Hầu hết các mô hình tiên tiến đều khóa bạn trừ khi bạn trả tiền. Claude Opus, GPT, Gemini Pro: bạn thuê quyền truy cập thông qua khóa API, và đồng hồ tính phí không bao giờ dừng lại. MiniMax M3 phá vỡ khuôn mẫu đó. Đây là một mô hình có trọng lượng mở (open-weight model), được phát hành vào ngày 1 tháng 6 năm 2026, có nghĩa là con đường sử dụng hoàn toàn miễn phí sẽ trở thành hiện thực một khi các trọng lượng được công khai.
Chữ “một khi” đó rất quan trọng, vì vậy hãy thẳng thắn ngay từ đầu. MiniMax đã hứa sẽ công khai mã nguồn các trọng lượng (weights), nhưng tại thời điểm bài viết này, chúng vẫn chưa có trên Hugging Face. Công ty cho biết chúng sẽ được phát hành trong vài ngày tới. Cho đến khi chúng được phát hành, tự lưu trữ miễn phí là một kế hoạch bạn có thể chuẩn bị, chứ không phải điều bạn có thể thực hiện ngay chiều nay. Hướng dẫn này sẽ chỉ cho bạn mọi cách để truy cập M3 với chi phí thấp và miễn phí, những gì hiện có sẵn và những gì sắp ra mắt. Nếu bạn muốn tìm hiểu toàn bộ thông tin về bản thân mô hình, hãy đọc MiniMax M3 là gì trước.
Đây là phiên bản tóm tắt. M3 cung cấp cho bạn cửa sổ ngữ cảnh lên tới 1.000.000 token, khả năng lập trình cấp độ tiên tiến và đầu vào đa phương thức (multimodal) bản địa. Bài đăng ra mắt chính thức có tại thông báo MiniMax M3. Bây giờ hãy cùng bạn sử dụng nó mà không tốn tiền.
Cách 1: Tự chạy các trọng lượng mở
Đây là cách làm cho chữ “miễn phí” trở nên chân thật. Một khi MiniMax công khai mã nguồn các trọng lượng, bạn tải chúng xuống, chạy chúng trên phần cứng của riêng bạn hoặc GPU thuê, và không phải trả bất kỳ khoản phí API nào cho mỗi token. Bạn sở hữu quyền suy luận. Không giới hạn tốc độ ngoài máy của bạn, không dữ liệu rời khỏi mạng của bạn, không hóa đơn hàng tháng.
Vấn đề là “trọng lượng miễn phí” không có nghĩa là “miễn phí để chạy”. Bạn vẫn cần tài nguyên tính toán. Nếu bạn có GPU cục bộ đủ mạnh, chi phí duy nhất của bạn là điện. Nếu bạn thuê GPU đám mây theo giờ, bạn sẽ đổi đồng hồ API lấy đồng hồ phiên bản, điều này vẫn có thể tốt hơn giá lưu trữ cho các tác vụ ổn định.
Khi các trọng lượng được đưa lên Hugging Face, bạn sẽ chọn một ngăn xếp suy luận dựa trên định dạng được phát hành:
- vLLM để phục vụ với thông lượng cao bằng điểm cuối tương thích OpenAI. Lựa chọn mạnh mẽ nếu bạn đang chạy một tác nhân hoặc ứng dụng liên tục truy cập mô hình. Xem tài liệu vLLM để bắt đầu.
- SGLang để tạo cấu trúc và xử lý các tác vụ nhiều lượt nhanh chóng.
- llama.cpp nếu một bản dựng GGUF được lượng tử hóa được phát hành và bạn muốn chạy trên phần cứng tiêu dùng hoặc thậm chí là CPU.
Lưu ý về phần cứng: MiniMax chưa tiết lộ số lượng tham số cho M3, vì vậy bất kỳ ai đưa ra con số VRAM chính xác cho bạn hôm nay đều đang phỏng đoán. Yêu cầu thực tế của bạn phụ thuộc vào kích thước trọng lượng được phát hành và phương pháp lượng tử hóa bạn sử dụng. Một lượng tử hóa 4-bit cần ít bộ nhớ hơn nhiều so với độ chính xác đầy đủ. Khi các trọng lượng được phát hành, hãy kiểm tra thẻ mô hình trên Hugging Face để biết cấu hình được đề xuất. Trang đó là nguồn thông tin đáng tin cậy, không phải một bài đăng blog được viết trước khi ra mắt.
