上个月我还在 MiniMax 控制台里对着 Token Plan 的额度面板精打细算——文本那边动辄几百万 token 的分析任务，视频这边却连一次测试生成都得抖着手确认余额。当时想把 Claude Code 也接到 MiniMax 上，又觉得 API Key、登录认证、环境变量这些东西来回折腾，一直拖着没弄。结果这两天 MiniMax 直接甩了个大版本更新：Token Plan 正式成为历史，M Plan 登场，全模态额度大一统，H3 的视频能力也解禁了。我第一时间把 Claude Code 和 Cursor 都接通实测了一轮，全程没走 Claude 订阅登录那套验证流程。这篇就把我这几天跑通的完整配置、额度变化理解、以及踩过的几个真实坑一次说清楚。
1. 从 Token Plan 到 M Plan：这次改版到底改了什么
1.1 Token Plan 时代的三块心病
用过 Token Plan 的朋友应该都懂那种"花式扣费"的折磨。当时的计费逻辑是按 token 走，但文本、图像、语音、视频各自的换算规则完全不一样，你很难在动手前估算一次任务到底要烧掉多少额度。
先说文本，这个是 Token Plan 最基本的消耗单元，几轮长对话下来上百万 token 很常见。图像和语音的计费当时是"另起炉灶"的，一张图、一段语音转写各自走各自的折算系数，我在心里做速算都来不及。最离谱的是视频生成，它压根不是按 token 算的，而是按"资源点数"这类抽象单位来计。每次想生成一段 5 秒的视频，你得先去查点数够不够，点数的余额和文本 token 的余额又是两套账本。
这带来一个很现实的问题：你充了额度，但不能"花在刀刃上"。某个月如果视频项目集中，文本额度大概率剩下一大截，下个月又反过来。我见过不少同行为了不浪费额度，硬是把本来该用视频表达的方案改成图文分析，产出效果打了折扣。M Plan 这次把"分品类购物卡"换成"一张通用储值卡"，解决的就是这个账本分裂的问题。
1.2 全模态额度大一统怎么理解
M Plan 的核心变化是：文本、图像、语音、视频这些模态的额度全部进同一个池子，统一用一个核算单位来计算消耗，不再有"文本多少 token、视频多少点"这种两套货币体系。
用大白话解释：以前你在超市买东西，买米要用米卡、买菜要用菜卡、买肉要单独充值肉卡，卡里的余额互不相通。现在变成一张通用储值卡，不管你买什么品类，都从同一个余额里扣。M Plan 就是这个逻辑，整个额度池子共享，你不需要再纠结"这段对话会不会挤占我下个月视频生成的预算"，反正总量就摆在那里，怎么分配完全由你的使用场景决定。
这对实际工作流的影响非常大。我自己的典型场景是：上午用 Claude Code 跑代码审查（烧文本额度），下午可能就要生成一段产品演示视频（之前走的是视频点数）。以前这两件事要分开盯着两套余额，现在打开控制台只需要看一个数字，心里踏实很多。具体的成本数字和档位，因为不同时期平台可能会调整，建议直接以 MiniMax 开放平台控制台里 M Plan 页面展示的实时数据为准，我这里就不写死了。
1.3 H3 视频解禁的意义
MiniMax 的 H3 模型本身就是多模态的，能处理文本和图像输入，但视频生成这块之前在账号体系和调用层面有诸多限制。这次 M Plan 上线后，H3 的视频生成能力在 API 侧彻底放开，你可以直接在对话流里让它"把这段文案变成一条 5 秒的短视频"，不再需要单独切到视频生成工具。
这个"一个模型搞定所有模态"的体验，才是 M Plan 真正值钱的地方。以前多模态工作流要串联好几个工具：文本用 A 模型、图像用 B 服务、视频用 C 平台，中间还得写胶水代码搬运产物。现在你用 Claude Code 这类编程工具接上 H3，在同一个对话窗口里，先让它分析一段文案，接着让它基于分析结果生成一支视频的分镜脚本，再直接调用视频生成能力出片。这个链条放在一个月前是做不到的，H3 解禁后，我希望尽早实测一轮。
2. 为什么要把 Claude Code 和 Cursor 都接到 MiniMax 上
2.1 两个工具在我日常里的角色差异
Claude Code 是跑在终端里的 AI 编程代理，它的强项是"能动手"——直接读写项目文件、执行终端命令、跑测试、改代码，全程在命令行里交互。适合批量重构、跨文件改逻辑、以及不想离开键盘的重度开发场景。Cursor 是 AI 原生的图形化编辑器，它的强项是"看得见"——代码高亮、行内 diff、可视化选择上下文、随手圈选代码提问。两者并不冲突，我通常是 Cursor 写新功能，Claude Code 处理全局性的重构和批量任务。
很多朋友经常问"到底选哪个"，我的答案是两个都要。Claude Code 的长处在自动化批处理，你给它一个任务清单它能连续干一上午；Cursor 的长处在实时交互，你边写边改边看效果。这俩一组合，覆盖的开发场景就非常全了。而这两个工具原来默认对接的都是 Anthropic 自家的模型体系，想换到 MiniMax 就得走 API 配置这条路。
