Test de MiniMax M3.1 Flash : benchmarks, vitesse et comparaison avec M3

MiniMax a publié M3.1 Flash le 19 octobre 2026 à $0.15 par million de tokens en entrée et $0.60 par million en sortie, soit la moitié des tarifs de M3, et Artificial Analysis lui donne 29 points sur son Intelligence Index contre 19 pour M3 (vérifié le 30 octobre 2026). Sur cinq appels côte à côte, c'est le modèle le plus prudent : il a écrit un merge_intervals correct là où le propre test de M3 échouait. Il réfléchit aussi systématiquement : il a produit environ 2.4 fois plus de tokens de sortie et a mis plus de temps sur 4 des 5 tâches.

Comme M3, c'est un modèle mixture-of-experts de 428B paramètres avec 23B actifs par token, une fenêtre de contexte de 1M tokens et des poids publics (cartes de modèle Hugging Face, vérifiées le 30 octobre 2026).

En bref

• Moitié prix par token. $0.15 en entrée et $0.60 en sortie par million de tokens, contre $0.30 et $1.20 pour M3, avec l'entrée en cache à $0.015 contre $0.06 (page tarifs de MiniMax, vérifiée le 30 octobre 2026).
• Un indice plus élevé et de meilleurs scores d'agent. Artificial Analysis lui donne 29 contre 19 pour M3, et dans le tableau de la carte de modèle il mène Automation-Bench à 62.8 et égale Opus 5 à 76.2 sur BankerToolBench.
• Chaque appel réfléchit d'abord. Le thinking ne peut pas être désactivé, l'effort vaut max par défaut, et lors de nos essais il a écrit 3,420 tokens de sortie contre 1,408 pour M3.
• Le coût par tâche dépend de la longueur. Sur nos cinq appels courts, il a coûté $0.00220 contre $0.00195 pour M3 ; sur les longues tâches de l'indice d'Artificial Analysis, c'est $0.49 contre $1.29.
• Notre avis : Flash est le meilleur choix par défaut pour le code et les tâches d'agent. M3 reste devant sur les appels courts et sensibles à la latence, où moins de tokens comptent plus que le tarif plus bas.

Qu'est-ce que MiniMax M3.1 Flash ?

C'est M3 avec trois changements que MiniMax présente comme des gains d'efficacité d'inférence. MiniMax M3.1 Flash est arrivé le 19 octobre 2026 (notes de version de MiniMax, vérifiées le 30 octobre 2026), avec 428B paramètres au total et 23B actifs par token, la même forme que MiniMax M3. Les changements : une attention éparse à la place des trois premières couches d'attention complète, un entraînement conscient de la quantification et le décodage spéculatif DSpark (carte de modèle Hugging Face, vérifiée le 30 octobre 2026).

Les dates viennent des notes de version de MiniMax, les tailles de la carte de modèle Hugging Face, les prix de la page tarifs de MiniMax, le tout vérifié le 30 octobre 2026. Les deux modèles acceptent 1M tokens de contexte et recommandent 131,072 tokens de sortie, avec 524,288 au maximum (référence de l'API de chat de MiniMax, vérifiée le 30 octobre 2026).

Avant le lancement, MiniMax l'a fait tourner anonymement sous le nom de Space Bunny, où il a traité plus de 200 000 milliards de tokens (billet de lancement de MiniMax, 19 octobre 2026). Depuis le 19 octobre, les requêtes vers M2.5 et M2.7 dans M Plan et Token Plan vont automatiquement à M3.1 Flash, et ces deux modèles sont retirés le 18 novembre 2026 (FAQ modèles de MiniMax, vérifiée le 30 octobre 2026).

Le même billet de lancement dit que M3.1 Flash rend l'inférence en ligne « nearly three times faster » (presque trois fois plus rapide) et réduit les coûts d'usage de 70 %.

Les poids sont publics dans le dépôt Hugging Face MiniMaxAI/MiniMax-M3.1-Flash, sous la MiniMax Community License (vérifié le 30 octobre 2026).

Quels benchmarks MiniMax a-t-il publiés ?

MiniMax a publié deux séries de chiffres distinctes. La plus complète figure sur la carte de modèle de M3.1 Flash, qui le compare à Opus 5, GPT-5.6 Sol et quatre autres modèles, mais pas à M3 (Hugging Face, vérifié le 30 octobre 2026).