Nếu tự lưu trữ một mô hình Trung Quốc có trọng lượng mở nghe có vẻ hấp dẫn nhưng bạn muốn bắt đầu với một mô hình đã có thể tải xuống, thì cùng một phương pháp cũng áp dụng được cho Qwen. Chúng tôi đã trình bày từng bước trong cách sử dụng Qwen 3.7 miễn phí.
Cách 2: Truy cập lưu trữ với chi phí rẻ nhất
Không phải ai cũng muốn quản lý GPU. Nếu bạn muốn gọi một điểm cuối và quên đi cơ sở hạ tầng, API được lưu trữ của MiniMax là con đường nhanh chóng. Nó không miễn phí, nhưng giá khởi điểm thấp so với những gì bạn nhận được.
MiniMax bán quyền truy cập thông qua các gói token đăng ký:
| Gói | Giá | Token mỗi tháng |
|---|---|---|
| Plus | $20/tháng | ~1.7B |
| Max | $50/tháng | ~5.1B |
| Ultra | $120/tháng | ~9.8B |
Gói Plus 20 đô la là điểm khởi đầu thực tế. Khoảng 1,7 tỷ token mỗi tháng đủ cho nhiều thử nghiệm, tạo mẫu và sử dụng sản xuất nhẹ trước khi bạn cần nâng cấp. Kiểm tra tổng quan API MiniMax để biết chi tiết gói hiện tại, vì phân bổ token và giá cả có thể thay đổi.
Truy cập lưu trữ (hosted access) sẽ thắng thế khi việc sử dụng của bạn mang tính bùng nổ hoặc khối lượng thấp. Nếu bạn chỉ truy cập mô hình vài nghìn lần một tháng, trả 20 đô la sẽ tốt hơn so với thuê một GPU để không hoạt động hầu hết thời gian trong ngày. Nó cũng thắng thế khi bạn cần ngữ cảnh 1 triệu token mà không cần tự cung cấp đủ bộ nhớ để lưu trữ nó. Thiết lập yêu cầu đầy đủ, bao gồm URL cơ sở https://api.minimax.io/v1 và ID mô hình MiniMax-M3, được đề cập trong cách sử dụng API MiniMax M3.
Cách 3: Dùng thử miễn phí và sân chơi
Đây là nơi bạn nên hoài nghi về bất kỳ ai hứa hẹn một cấp độ miễn phí vĩnh viễn. Hiện tại, MiniMax không có tài liệu về một hạn mức API miễn phí cố định cho M3. Chúng tôi sẽ không tự mình tạo ra một hạn mức như vậy.
Điều bạn có thể làm là kiểm tra trực tiếp trên nền tảng để biết tín dụng dùng thử hiện tại. Tín dụng tài khoản mới và các khoản khuyến mãi đến rồi đi, và chúng là loại thứ thay đổi nhanh hơn bất kỳ bài viết nào có thể theo dõi. Đăng nhập vào nền tảng MiniMax, xem bảng điều khiển thanh toán của bạn và xem liệu có số dư dùng thử nào ở đó không. Nếu có một sân chơi web (web playground) có sẵn, đó thường là cách không cần thiết lập để kiểm tra các lời nhắc trước khi bạn cam kết với một gói hoặc một bản dựng tự lưu trữ.
Hãy coi bất kỳ tín dụng miễn phí nào như một cách để đánh giá M3, chứ không phải là một chiến lược sản xuất. Một khi bạn biết mô hình phù hợp với trường hợp sử dụng của mình, hãy chọn Cách 1 hoặc Cách 2 để làm việc lâu dài.
Cách 4: Các nhà cung cấp lưu trữ bên thứ ba (hãy chú ý những điều này)
Đây là con đường sẽ mở ra ngay khi các trọng lượng được công khai. Khi một mô hình trọng lượng mở được phát hành, các nhà tổng hợp suy luận sẽ cạnh tranh để lưu trữ nó. Các nền tảng kiểu OpenRouter và các nhà cung cấp GPU độc lập thêm các mô hình mở mới trong vòng vài ngày, và họ thường cạnh tranh về giá đủ gay gắt để có các cấp độ miễn phí hoặc gần miễn phí để thu hút người dùng.
