MiniMax-M3.1-Flash Anthropic 协议与自适应推理配置

一句话结论

MiniMax-M3.1-Flash 的 Anthropic-compatible API 支持文本、图片、视频、工具和 thinking 内容块，并通过 output_config.effort 调整思考深度；该模型始终启用思考，不能关闭。

适用场景

• 适合的任务：使用 Anthropic SDK 的多模态请求、自适应推理、流式输出和多轮工具调用。

• 不适合的任务：依赖关闭思考、temperature 调参、或依赖 Anthropic 兼容层未支持参数的配置。

• 适用的模型版本：MiniMax-M3.1-Flash。该兼容接口当前只支持 MiniMax-M3.1-Flash 和 MiniMax-M3；本文只对前者下结论。

• 适用的客户端、Agent 或 API：Anthropic SDK 与实现 Anthropic Messages API 的客户端。

• 推荐的推理档位和参数：output_config.effort 使用 low、medium、high、xhigh 或 max；省略时默认为 max。none 不支持。

可直接使用的内容

环境变量与最小请求

export ANTHROPIC_BASE_URL="https://api.minimax.io/anthropic"
export ANTHROPIC_API_KEY="<MINIMAX_API_KEY>"

import anthropic

client = anthropic.Anthropic()
message = client.messages.create(
    model="MiniMax-M3.1-Flash",
    output_config={"effort": "max"},
    max_tokens=4096,
    system="You are a helpful assistant.",
    messages=[{
        "role": "user",
        "content": [{"type": "text", "text": "Hi, how are you?"}],
    }],
)

for block in message.content:
    if block.type == "thinking":
        print(block.thinking)
    elif block.type == "text":
        print(block.text)

对应的 HTTP 路径是 POST https://api.minimax.io/anthropic/v1/messages。请求至少应固定 model、max_tokens 和 messages；需要控制思考深度时再加入 output_config.effort。

自适应思考与输出预算

max_tokens 同时计算思考 token。值过小时，响应可能以 stop_reason: "max_tokens" 结束且没有文本输出。较高的 effort 会产生更多思考 token，也会增加延迟。

Anthropic Messages 内容块

URL 或 base64 视频不超过 50 MB，请求体不超过 64 MB；更大的视频可先通过 Files API 上传，文件视频上限为 512 MB。图片 token 会随尺寸和内容变化，可用 POST /anthropic/v1/messages/count_tokens 估算；文档给出的单图粗略范围是 low 通常几百（最高约 600）、default 常见约 1k–3k（最高约 5k）、high 常见数千（可能超过 15k）。

流式响应

stream = client.messages.create(
    model="MiniMax-M3.1-Flash",
    output_config={"effort": "max"},
    max_tokens=4096,
    messages=[{
        "role": "user",
        "content": [{"type": "text", "text": "Hi, how are you?"}],
    }],
    stream=True,
)

thinking_text = ""
answer_text = ""
for chunk in stream:
    if chunk.type == "content_block_delta" and chunk.delta:
        if chunk.delta.type == "thinking_delta":
            thinking_text += chunk.delta.thinking or ""
        elif chunk.delta.type == "text_delta":
            answer_text += chunk.delta.text or ""

流式事件还会出现 content_block_start。应分别处理 thinking_delta 和 text_delta，不要把思考内容与最终答案混成一个字符串。

多轮消息的保留规则

如果后续请求要继续工具调用或思考链，应把完整的 assistant 响应追加回历史，保留 message.content 中的所有 thinking、text 和 tool_use 内容块。只保存最终文本会破坏后续轮次所需的上下文。

测试或工作流步骤

1. 安装 Anthropic SDK，设置 ANTHROPIC_BASE_URL=https://api.minimax.io/anthropic 和 API Key。

2. 将模型固定为 MiniMax-M3.1-Flash，并设置足够大的 max_tokens，因为思考 token 计入该上限。

3. 按延迟和任务难度选择 output_config.effort；需要默认最高档时可省略该字段。

4. 图片使用 URL 或 base64，确认格式和 10 MB 大小限制；大视频改用 Files API 的 mm_file://{file_id}。

5. 使用 stream=True 时分别消费 thinking 与 text 事件；多轮调用时原样保存完整 assistant 内容块。

6. 用 count_tokens 或响应中的 usage 检查多模态输入成本，不要仅凭图片文件大小估算 token。

原始证据与数据

• 文档给出的 Anthropic SDK 环境变量是 ANTHROPIC_BASE_URL=https://api.minimax.io/anthropic，最小示例使用 model="MiniMax-M3.1-Flash"、output_config={"effort":"max"}、max_tokens=4096。

• 兼容接口当前支持的模型只有 MiniMax-M3.1-Flash 和 MiniMax-M3；其他型号应使用标准 MiniMax API。

• 文档将 model、max_tokens、stream、system、tool_choice、tools、metadata、thinking 和 output_config.effort 列为支持项；messages 对 M3.1-Flash 支持文本、图片、视频、工具调用、工具结果和 thinking 块。

• temperature 会被忽略且模型固定使用 1；top_p 会被忽略且固定使用 0.95，若传入必须在 (0, 1]；top_k、stop_sequences、mcp_servers、context_management 和 container 也会被忽略。

• 文档的 service_tier 行同时写有“支持 standard/priority”和“MiniMax-M3.1-Flash 不支持该字段”。这是页面内的矛盾信息；对 M3.1-Flash 不应把 service_tier 当作可用配置，需等待官方澄清。

适用边界

• thinking: {"type": "disabled"} 和 reasoning.effort=none 不适用于 MiniMax-M3.1-Flash，会触发 400；不要据此推断 MiniMax-M3 的行为。

• Anthropic 兼容层不是所有 MiniMax 型号的通用入口；文档明确把其他型号排除在外。

• temperature、top_p 等采样参数即使出现在请求中也不改变 M3.1-Flash 的行为；service_tier 的支持状态以文档矛盾为限，不能据此保证优先队列或价格。

• 图片 token 的数值只是单图粗略估计；实际使用量应以 count_tokens 或响应 usage 为准。

• 本页未公开 Anthropic 兼容层的完整限流、价格、最大输出上限和所有错误码，生产配置前需另查对应页面。

复现说明

2026-10-21 通过官方页面 https://platform.minimax.io/docs/api-reference/text-anthropic-api 核对了环境变量、模型支持范围、参数表、思考控制、内容块限制和流式示例。本文保留关键配置与字段，未复制整页；来源未注明发布日期、完整限流参数或完整计费表的部分均标为未注明或限制。