Recensione MiniMax M3.1 Flash: benchmark, velocità e confronto con M3

MiniMax ha rilasciato M3.1 Flash il 19 ottobre 2026 a $0.15 per milione di token in input e $0.60 per milione in output, metà della tariffa di M3, e Artificial Analysis gli assegna 29 sull'Intelligence Index contro i 19 di M3 (verificato il 30 ottobre 2026). In cinque chiamate affiancate è stato il modello più attento: ha scritto una merge_intervals corretta dove il test di M3 falliva. Pensa anche sempre: ha scritto circa 2.4 volte i token di output e ha impiegato più tempo su 4 dei 5 task.

Come M3, è un modello mixture-of-experts da 428B parametri con 23B attivi per token, finestra di contesto da 1M token e pesi pubblici (model card su Hugging Face, verificate il 30 ottobre 2026).

Risposta breve

• Metà del prezzo per token. $0.15 in input e $0.60 in output per milione di token, contro $0.30 e $1.20 di M3, con l'input in cache a $0.015 contro $0.06 (pagina prezzi MiniMax, verificata il 30 ottobre 2026).
• Indice più alto e punteggi agent più solidi. Artificial Analysis gli dà 29 contro i 19 di M3, e nella tabella della model card MiniMax guida Automation-Bench con 62.8 e pareggia Opus 5 a 76.2 su BankerToolBench.
• Ogni chiamata pensa prima. Il pensiero non si può disattivare, l'effort predefinito è max e nelle nostre esecuzioni ha scritto 3,420 token di output contro 1,408 di M3.
• Il costo per task dipende dalla lunghezza. Sulle nostre cinque chiamate brevi è costato $0.00220 contro $0.00195 di M3; sui task lunghi dell'indice di Artificial Analysis costa $0.49 contro $1.29.
• Il nostro giudizio: Flash è il default migliore per coding e lavoro con agenti. M3 vince ancora sulle chiamate brevi e sensibili alla latenza, dove contano più i token che il prezzo.

Che cos'è MiniMax M3.1 Flash?

È M3 con tre modifiche che secondo MiniMax migliorano l'efficienza di inferenza. MiniMax M3.1 Flash è arrivato il 19 ottobre 2026 (note di rilascio MiniMax, verificate il 30 ottobre 2026), con 428B parametri totali e 23B attivi per token, la stessa struttura di MiniMax M3. Le modifiche: attenzione sparsa al posto dei primi tre layer di attenzione completa, training consapevole della quantizzazione e decoding speculativo DSpark (model card Hugging Face, verificata il 30 ottobre 2026).

Le date vengono dalle note di rilascio MiniMax, le dimensioni dalla model card Hugging Face, i prezzi dalla pagina prezzi MiniMax, tutto verificato il 30 ottobre 2026. Entrambi i modelli accettano 1M token di contesto e consigliano 131,072 token di output, con 524,288 come massimo (riferimento API chat MiniMax, verificato il 30 ottobre 2026).

Prima del lancio MiniMax lo ha eseguito in forma anonima come Space Bunny, dove ha elaborato più di 200 trilioni di token (post di lancio MiniMax, 19 ottobre 2026). Dal 19 ottobre le richieste a M2.5 e M2.7 con M Plan e Token Plan passano automaticamente a M3.1 Flash, e quei due modelli non saranno più disponibili dal 18 novembre 2026 (FAQ modelli MiniMax, verificata il 30 ottobre 2026).

Lo stesso post di lancio dice che M3.1 Flash rende l'inferenza online "nearly three times faster" (quasi tre volte più veloce) e riduce i costi d'uso del 70%.

I pesi sono pubblici nel repo Hugging Face MiniMaxAI/MiniMax-M3.1-Flash con licenza MiniMax Community License (verificata il 30 ottobre 2026).

Quali benchmark ha pubblicato MiniMax?

MiniMax ha pubblicato due serie di numeri separate. La più ricca è sulla model card di M3.1 Flash, che lo confronta con Opus 5, GPT-5.6 Sol e altri quattro modelli, ma non con M3 (Hugging Face, verificata il 30 ottobre 2026).