Vì vậy, lời khuyên thiết thực là hãy theo dõi các nhà tổng hợp sau khi các trọng lượng được phát hành. Bạn có thể tìm thấy một điểm cuối M3 với một phần nhỏ giá của bên thứ nhất, hoặc một hạn ngạch miễn phí hàng ngày để thu hút bạn. Đánh đổi là bạn đang tin tưởng bên thứ ba với các lời nhắc của mình và thời gian hoạt động của bạn, vì vậy hãy đọc chính sách dữ liệu của họ trước khi bạn định tuyến bất kỳ thông tin nhạy cảm nào qua họ.
Sự năng động này là một phần của câu chuyện lớn hơn. Lý do các phòng thí nghiệm Trung Quốc tiếp tục công khai mã nguồn các mô hình tiên tiến và cắt giảm giá là một cuộc chạy đua thực sự để giành lấy sự quan tâm của nhà phát triển. Chúng tôi đã phân tích điều này trong cuộc chiến giá LLM của Trung Quốc năm 2026, và việc phát hành trọng lượng mở của M3 là động thái mới nhất trong cuộc chơi đó.
Kiểm tra thiết lập miễn phí của bạn
Bất kể bạn chọn cách nào, bạn cần biết thiết lập của mình thực sự hoạt động trước khi bạn xây dựng dựa trên nó. Một điểm cuối tự lưu trữ và API được lưu trữ đều nên nói cùng một định dạng tương thích OpenAI, nhưng “nên” không phải là “sẽ”. Độ trễ, chất lượng đầu ra và cách xử lý token có thể khác nhau giữa một bản dựng cục bộ được lượng tử hóa và dịch vụ của bên thứ nhất.
Đây là nơi một ứng dụng khách API thể hiện giá trị của nó. Hướng các yêu cầu của bạn thông qua Apidog và bạn có thể gửi cùng một lời nhắc đến M3 tự lưu trữ của mình và điểm cuối được lưu trữ song song, sau đó so sánh các phản hồi, thời gian phản hồi và việc sử dụng token tại một nơi. Lưu cả hai dưới dạng yêu cầu trong một bộ sưu tập, hoán đổi URL cơ sở giữa http://localhost:8000/v1 và https://api.minimax.io/v1, và bạn sẽ có một thử nghiệm A/B rõ ràng giữa truy cập miễn phí và trả phí.
Apidog cũng cho phép bạn lưu ID mô hình MiniMax-M3 và tiêu đề xác thực của bạn dưới dạng biến môi trường, do đó việc chuyển đổi giữa máy chủ vLLM cục bộ và đám mây chỉ cần một thao tác chọn từ danh sách thả xuống. Nếu bạn muốn làm theo, hãy Tải Apidog và tạo một yêu cầu mới đến điểm cuối của bạn. Quy trình làm việc tương tự cũng có thể mở rộng sang các mô hình khác, điều này tiện lợi nếu bạn đã chạy một thiết lập tương tự như trong cách sử dụng DeepSeek V4 Pro với Cursor.
Miễn phí hay trả phí: Bạn nên chọn cái nào
Không có một câu trả lời đúng duy nhất. Nó phụ thuộc vào những gì bạn đang xây dựng và tần suất bạn gọi mô hình.
| Trường hợp sử dụng | Cách tốt nhất | Lý do |
|---|---|---|
| Dự án sở thích, cuộc gọi không thường xuyên | Gói Plus được lưu trữ ($20) hoặc tín dụng dùng thử | Rẻ, không cần vận hành, không tốn chi phí GPU nhàn rỗi |
| Học tập và tạo mẫu | Tự lưu trữ các trọng lượng mở | Miễn phí mỗi token, kiểm soát hoàn toàn, không giới hạn tốc độ |
| Lập trình theo tác nhân ở quy mô lớn | Tự lưu trữ trên GPU thuê | Khối lượng cao ổn định làm cho suy luận sở hữu rẻ hơn so với mỗi token |
| Các tác vụ 1 triệu token không thường xuyên | API được lưu trữ | Bỏ qua việc cung cấp bộ nhớ để tự chứa các ngữ cảnh lớn |
| Công việc nhạy cảm về quyền riêng tư | Tự lưu trữ | Lời nhắc không bao giờ rời khỏi máy của bạn |
Mô hình rất đơn giản. Khối lượng thấp hoặc bùng nổ thì ưu tiên API được lưu trữ. Khối lượng cao, ổn định thì ưu tiên tự lưu trữ một khi các trọng lượng đã được phát hành. Nhu cầu về quyền riêng tư đẩy bạn đến việc tự lưu trữ bất kể khối lượng.