2.2 用 MiniMax 当模型供应商的三个理由
第一个理由是中文理解和生成的稳定性。在国产模型里，MiniMax 的中文质量一直是第一梯队的，特别是在长文档、代码注释、技术方案这类需要"说人话"的场景，它吐出来的中文明显更自然，不像有些模型带着一股翻译腔。第二个理由就是 M Plan 这套全模态统一额度，一个订阅覆盖文本、图像、视频，对经常做多模态内容的开发者来说，省掉了很多分别计费、分别管理的麻烦。第三个理由也很关键：MiniMax 的 API 兼容 Anthropic 的接口格式，这意味着 Claude Code 这种原生为 Anthropic 设计的工具，不需要额外开发，只要改环境变量就能无缝接到 MiniMax 上，体验损耗最小。
2.3 免密打通到底免的是什么"密"
这里说的"免密"不是指不填 API Key，而是免掉 Claude 账号的那套登录认证流程。Claude Code 默认启动时会弹出一个登录页，让你用 Claude 账号授权，这对于没有订阅 Claude 服务或者不想绑卡的朋友来说是个门槛。
绕开它的关键在于环境变量。Claude Code 本身支持通过ANTHROPIC_API_KEY和ANTHROPIC_BASE_URL两个变量切换 API 端点。只要这两个变量配置到位，Claude Code 启动后就会直接进入 API 模式，压根不会走账号登录那套流程。你可以理解成：Claude Code 原本只认自家服务器，你现在告诉它"给你换一个新地址，钥匙也放这儿了"，它就不再去敲老东家的门了。这个机制不是后门也不是破解，官方本身就支持第三方兼容端点，只是很多人不知道这个开关。
3. Claude Code 免密接入 MiniMax 的完整配置
3.1 先装好 Claude Code 本体
在开始配置之前，你的机器上得先有 Node.js 环境，版本建议 18 以上，太老的话装依赖容易出问题。装完 Node.js 之后，打开终端执行一行命令：
npm install -g @anthropic-ai/claude-code装完验证一下：
claude --version如果能看到版本号，说明本体装好了。Windows 10 上这套流程同样适用，我就是在 Win10 上跑的，唯一要注意的是后面的环境变量设置方式不同，Windows 要用setx而不是export。
3.2 拿到 MiniMax 的 Key 和兼容端点
登录 MiniMax 开放平台控制台，在"API 密钥"或"接口密钥"相关页面创建一个 API Key，创建后记得马上复制保存，很多平台只在创建那一刻完整显示一次，回头再找就只剩脱敏的了。
然后去文档或控制台里找 Anthropic 兼容调用的 Base URL。MiniMax 提供的这套 Anthropic 兼容端点，就是给 Claude Code 这类工具准备的，你不用记它的具体域名格式，直接在控制台找官方给的地址复制就行。
拿到这两样东西后，开始配置环境变量。macOS/Linux 在~/.bashrc或~/.zshrc里加两行：
export ANTHROPIC_API_KEY="你的MiniMax_API_Key" export ANTHROPIC_BASE_URL="https://你的MiniMax_Anthropic兼容端点"Windows 10 在 PowerShell 里用：
setx ANTHROPIC_API_KEY "你的MiniMax_API_Key" setx ANTHROPIC_BASE_URL "https://你的MiniMax_Anthropic兼容端点"setx设置的是用户级环境变量，设置完要重新打开一个终端窗口才能生效，这一点很容易被忽略，别在旧窗口里干等。
3.3 首次启动与验证
配置好环境变量之后，新开一个终端，进入你的项目目录，直接输入：
claude正常情况下不会再弹登录页面，而是直接进入对话交互。第一件事先让它做个简单的验证任务，比如：
请读取当前目录下的 package.json，告诉我里面有多少个依赖项。
如果它能正常读取并回答，说明 API 链路已经通了。你还可以在对话中输入/model查看当前使用的模型，如果 MiniMax 那边默认加载的不是 H3，可以手动切换到 H3 模型。我用同样的方式在 Ubuntu 上也完整跑了一遍，流程完全一致，唯一的区别是环境变量写进的是.bashrc。
3.4 常见报错排查：organization has disabled 是怎么回事
我这次配置过程中遇到过一个经典报错，提示大致是：
Your organization has disabled Claude subscription access for Claude Code