Guida Automation-Bench v1.0.6 con 62.8, dove Opus 5 segna 50.3 e GPT-5.6 Sol 45.8. Pareggia Opus 5 su BankerToolBench a 76.2. Un modello della stessa tabella, DeepSeek V4.1 Flash-1017, lo supera su tre righe di coding: 42.3 su Terminal Bench 4.0 contro 38.1, 77.0 su DeepSWE contro 73.7 e 68.2 su NL2Repo-Bench contro 61.2.

Il post di lancio MiniMax lo definisce "ranks first among Chinese models" (primo tra i modelli cinesi) su OSWorld V2 e Agents' Last Exam. Nella tabella della model card Opus 5 segna 70.6 e GPT-5.6 Sol 65.7 su OSWorld 2.0 contro il 61.7 di Flash, e Opus 5 (32.2) e GPT-5.6 Sol (30.6) stanno entrambi sopra il 29.6 di Flash su Agents' Last Exam.

Per M3 i numeri vengono dal suo lancio, il 1 giugno 2026:

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

Sono test diversi dalle righe qui sopra, quindi le due serie non si possono confrontare riga per riga.

Su Hacker News, DCKing ha scritto che il modello "seems to be pretty benchmaxed" (sembra piuttosto tarato sul benchmark) e che "in actual use, it doesn't survive the comparison to models in the benchmark" (nell'uso reale non regge il confronto con i modelli del benchmark) (19 ottobre 2026).

Quanto è veloce?

Per token è rapido, per risposta spesso è più lento. MiniMax dichiara un output che arriva a 200+ token al secondo, con mediana 170+, e lo attribuisce a una sparsità più aggressiva. Artificial Analysis, misurando l'API di MiniMax, ha registrato 118.9 token al secondo contro 101.0 di M3 e un primo token a 1.36 s contro 1.11 s (verificato il 30 ottobre 2026).

Le nostre esecuzioni mostrano dove va il tempo. Ogni cella è il tempo totale, poi il tempo al primo token, in secondi; il prompt di spiegazione è stato eseguito due volte per modello e la chiamata agli strumenti non è stata in streaming.

Le abbiamo misurate il 30 ottobre 2026. Dopo il primo token Flash ha prodotto in streaming da circa 76 a 239 token al secondo contro 67-107 di M3, quindi la velocità grezza dei token non era il problema. Il problema era il pensiero: ogni chiamata Flash in streaming restituiva reasoning_content, e quei token contano nel totale. M3 non ha restituito testo di pensiero in nessuna chiamata.

Su Hacker News, chriddyp, che ha eseguito il modello sul proprio benchmark di analisi dati, ha scritto che "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" (usa moltissimi token ed è il modello più lento che abbiamo provato per quell'esame; è lento per il numero di token che usa, non per la velocità di inferenza) (20 ottobre 2026).

Come si comporta rispetto a M3 sugli stessi prompt?

Flash ha azzeccato un task in più, ed è stato comunque più lento. Entrambi i modelli hanno risposto correttamente alla domanda di aritmetica con 401, entrambi hanno coperto tutti e dieci i punti sulla cache HTTP richiesti ed entrambi hanno fatto le due chiamate agli strumenti per Parigi e Tokyo. La differenza è stata il task di coding.

Token di output, pensiero incluso:

Flash ha scritto 3,420 token di output sui cinque task contro 1,408 di M3. Le risposte visibili erano vicine: 377 e 425 parole per le due spiegazioni di Flash, 364 e 381 per quelle di M3, mentre il testo di pensiero di Flash prima di esse era di altre 394 e 496 parole.

Il task di coding ha deciso la partita. Flash ha restituito una merge_intervals corretta con nove assert, compreso un controllo che la lista di input resti invariata, e il file è stato eseguito senza errori. Anche la logica di fusione di M3 era corretta, ma ordina gli intervalli in tuple e li riconverte in lista solo quando ne fonde uno, quindi merge_intervals([[5, 10]]) restituisce [(5, 10)]. Il suo secondo assert, assert merge_intervals([[5, 10]]) == [[5, 10]], fallisce.