Il mène Automation-Bench v1.0.6 à 62.8, où Opus 5 obtient 50.3 et GPT-5.6 Sol 45.8. Il égale Opus 5 sur BankerToolBench à 76.2. Un modèle du même tableau, DeepSeek V4.1 Flash-1017, le devance sur trois lignes de code : 42.3 sur Terminal Bench 4.0 contre 38.1, 77.0 sur DeepSWE contre 73.7 et 68.2 sur NL2Repo-Bench contre 61.2.

Le billet de lancement de MiniMax dit qu'il « ranks first among Chinese models » (se classe premier parmi les modèles chinois) sur OSWorld V2 et Agents' Last Exam. Dans le tableau de la carte de modèle, Opus 5 obtient 70.6 et GPT-5.6 Sol 65.7 sur OSWorld 2.0 contre 61.7 pour Flash, et Opus 5 (32.2) comme GPT-5.6 Sol (30.6) passent devant son 29.6 sur Agents' Last Exam.

Pour M3, les chiffres viennent de son propre lancement, le 1 juin 2026 :

• SWE-Bench Pro : 59.0 %
• Terminal-Bench 2.1 : 66.0 %
• MCP Atlas : 74.2 %

Ce sont des tests différents de ceux des lignes ci-dessus, donc les deux séries ne se comparent pas ligne par ligne.

Sur Hacker News, DCKing a écrit que le modèle « seems to be pretty benchmaxed » (semble assez optimisé pour les benchmarks) et que « in actual use, it doesn't survive the comparison to models in the benchmark » (en usage réel, il ne soutient pas la comparaison avec les modèles du benchmark) (19 octobre 2026).

Quelle est sa vitesse ?

Par token, il est rapide ; par réponse, il est souvent plus lent. MiniMax annonce plus de 200 tokens de sortie par seconde, avec une médiane supérieure à 170, et l'attribue à une parcimonie plus agressive. Artificial Analysis, qui mesure l'API de MiniMax elle-même, a relevé 118.9 tokens par seconde contre 101.0 pour M3, et un premier token à 1.36 s contre 1.11 s (vérifié le 30 octobre 2026).

Nos essais montrent où passe le temps. Chaque case donne le temps total, puis le temps jusqu'au premier token, en secondes ; le prompt d'explication a tourné deux fois par modèle, et l'appel d'outil n'a pas été streamé.

Nous avons mesuré le 30 octobre 2026. Après le premier token, Flash a streamé à environ 76 à 239 tokens par seconde contre 67 à 107 pour M3, donc le débit brut n'était pas le problème. Le thinking l'était : chaque appel Flash streamé renvoyait reasoning_content, et ces tokens comptent dans le total. M3 n'a renvoyé aucun texte de réflexion sur nos appels.

Sur Hacker News, chriddyp a fait tourner le modèle sur un benchmark maison d'analyse de données et a écrit qu'il « seems to use A LOT of tokens and it's the slowest model that we've tested for the exam; it's slow because of the number of tokens it uses, not the inference speed » (semble consommer énormément de tokens et être le modèle le plus lent que nous ayons testé pour l'examen ; sa lenteur vient du nombre de tokens, pas de la vitesse d'inférence) (20 octobre 2026).

Face à M3, sur les mêmes prompts ?

Flash a réussi une tâche de plus, et il restait plus lent. Les deux modèles ont répondu correctement 401 à la question d'arithmétique, tous deux ont couvert les dix points demandés sur le cache HTTP, et tous deux ont fait les deux appels d'outil pour Paris et Tokyo. La différence s'est jouée sur la tâche de code.

Tokens de sortie, thinking inclus :

Flash a écrit 3,420 tokens de sortie sur les cinq tâches contre 1,408 pour M3. Les réponses visibles étaient proches : 377 et 425 mots pour les deux explications de Flash, 364 et 381 pour celles de M3, et le texte de réflexion de Flash ajoutait 394 et 496 mots.

C'est la tâche de code qui a tranché. Flash a renvoyé un merge_intervals correct avec neuf asserts, dont une vérification que la liste d'entrée reste inchangée, et le fichier s'est exécuté sans erreur. La logique de fusion de M3 était juste elle aussi, mais il trie les intervalles en tuples et ne reconvertit en liste qu'au moment d'une fusion, si bien que merge_intervals([[5, 10]]) renvoie [(5, 10)]. Son propre deuxième assert, assert merge_intervals([[5, 10]]) == [[5, 10]], échoue.