这句话翻译过来是"你的组织已禁止通过 Claude 订阅使用 Claude Code"。出现这个报错反而说明一件事：Claude Code 还在尝试走 Claude 订阅通道，而不是走环境变量指定的 API 通道，也就是你配的ANTHROPIC_BASE_URL和ANTHROPIC_API_KEY实际上没生效。
排查路径按优先级来：
- 先确认两个环境变量在当前终端里真的存在，用
echo $ANTHROPIC_API_KEY（Linux/macOS）或echo %ANTHROPIC_API_KEY%（Windows）验证。如果是空的，说明变量没设置成功或终端没重开。 - 检查
~/.claude/settings.json这类配置文件里是不是残留了旧设置。这个文件优先级很高，里面的内容会覆盖环境变量。如果之前用过官方登录流程，里面可能会有订阅相关的标记，删掉或备份后移除即可。 - 如果你是通过 Cursor 的终端或者 VSCode 的集成终端启动的 claude，记得确认这些编辑器是在你配置完环境变量之后启动的，否则它们继承的是旧环境。
自查一遍之后，这个报错基本就能解决。遇到 401 一般是 API Key 填错了，403 多半是余额或权限问题，404 则往往是 Base URL 地址拼错，挨个对一遍就好。
4. Cursor 里的 MiniMax 配置与中文界面设置
4.1 先把 Cursor 界面换成中文
很多中文用户刚打开 Cursor 会对着满屏英文发怵，其实切换界面语言非常快。新版 Cursor 在 Settings 里找到 General，再进 Appearance，找到 Language 选项，选"简体中文"就行。如果你的版本没有这个选项，也可以按Ctrl+Shift+P打开命令面板，输入language，会弹出显示语言配置，一样能跳转过去。
界面中文解决的是"看不看得懂"的问题，而"中文回复"是另一码事——你希望 AI 对话都用中文回答。这个可以通过 Cursor 的 Custom Instructions（自定义指令）来做，在 Settings 中间的输入框里加一句"每次都使用简体中文回复"。注意回答语言和界面语言是两个独立设置，很多朋友改了一个没改另一个，然后跑来问为什么还有一半是英文，就是没分清这两件事。
4.2 添加 MiniMax 自定义模型
Cursor 本体默认带的模型比较有限，但它是支持通过 OpenAI 兼容协议接入第三方模型的。打开 Settings，找到 Models 区域，点击添加自定义模型（Add Model），把 MiniMax 的模型 ID 填进去，比如 H3 的模型标识。
然后关键的一步：找到 OpenAI API Key 或自定义 Base URL 的配置入口，把 MiniMax 的 API Key 和兼容端点地址填进去。不同版本里这个入口位置略有差异，有的挂在 Models 设置页里，有的需要你在启动 Cursor 前设置好环境变量OPENAI_API_KEY和OPENAI_BASE_URL。总的原则是：只要让 Cursor 请求模型时，把网络请求发到 MiniMax 的地址、带上你的 Key，链路就通了。
配置好之后，回到对话面板，在模型选择器里找到你刚添加的那个模型，选中即可开始对话。实测下来，在 Cursor 里接 MiniMax 跑代码补全和长文分析都挺流畅，响应速度主要取决于你本地网络环境。
4.3 实际使用中的参数选择
在 Cursor 里用 MiniMax，我一般遵循几个经验，可能对你有参考价值：
- 日常小改动用 H3 很开心，中文注释和代码解释非常自然。
- 大文件、长文档分析时，记得把对话控制在合理上下文范围内，超长上下文会拖慢首字响应。
- 遇到需要"像 Source Insight 一样跳转代码块"的场景，其实是编辑器的语义跳转功能，和模型关系不大，我建议先把编辑器快捷键学熟，再让模型辅助理解符号和调用关系，别把两者混为一谈。
5. 用 CC Switch 统一管理多模型 API
5.1 这个工具解决什么问题
手上有多个模型的 API Key 之后，你会遇到一个新的麻烦：Claude Code 的环境变量是全局的，想从 MiniMax 切到 DeepSeek，就得改环境变量再重启终端，来回复制粘贴，很容易搞混。
CC Switch 就是干这个用的。它本质上是一个配置管理器，让你在图形界面里维护多套"模型供应商配置"，每套配置包含 API Key、Base URL、模型名称，用的时候一键切换，省去手动改环境变量的步骤。我在本地把 MiniMax、DeepSeek、Qwen、GLM 都存进去了，想用哪家就切哪家，像切换输入法一样简单。
5.2 接 DeepSeek、Qwen、GLM 的配置示例