Abbassare l'effort riduce l'attesa. Con reasoning_effort: "low" una chiamata Flash in più ha impiegato 5.5 s invece di 25.2 s, ha raggiunto il primo token a 2.4 s invece di 16.1 s e ha scritto 429 token invece di 838. La funzione era corretta, ma uno dei suoi assert si aspettava la fusione di due intervalli che non si sovrappongono, quindi quel file si è fermato con un AssertionError.

Il pensiero di Flash si legge come un inglese troncato e telegrafico. Il pensiero sul task di conteggio iniziava, alla lettera: "We need answer. Need parse subtle: divisible by 3 or by 5, but not by 15." (Serve una risposta. Bisogna cogliere la sfumatura: divisibile per 3 o per 5, ma non per 15.) Su Hacker News, simonw ha riportato lo stesso stile, definendolo "Reasoning traces use truncated English" (le tracce di ragionamento usano un inglese troncato) (19 ottobre 2026).

Abbiamo testato solo il testo: input di immagini e video, prompt a contesto lungo, esecuzioni agent più lunghe e livelli di effort diversi da quello predefinito e da low non sono stati testati, e abbiamo chiamato entrambi i modelli tramite un unico endpoint compatibile OpenAI invece dell'API di MiniMax.

Quanto costa per task?

Metà del prezzo per token non lo ha reso più economico sui prompt brevi. Sulle nostre cinque chiamate Flash è costato $0.00220 contro $0.00195 di M3, perché ha scritto circa 2.4 volte i token di output. M3 è costato meno su quattro dei cinque task; Flash è costato meno sulla chiamata agli strumenti.

I prezzi usano le tariffe di listino MiniMax, con l'input in cache alla tariffa della cache.

Sui task lunghi il quadro si ribalta. Il prezzo misto di Artificial Analysis è $0.10 per milione di token contro $0.22 di M3, su un mix 7:2:1 di cache hit, input e output, e il costo medio per completare un task dell'Intelligence Index è $0.49 contro $1.29 (verificato il 30 ottobre 2026). Lo stesso ente definisce Flash molto prolisso: 160M token di output sull'indice contro una mediana di 100M, con M3 a 100M.

Un'altra differenza: Flash è fisso a $0.15 in input, $0.60 in output e $0.015 per l'input in cache per milione di token. M3 costa $0.30, $1.20 e $0.06 dopo lo sconto permanente del 50% di MiniMax, per prompt fino a 512K token di input; sopra quella soglia è $0.60, $2.40 e $0.12. M3 vende anche un tier Priority a 1.5 volte quelle tariffe, attivato con service_tier: "priority", e Flash non ha un tier Priority (pagina prezzi MiniMax, verificata il 30 ottobre 2026).

Conviene usare M3.1 Flash o M3?

Flash è il default migliore per i prompt di coding e per gli agenti.

Sui nostri prompt brevi M3 è stato più veloce su quattro chiamate su cinque e più economico su quattro su cinque, e le spiegazioni erano altrettanto complete. Il motivo per scegliere Flash è la precisione su un lavoro che altrimenti dovresti rifare: il suo file di codice ha superato tutti e nove gli assert, quello di M3 no.

In un test affiancato nello stesso batch, M3.1 Flash ha girato come modello personalizzato in Factory Droid e ha corretto un bug mediano in 30.7 secondi.

Se scegli i modelli per Claude Code, il miglior modello per Claude Code confronta le opzioni Claude. GLM-5.3, presente anche nella tabella MiniMax, ha il suo confronto GLM-5.3 vs GLM-5.2, e il successore di Kimi K3 è nella nostra recensione di Kimi K3.1 Pro.

