MiniMax M3.1 Flash 評価：ベンチマーク、速度、M3 との比較

MiniMax は 2026 年 10 月 19 日に M3.1 Flash を公開しました。入力は 100 万トークンあたり $0.15、出力は $0.60 で、M3 のちょうど半額です。Artificial Analysis の Intelligence Index は 29 で、M3 は 19 です（2026 年 10 月 30 日確認）。同じ 5 つの課題を並べて走らせると、Flash のほうが慎重でした。M3 自身のテストが落ちた merge_intervals を、Flash は正しく書き上げています。代わりに毎回必ず思考し、出力トークンは約 2.4 倍、5 課題のうち 4 つで時間がかかりました。

M3 と同じく 428B パラメータの MoE モデルで、トークンあたり 23B が有効になります。コンテキストは 1M トークン、重みも公開されています（Hugging Face のモデルカード、2026 年 10 月 30 日確認）。

結論から

• トークン単価は半額。 入力 $0.15、出力 $0.60（100 万トークンあたり）で、M3 は $0.30 と $1.20 です。キャッシュ入力は $0.015 で、M3 は $0.06 です（MiniMax の料金ページ、2026 年 10 月 30 日確認）。
• 指数スコアが高く、エージェント系のスコアも上。 Artificial Analysis は 29 で、M3 は 19 です。MiniMax のモデルカードの表では Automation-Bench が 62.8 で首位、BankerToolBench は 76.2 で Opus 5 と並びます。
• どの呼び出しでも先に考えます。 思考は切れず、effort の既定値は max です。実測の出力は 3,420 トークンで、M3 は 1,408 トークンでした。
• 1 回の費用は長さで決まります。 短い 5 課題では $0.00220 で、M3 は $0.00195 でした。Artificial Analysis の長い指数課題では 1 回 $0.49 で、M3 は $1.29 です。
• 選び方： コーディングとエージェント作業の既定は Flash が適しています。短く遅延を気にする呼び出しは M3 のままがよく、トークン数の少なさが安さより効きます。

MiniMax M3.1 Flash とは？

M3 を土台に 3 点を変え、MiniMax はそこが推論効率を上げると説明しています。MiniMax M3.1 Flash は 2026 年 10 月 19 日の公開で（MiniMax のリリースノート、2026 年 10 月 30 日確認）、総パラメータ 428B、トークンあたり 23B が有効という形は MiniMax M3 と同じです。変更点は 3 つです。最初の 3 つの full attention 層を sparse attention に置き換え、量子化を意識した学習を加え、DSpark の投機的デコードを使っています（Hugging Face のモデルカード、2026 年 10 月 30 日確認）。

日付は MiniMax のリリースノート、サイズは Hugging Face のモデルカード、料金は MiniMax の料金ページから取っています（いずれも 2026 年 10 月 30 日確認）。両モデルとも 1M トークンのコンテキストを受け付け、出力は 131,072 トークンを推奨、最大は 524,288 トークンです（MiniMax のチャット API リファレンス、2026 年 10 月 30 日確認）。

公開前、MiniMax は Space Bunny という名前で匿名で動かしていました。処理したのは 200 兆トークン超です（MiniMax の公開記事、2026 年 10 月 19 日）。10 月 19 日以降、M Plan と Token Plan の M2.5・M2.7 へのリクエストは自動で M3.1 Flash に送られます。この 2 モデルは 2026 年 11 月 18 日に提供を終えます（MiniMax のモデル FAQ、2026 年 10 月 30 日確認）。

同じ公開記事は、M3.1 Flash によってオンライン推論が “nearly three times faster”（約 3 倍速く）なり、利用コストが 70% 下がると述べています。

重みは Hugging Face の MiniMaxAI/MiniMax-M3.1-Flash で公開され、ライセンスは MiniMax Community License です（2026 年 10 月 30 日確認）。

MiniMax が公開したベンチマークは？

MiniMax は 2 組の数値を公開しています。詳しいほうは M3.1 Flash のモデルカードにあり、Opus 5、GPT-5.6 Sol とほか 4 モデルを比較していますが、M3 は入っていません（Hugging Face、2026 年 10 月 30 日確認）。

Automation-Bench v1.0.6 は 62.8 で首位、Opus 5 は 50.3、GPT-5.6 Sol は 45.8 です。BankerToolBench は 76.2 で Opus 5 と並びます。同じ表の DeepSeek V4.1 Flash-1017 はコーディング系 3 項目で上回ります。Terminal Bench 4.0 は 42.3 対 38.1、DeepSWE は 77.0 対 73.7、NL2Repo-Bench は 68.2 対 61.2 です。

MiniMax の公開記事は、OSWorld V2 と Agents' Last Exam で “ranks first among Chinese models”（中国製モデルの中で 1 位）と書いています。モデルカードの表では、OSWorld 2.0 が Flash 61.7 に対し Opus 5 は 70.6、GPT-5.6 Sol は 65.7 です。Agents' Last Exam は Flash 29.6 に対し Opus 5 が 32.2、GPT-5.6 Sol が 30.6 です。

