模型更新得是真快。 前两天还在跟大家分享 Claude Opus 5.5 、Sonnet 5.5 ，结果 Kimi K3.1 Pro 也正式发布了。 这次 Kimi 有几个点挺值得关注的： 100 万 Token 上下文，适合处理大型代码库、长文档 Terminal-Bench 4.0 官方公布得分 65.7%，接近 Claude Opus 5.5 的 66.4% 同时发布 Highspeed 版本，官方称输出速度提升约 2–3 倍 更侧重 Coding 、Agent 和复杂任务处理 当然，跑分归跑分，真正放进 Claude Code 、Coding Agent 或实际项目里，效果怎么样还得自己测。 我们在做的 TokVi 是一个多模型 API 接入平台，目前提供 Kimi 、DeepS

   View source record →

7. V2EX · Published Oct 24, 2026

   [分享创造] 开源 AI 错题本：支持拍照识别、国内大模型直连（DeepSeek/MiniMax）、组卷打印与安卓单机版

   大家好，分享一个最近持续在打磨的开源项目： Smart Wrong Notebook （智能错题本） 。 这个项目 fork 自 wttwins/wrong-notebook 。最初是因为家里有整理错题和复习的需求，在实际高频使用的过程中，发现传统的错题整理方式（无论是手抄、剪贴，还是单纯拍照存进相册/笔记软件）很容易陷入几个痛点： 「只存不练」变成电子垃圾场 ：拍了一堆错题存进去，但做题和复习还是习惯在纸上写算；缺少针对性的变式题生成和抽题组卷打印，做完之后也没法把纸面结果回填到系统里追踪到底掌握了没有。 拍出来的卷子配图糊、有手写批注 ：手机拍的试卷往往带阴影和手写痕迹，直接打印效果很差；几何、物理题光看文字解析又不够直观。 模型配置与部署门槛高 ：不少开源 AI 工具默认只对接海外接口，国内网络环境配置繁

   View source record →

8. V2EX · Published Oct 23, 2026

   [程序员] 为什么很多人都把 DeepSeek 神化了，看不起国内豆包和其它 LLM？

   我认为 DeepSeek 、MiniMax 、Kimi 、GLM 这些 LLM 公司被严重高估了： 月活（ MAU ） ： 豆包 4.2 亿，千问 1.7 亿，DeepSeek 1.2 亿，智谱 2000 万，Kimi 1000 万； 商业化（ ARR ） ： 豆包 272 亿，智谱 68 亿、阿里 80 亿、DeepSeek 27-34 亿、Kimi 20 亿； 开源贡献 ： Qwen：开源了超过 460 个模型，衍生模型超 30 万个，全球下载量破 20 亿次； GLM：开源 50 余款模型，GLM-5.2 以 51 分位居全球开源智能指数榜首； DeepSeek：开源了 DeepSeek-V4 、DeepSeek-R1 、DeepSeek-VL 等模型。 豆包的战略和 Google 的 Gemini 是很

   View source record →

9. V2EX · Published Oct 21, 2026

   [分享创造] [开源] 从生图到骨骼动画全自动：用 Blender 合成数据微调 DINOv2，把视频动作还原到非人形 3D 模型上

   从粗糙的 Astra 建模踩坑开始，我就一直在琢磨：到底怎么才能让整套 3D 资产与动画生成流程真正自动化起来？ 一路从 OpenAI 产出概念效果图，到 Tripo3D 生成 3D 模型，再到非人形怪物的自动绑骨蒙皮；更进一步，用 MiniMax H3 生成想要的动作视频，并基于 Meta 的 DINOv2 训练专属小模型来识别骨骼与关节位置，最终把视频动作还原到 3D 骨骼上（这里必须感谢 @CanItCode ，核心思路正是从他的视频中学到的），才终于跑通并达到了视频里这种勉强可用的效果。 核心实现思路 模型生成 ：通过 Tripo3D 生成基础 3D 模型。 自动绑骨 ：使用 TokenRig 完成非人形结构的自动绑骨与蒙皮。 **合成训练集(imoportant)**：在 Blender 中采用双视角