Câu hỏi thường gặp
MiniMax M3 có thực sự miễn phí không? Có thể. M3 là một mô hình trọng lượng mở, vì vậy một khi MiniMax công bố các trọng lượng, bạn có thể chạy nó trên phần cứng của riêng mình mà không phải trả phí cho mỗi token. Bạn vẫn sẽ phải trả tiền cho tài nguyên tính toán, cho dù đó là hóa đơn tiền điện của bạn hay GPU thuê. Bản thân mô hình được sử dụng miễn phí; cơ sở hạ tầng để chạy nó thì không.
Các trọng lượng đã được phát hành chưa? Tại thời điểm viết bài này thì chưa. MiniMax đã cam kết công khai mã nguồn M3 và cho biết các trọng lượng sẽ có mặt trong vòng vài ngày kể từ ngày ra mắt 1 tháng 6. Cho đến khi chúng xuất hiện trên Hugging Face, bạn không thể tải xuống và chạy chúng. Kiểm tra các kênh chính thức và trang Hugging Face của mô hình để biết thông tin phát hành trực tiếp.
Tôi cần phần cứng nào để tự lưu trữ M3? Điều đó phụ thuộc vào kích thước trọng lượng được phát hành và lượng tử hóa bạn chọn, và MiniMax chưa công bố số lượng tham số. Đừng tin vào các con số VRAM cụ thể trước khi các trọng lượng được phát hành. Khi thẻ mô hình xuất hiện trên Hugging Face, nó sẽ liệt kê cấu hình được đề xuất. Một lượng tử hóa 4-bit thông qua llama.cpp sẽ chạy trên phần cứng khiêm tốn hơn nhiều so với một bản dựng độ chính xác đầy đủ thông qua vLLM.
Có khóa API miễn phí không? Không có cấp độ miễn phí cố định nào được ghi nhận cho API được lưu trữ. Con đường được xác nhận rẻ nhất là gói Plus 20 đô la/tháng, bao gồm khoảng 1.7B token. Kiểm tra nền tảng để biết bất kỳ tín dụng dùng thử hiện tại nào trên tài khoản mới, và theo dõi các nhà tổng hợp bên thứ ba sau khi các trọng lượng mở được phát hành, vì một số có hạn ngạch miễn phí.
Truy cập M3 miễn phí so với Qwen hay DeepSeek như thế nào? Cả ba đều là một phần của làn sóng trọng lượng mở từ các phòng thí nghiệm Trung Quốc, và cách tự lưu trữ gần như giống hệt nhau giữa chúng. Trọng lượng của Qwen đã có thể tải xuống ngay hôm nay, vì vậy nếu bạn muốn bắt đầu ngay, hãy xem cách sử dụng Qwen 3.7 miễn phí. Bức tranh cạnh tranh đầy đủ nằm trong cuộc chiến giá LLM của Trung Quốc năm 2026.
Tôi có thể sử dụng M3 miễn phí với một công cụ lập trình như Cursor không? Một khi bạn có một điểm cuối hoạt động, dù là tự lưu trữ hay được lưu trữ, bạn có thể hướng hầu hết các công cụ lập trình tương thích OpenAI đến nó. Cách tiếp cận này phản ánh những gì chúng tôi đã ghi lại trong cách sử dụng DeepSeek V4 Pro với Cursor: đặt URL cơ sở, cung cấp khóa của bạn và chọn ID mô hình.
Tóm tắt
Truy cập MiniMax M3 miễn phí tóm lại là một thực tế: đó là một mô hình trọng lượng mở. Điều đó đưa việc tự lưu trữ vào khả năng, theo cách mà các mô hình tiên tiến đóng không bao giờ cho phép. Hôm nay, các lựa chọn trung thực của bạn là gói Plus được lưu trữ 20 đô la và bất kỳ tín dụng dùng thử nào tài khoản của bạn hiển thị. Ngay khi các trọng lượng được đưa lên Hugging Face, Cách 1 và Cách 4 sẽ mở ra, và việc sử dụng hoàn toàn miễn phí chỉ còn cách một lần tải xuống. Hãy chuẩn bị ngăn xếp suy luận của bạn ngay bây giờ, theo dõi việc phát hành và kiểm tra mọi điểm cuối thông qua Apidog để bạn biết chính xác những gì bạn nhận được trước khi xây dựng dựa trên đó.