Come richiamare M3.1 Flash

OmniaKey serve entrambi gli id da un unico endpoint compatibile OpenAI, quindi una chiave e una sola forma di richiesta coprono entrambi i modelli. Le tariffe attuali sono sulla pagina del modello M3.1 Flash e sulla pagina del modello 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 risposta arriva in choices[0].message.content e il pensiero in reasoning_content. Cambia model in minimax-m3 per chiamare M3.

1. reasoning_effort accetta low, medium, high, xhigh e max, e vale max quando lo ometti, cioè l'impostazione che pensa di più (guida alla generazione di testo MiniMax, verificata il 30 ottobre 2026).
2. Su Flash il pensiero non si può disattivare: una richiesta che lo disattiva restituisce un 400 con model "MiniMax-M3.1-Flash" requires adaptive thinking. M3 può girare con pensiero attivo, adattivo o spento.
3. temperature e top_p vengono ignorati; entrambi i modelli usano sempre 1 e 0.95.

FAQ

MiniMax M3.1 Flash è open source?

I pesi sono pubblici nel repo Hugging Face MiniMaxAI/MiniMax-M3.1-Flash e la model card dichiara la MiniMax Community License (verificata il 30 ottobre 2026). Sono pesi aperti con delle condizioni.

Si può disattivare il pensiero su M3.1 Flash?

No. La guida MiniMax dice che il pensiero è attivo per impostazione predefinita e non si può spegnere, e una richiesta che lo disattiva restituisce un errore 400. Imposta reasoning_effort su low per accorciare il pensiero.

M3.1 Flash accetta immagini?

La guida e la model card MiniMax indicano input di testo, immagini e video, con output di testo (verificate il 30 ottobre 2026); Artificial Analysis elenca solo testo e immagini per Flash. Su OmniaKey la pagina del modello non elenca input di immagini per minimax-m3.1-flash, quindi invia solo testo. Le nostre esecuzioni erano solo testo.

Che cos'era Space Bunny?

Space Bunny era un modello anonimo che ha girato prima del lancio, e MiniMax dice che ha elaborato più di 200 trilioni di token ed era una versione iniziale di M3.1 Flash (post di lancio, 19 ottobre 2026).

Quanto è grande M3.1 Flash?

428B parametri totali e 23B attivi per token, con una finestra di contesto da 1M token, la stessa struttura di M3. Non è un modello più piccolo: MiniMax attribuisce la sua efficienza di inferenza all'attenzione sparsa, al training consapevole della quantizzazione e al decoding speculativo.

M3.1 Flash va bene per il coding?

Nel nostro unico task di coding ha battuto M3: la sua merge_intervals ha superato tutti e nove gli assert e il file di M3 ha fallito il proprio test. Sulla model card MiniMax segna 73.7 su DeepSWE v1.1, sotto DeepSeek V4.1 Flash-1017 a 77.0 nella stessa tabella.

Fonti verificate

• MiniMax: MiniMax M3.1 Flash — verificata il 30 ottobre 2026
• MiniMax: MiniMax M3 — verificata il 30 ottobre 2026
• MiniMax platform: panoramica dei prezzi — verificata il 30 ottobre 2026
• MiniMax platform: guida alla generazione di testo — verificata il 30 ottobre 2026
• MiniMax platform: note di rilascio dei modelli — verificata il 30 ottobre 2026
• MiniMax platform: FAQ sui modelli — verificata il 30 ottobre 2026
• MiniMax platform: riferimento API chat — verificata il 30 ottobre 2026
• Hugging Face: MiniMax-M3.1-Flash — verificata il 30 ottobre 2026
• Hugging Face: MiniMax-M3 — verificata il 30 ottobre 2026
• Artificial Analysis: MiniMax-M3.1-Flash — verificata il 30 ottobre 2026
• Artificial Analysis: MiniMax-M3 — verificata il 30 ottobre 2026
• Hacker News: thread di lancio di MiniMax M3.1 Flash — verificata il 30 ottobre 2026
• Hacker News: DCKing sui benchmark, chriddyp sulla velocità e simonw sulle tracce di ragionamento — verificata il 30 ottobre 2026