   View source record →

10. V2EX · Published Oct 21, 2026

    [推广] MiniMax M3.1 Flash 模型 API 限时免费

    MiniMax M3.1 Flash 主打多模态，支持文本/图片/视频输入和 1M 上下文， 在 Agent 任务、Coding 和 Computer Use 上表现强劲，价格极低， 纯 Coding 稳定性和幻觉控制上仍略逊于 DeepSeek V4.1 Flash 和 Opus 5.5 访问 https://tokenra.io/zh

    View source record →

11. V2EX · Published Oct 21, 2026

    [程序员] 我很难接受 space-bunny 和 minimax-m3.1-flash 是同一个模型

    当初 openrouter 上线 bunny 的时候我用了不少, 那时我的体感上认为这是一个可以和 dv4-flash 简单掰掰手腕的模型 后来确认了这是 minimax-m3.1-flash 我还很惊讶, 因为我对 minimax 的模型此前还停留在一些很差的印象 我尝试想对 minimax 进行认知改观, 本着没有调查就没有发言权的态度, 我买了个 minimax 的 ￥ 119 plan 我首先放到了我的 CPA(一台美国服务器)上, 在 hermes 上用 3.1 让我很难受, 我不太能接受这是当时的 bunny, 在 TPS 比 kimi 高的情况下竟然比 kimi 的效率还低, 我观察了一下, 似乎是 minimax 写出来的脚本执行效率极低或等待时间极长 今天刚好遇到了一个小 bug 要优化, 很

    View source record →

12. 量子位 · Published Oct 20, 2026

    国模Agent第一！MiniMax爆改Flash战力，全时段大肥鱼谷价

    兔皮底下，竟然是MiniMax！

    View source record →

13. Product Hunt · Published Oct 19, 2026

    MiniMax M3.1 Flash

    MiniMax’s Flash model, 3x faster and 70% cheaper for agents

    View source record →

14. V2EX · Published Oct 19, 2026

    [AI Agent 智能体] 匿名狂跑 200T Token 的“Space Bunny”终于破案了，居然是 MiniMax M3.1 Flash，刚已经发布

    View source record →

15. V2EX · Published Oct 10, 2026

    [推广] [OpenLux] 留 ID 送约 3.5 元 API 体验额度｜ MiniMax-H3、Gemini TTS 等近期上新

    View source record →

16. Hugging Face Spaces · Published Oct 7, 2026

    baka999/MiniMax-H3-Turbo-Lora-UNCENSORED

    Interactive demo built with gradio

17. Hugging Face Spaces · Published Sep 13, 2026

    wank3r/minimax-h3

    Interactive demo built with gradio

Review priority 53 / 100

This score orders research candidates. It is not search volume, a forecast or verified commercial demand.

• Evidence

  12.7 / 30

  Distinct dated articles or first observations; repeat crawling adds nothing.

• Publisher diversity

  16 / 25

  Conservative owner grouping; syndicated copies count once.

• Comparable change

  0 / 20

  Comparable complete weeks only; no percentage from a zero baseline.

• Recent evidence

  15 / 15

  Latest publication or first observation, not repeated fetch time.

• Name specificity

  9.4 / 10

  Explicit entities and technical concepts outrank ambiguous acronyms.

Limitations and interpretation

• First observation is a collection milestone, not proof that a word or product is new to the world.
• Counts describe monitored public sources, not the whole web or search demand.
• First observed here is not the invention date of a name or idea.
• Candidates come from public titles, summaries and entity URLs, not verified full-text analysis.
• Owner grouping is conservative; undisclosed syndication may remain.
• Undated observations cannot establish publication growth.
• Repeat ranking appearances are observations, not new articles or independent endorsements.
• An established concept or common product name retained as a baseline, not a newly invented term.
• Both weeks need adequate, comparable collection coverage.
• Sources behind this term changed or lack a comparable baseline.
• Recent evidence includes collection over three days after publication.