Un effort plus bas réduit l'attente. Avec reasoning_effort: "low", un essai Flash supplémentaire a pris 5.5 s au lieu de 25.2 s, atteint son premier token à 2.4 s au lieu de 16.1 s et écrit 429 tokens au lieu de 838. La fonction était correcte, mais un de ses propres asserts attendait la fusion de deux intervalles qui ne se chevauchent pas, donc le fichier s'est arrêté sur une AssertionError.

Le thinking de Flash ressemble à de l'anglais télégraphique, haché. Sa réflexion sur la tâche de comptage commence mot pour mot : « We need answer. Need parse subtle: divisible by 3 or by 5, but not by 15. » (Il nous faut une réponse. Il faut lire le détail : divisible par 3 ou par 5, mais pas par 15.) Sur Hacker News, simonw a décrit le même style, en l'appelant « Reasoning traces use truncated English » (les traces de raisonnement utilisent un anglais tronqué) (19 octobre 2026).

Nous avons testé le texte uniquement : l'entrée image et vidéo, les prompts à contexte long, les exécutions d'agent plus longues et les autres niveaux d'effort que par défaut et low ne sont pas testés, et nous avons appelé les deux modèles via un seul endpoint compatible OpenAI plutôt que via l'API propre à MiniMax.

Combien coûte une tâche ?

Le prix par token divisé par deux ne l'a pas rendu moins cher sur les prompts courts. Sur nos cinq appels, Flash a coûté $0.00220 contre $0.00195 pour M3, parce qu'il a écrit environ 2.4 fois plus de tokens de sortie. M3 a coûté moins sur quatre des cinq tâches ; Flash a coûté moins sur l'appel d'outil.

Les prix utilisent les tarifs catalogue de MiniMax, avec l'entrée en cache au tarif de cache.

Sur les longues tâches, le tableau s'inverse. Le prix mixte d'Artificial Analysis est de $0.10 par million de tokens contre $0.22 pour M3, sur un mélange 7:2:1 de cache, d'entrée et de sortie, et son coût moyen pour terminer une tâche de l'Intelligence Index est de $0.49 contre $1.29 (vérifié le 30 octobre 2026). Il qualifie aussi Flash de très bavard : 160M tokens de sortie sur l'indice contre une médiane de 100M, M3 étant à 100M.

Une autre différence : Flash est à tarif fixe, $0.15 en entrée, $0.60 en sortie et $0.015 pour l'entrée en cache par million de tokens. M3 coûte $0.30, $1.20 et $0.06 après la remise permanente de 50 % de MiniMax, pour des prompts jusqu'à 512K tokens d'entrée ; au-delà, c'est $0.60, $2.40 et $0.12. M3 propose aussi un palier Priority à 1.5 fois ces tarifs, activé avec service_tier: "priority", et Flash n'a pas de palier Priority (page tarifs de MiniMax, vérifiée le 30 octobre 2026).

M3.1 Flash ou M3 : lequel choisir ?

Flash est le meilleur choix par défaut pour les prompts de code et d'agent.

Sur nos prompts courts, M3 a été plus rapide sur quatre des cinq appels et moins cher sur quatre des cinq, et les explications étaient aussi complètes. Flash se choisit pour l'exactitude sur un travail qu'il faudrait sinon refaire : son fichier de code a passé les neuf asserts, celui de M3 non.

Dans un test compagnon de la même série, M3.1 Flash a tourné comme modèle personnalisé dans Factory Droid et a corrigé un bug de médiane en 30.7 secondes.

Si vous choisissez un modèle pour Claude Code, meilleur modèle pour Claude Code compare les options Claude. GLM-5.3, également dans le tableau de MiniMax, a sa propre comparaison GLM-5.3 vs GLM-5.2, et le successeur de Kimi K3 figure dans notre test de Kimi K3.1 Pro.

Comment appeler M3.1 Flash ?