CC Switch 的配置逻辑很直白：填一个名字、填 API Key、填 Base URL、填默认模型 ID。我常用的几个配置大致样子如下，具体地址以各家最新文档为准：
| 配置名 | API Key 来源 | 默认模型 | 说明 |
|---|---|---|---|
| MiniMax | MiniMax 控制台 | H3 | 全模态、中文质量高 |
| DeepSeek | DeepSeek 开放平台 | deepseek-chat | 推理性价比高 |
| Qwen | 阿里云百炼控制台 | qwen-plus | 生态完善 |
| GLM | 智谱开放平台 | glm-4 | 工具调用能力强 |
每次切换完，记得在新终端里重新启动 Claude Code，确保新配置被加载进去。
5.3 两条使用建议
第一，每个供应商的余额消耗速度不一样，我在 CC Switch 里会顺手在备注栏记下各家额度的核销规则，方便月底对账。第二，如果你需要"一个任务同时对比多家模型的答案"，可以开几个终端窗口分别切不同配置，体验一下"模型审稿"的感觉，这对选型很有帮助。
6. 从文字到视频：H3 解禁后的视频生成实战
6.1 视频提示词怎么写：分镜思路拆解
H3 解禁视频生成后，很多人的第一反应是先试"文生视频"，结果发现提示词写得不到位，生成的画面东拼西凑。我实测下来，视频提示词和文本提示词的最大区别在于：视频是有时间维度的，必须把"画面演变的节奏"写清楚。
一个比较安全的提示词结构是四段式：
- 镜头基础信息：景别（远景/中景/近景/特写）、运镜方式（推/拉/摇/移）。
- 主体描述：主要物体或人物是什么、长什么样、处于什么状态。
- 动作与变化：在画面时间里发生了什么动作，状态怎么演变。
- 环境与风格：光线、天气、色调、整体美学风格。
以一段 5 秒视频为例，提示词字数大致在 100 到 300 字之间比较合适，太短了信息量不足，太长了模型容易抓不住重点。
6.2 分镜脚本和时长控制
如果你要生成的不是单镜头的 5 秒短片，而是接近一分钟的叙事性视频，那就必须动笔写分镜脚本了。我的习惯是按照"5 秒一格"来拆，一分钟就是 12 个镜头，每个镜头单独写好上面那四段式提示词，再注明镜头之间的衔接方式，比如硬切、淡入淡出、运动匹配。
还有个很实际的建议：生成之前想清楚视频用途。5 秒的三联屏短视频是流量场景，文案要耐看；一分钟的产品演示偏功能场景，逻辑链条要完整；更长的场景建议优先保稳，分镜越多，出片中间某一镜崩掉的风险越高。
6.3 显存占用与本地部署方向
热词里有人反复问 H3 本地部署和显存占用的事。H3 这种规模的多模态模型，本地跑需要比较高的显存门槛，显存吃紧的话，优先考虑量化版本或者显存优化模式。我在折腾本地部署时有个体会：先不管速度，先用官方推荐的显存占用参数把内存规划好，模型能"跑起来"，再谈调优。海光这类国产加速卡跑 H3 的速度，关键看你用的是哪一个优化库，不同内核版本之间的性能差异能到一倍以上，值得多试几个版本。
总的来说，如果手头没有明确的离线部署需求，直接用 M Plan 的 API 额度生成视频反而是更省心的选择。本地部署适合研究学习，真要量产视频，API 的稳定性和效率更高。
7. 最后分享几个小技巧和零散记录
这几天实测下来，有几个细节我觉得很值得记下来：
给 Claude Code 写一个项目级备忘录。我发现 Claude Code 在接入 MiniMax 后，对项目上下文的理解更依赖初始说明。在项目根目录建一个CLAUDE.md文件，把项目的技术栈、目录结构、代码风格约定写清楚，再启动 claude，H3 的理解准确度会明显提升，这个技巧比反复在对话里叮嘱它管用得多。
Cursor 里用 MiniMax 生成视频分镜脚本。我现在的工作流是先在 Cursor 里让 H3 把产品文案扩展成分镜，再切到 Claude Code 调用视频生成接口出片，整个过程都在一个 M Plan 额度池里核算，不用再两头记账。这一步放在一个月前还是"先转去别的工具"的事，现在一个账号串下来了。
环境变量备份很重要。我整理了一份.env文件把所有供应商的 Key、端点、模型 ID 都记在一个安全目录里，CC Switch 万一被重置，五分钟就能恢复全套配置。别嫌多此一举，真到换电脑的时候你会感谢这个习惯。
我也注意到不少人关心 Ollama 里跑 H3 的事。如果你用的是 Ollama 这类本地推理框架，核心路径是先把模型文件用合适的量化方式导出来，再写一个针对显存占用的运行配置。这个方向我可以明确告诉大家，能跑通，但和 API 的体验差距不小，用途偏研究和前端验证。想真正用上 H3 的全模态能力，M Plan 提供一个相当省事的入口，尤其现在全模态额度统一到同一个池子，视频生成不再单独算点数，我觉得这正是把它接入日常 AI 编程工作流的最佳时机。