OmniaKey sert les deux identifiants depuis un seul endpoint compatible OpenAI : une clé et une même forme de requête suffisent pour l'un ou l'autre modèle. Les tarifs actuels sont sur la page du modèle M3.1 Flash et sur la page du modèle M3.

curl https://api.omniakey.com/v1/chat/completions \
  -H "Authorization: Bearer $OMNIAKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "minimax-m3.1-flash",
    "max_tokens": 8000,
    "reasoning_effort": "low",
    "messages": [{"role": "user", "content": "Explain HTTP caching in two paragraphs."}]
  }'

La réponse arrive dans choices[0].message.content et le thinking dans reasoning_content. Changez model en minimax-m3 pour appeler M3.

1. reasoning_effort accepte low, medium, high, xhigh et max, et vaut max par défaut si vous l'omettez, le réglage qui réfléchit le plus (guide de génération de texte de MiniMax, vérifié le 30 octobre 2026).
2. Le thinking ne peut pas être désactivé sur Flash : envoyer un thinking désactivé renvoie une 400 avec model "MiniMax-M3.1-Flash" requires adaptive thinking. M3 peut tourner avec le thinking activé, adaptatif ou désactivé.
3. temperature et top_p sont ignorés ; les deux modèles utilisent toujours 1 et 0.95.

FAQ

MiniMax M3.1 Flash est-il open source ?

Les poids sont publics dans le dépôt Hugging Face MiniMaxAI/MiniMax-M3.1-Flash, et la carte de modèle déclare la MiniMax Community License (vérifié le 30 octobre 2026). Ce sont des poids ouverts, avec des conditions.

Peut-on désactiver le thinking sur M3.1 Flash ?

Non. Le guide de MiniMax indique que le thinking est actif par défaut et ne peut pas être désactivé, et une requête qui le désactive renvoie une erreur 400. Réglez reasoning_effort sur low pour raccourcir la réflexion à la place.

M3.1 Flash accepte-t-il les images ?

Le guide et la carte de modèle de MiniMax annoncent texte, image et vidéo en entrée, et du texte en sortie (vérifié le 30 octobre 2026) ; Artificial Analysis ne liste que le texte et l'image pour Flash. Sur OmniaKey, la page du modèle n'indique aucune entrée image pour minimax-m3.1-flash, donc envoyez du texte uniquement. Nos essais étaient en texte seul.

Qu'était Space Bunny ?

Space Bunny était un modèle anonyme qui a tourné avant le lancement ; selon MiniMax, il a traité plus de 200 000 milliards de tokens et c'était une version précoce de M3.1 Flash (billet de lancement, 19 octobre 2026).

Quelle est la taille de M3.1 Flash ?

428B paramètres au total et 23B actifs par token, avec une fenêtre de contexte de 1M tokens, la même forme que M3. Ce n'est pas un modèle plus petit : MiniMax attribue son efficacité d'inférence à l'attention éparse, à l'entraînement conscient de la quantification et au décodage spéculatif.

M3.1 Flash est-il bon pour le code ?

Sur notre unique tâche de code, il a battu M3 : son merge_intervals a passé ses neuf asserts, et le fichier de M3 a échoué sur son propre test. Sur la carte de modèle de MiniMax, il obtient 73.7 sur DeepSWE v1.1, en dessous de DeepSeek V4.1 Flash-1017 à 77.0 dans le même tableau.

Sources vérifiées

• MiniMax: MiniMax M3.1 Flash — vérifié le 30 octobre 2026
• MiniMax: MiniMax M3 — vérifié le 30 octobre 2026
• MiniMax platform: pricing overview — vérifié le 30 octobre 2026
• MiniMax platform: text generation guide — vérifié le 30 octobre 2026
• MiniMax platform: model release notes — vérifié le 30 octobre 2026
• MiniMax platform: models FAQ — vérifié le 30 octobre 2026
• MiniMax platform: chat API reference — vérifié le 30 octobre 2026
• Hugging Face: MiniMax-M3.1-Flash — vérifié le 30 octobre 2026
• Hugging Face: MiniMax-M3 — vérifié le 30 octobre 2026
• Artificial Analysis: MiniMax-M3.1-Flash — vérifié le 30 octobre 2026
• Artificial Analysis: MiniMax-M3 — vérifié le 30 octobre 2026
• Hacker News : fil de lancement de MiniMax M3.1 Flash — vérifié le 30 octobre 2026
• Hacker News : DCKing sur les benchmarks, chriddyp sur la vitesse et simonw sur les traces de raisonnement — vérifié le 30 octobre 2026