M3 の数値は 2026 年 6 月 1 日の公開時のものです。

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

これらは上の表と別のテストなので、2 組を項目ごとに比べることはできません。

Hacker News のコメント投稿者 DCKing は、このモデルが “seems to be pretty benchmaxed”（かなりベンチマーク向けに調整されているように見える）と書き、“in actual use, it doesn't survive the comparison to models in the benchmark”（実際に使うとベンチマークのモデルとの比較に耐えない）と続けています（2026 年 10 月 19 日）。

速度はどうか

トークン単位では速く、回答単位では遅いことが多いです。MiniMax は出力 200 トークン/秒以上、中央値 170 以上と述べ、sparsity を強めたことを挙げています。Artificial Analysis が MiniMax 自身の API を測った値は 118.9 トークン/秒で M3 は 101.0、最初のトークンは 1.36 秒で M3 は 1.11 秒でした（2026 年 10 月 30 日確認）。

実測を見ると時間の使い方が分かります。各セルは合計時間と最初のトークンまでの時間で、単位は秒です。説明用プロンプトは各モデル 2 回、ツール呼び出しはストリーミングなしです。

計測は 2026 年 10 月 30 日です。最初のトークンの後、Flash は毎秒約 76〜239 トークンで流れ、M3 は 67〜107 でした。トークンの出る速さ自体は十分です。差は思考にあります。ストリーミングした Flash の呼び出しはすべて reasoning_content を返し、そのトークンも合計に数えられます。M3 の呼び出しは思考テキストを返しませんでした。

Hacker News のコメント投稿者 chriddyp は自前のデータ分析ベンチマークで試し、“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”（使うトークンが非常に多く、試験で試した中で最も遅い。遅い理由はトークン数で、推論速度ではない）と書いています（2026 年 10 月 20 日）。

同じプロンプトで M3 と比べると？

Flash は 1 課題多く正解し、それでも遅いままでした。計算問題は両モデルとも 401 で正解し、HTTP キャッシュの 10 項目もすべて網羅、パリと東京のツール呼び出しも 2 回とも実行しました。差が出たのはコーディング課題です。

出力トークン（思考を含む）：

5 課題で Flash は 3,420 出力トークン、M3 は 1,408 でした。ユーザーに見える回答の長さは近く、Flash の 2 つの説明は 377 語と 425 語、M3 は 364 語と 381 語です。Flash はその前の思考でさらに 394 語と 496 語を書いています。

決め手はコーディング課題でした。Flash の merge_intervals は正しく、入力リストが変わらないことを含む 9 つの assert が付き、ファイルはそのまま動きました。M3 の統合ロジックも正しいのですが、区間をタプルに並べ替え、統合するときだけリストに戻すため、merge_intervals([[5, 10]]) は [(5, 10)] を返します。自身の 2 番目の assert assert merge_intervals([[5, 10]]) == [[5, 10]] が失敗します。

effort を下げると待ち時間は短くなります。reasoning_effort: "low" を付けた追加の Flash 実行は 5.5 秒で、元は 25.2 秒でした。最初のトークンは 2.4 秒（元は 16.1 秒）、出力は 429 トークン（元は 838）です。関数は正しく動きましたが、自身の assert の 1 つが重ならない 2 区間の統合を期待したため、ファイルは AssertionError で止まりました。

Flash の思考は電報のような英語です。カウント課題の思考は次の一文から始まりました（原文）：“We need answer. Need parse subtle: divisible by 3 or by 5, but not by 15.” Hacker News のコメント投稿者 simonw も同じ傾向を報告し、“Reasoning traces use truncated English”（推論の記述が切り詰めた英語になっている）と書いています（2026 年 10 月 19 日）。

テストしたのはテキストだけです。画像と動画の入力、長いコンテキストのプロンプト、より長いエージェント実行、既定と low 以外の effort は試していません。両モデルは MiniMax 自身の API ではなく、同じ OpenAI 互換エンドポイントから呼びました。

1 タスクあたりの費用は？

トークン単価が半額でも、短いプロンプトでは安くなりませんでした。5 回の呼び出しで Flash は $0.00220、M3 は $0.00195 です。出力トークンが約 2.4 倍だったためです。5 課題のうち 4 つは M3 が安く、ツール呼び出しだけ Flash が安くなりました。

料金は MiniMax の定価で計算し、キャッシュ入力はキャッシュ料金を使っています。

長い課題では逆になります。Artificial Analysis の混合価格は 100 万トークンあたり $0.10 で M3 は $0.22、内訳はキャッシュヒット・入力・出力の 7:2:1 です。指数の 1 課題を終える平均費用は $0.49 で、M3 は $1.29 です（2026 年 10 月 30 日確認）。同社は Flash を非常に冗長とも評し、指数全体で出力 160M トークン、中央値は 100M、M3 は 100M です。

もう 1 つ違いがあります。Flash の料金は入力 $0.15、出力 $0.60、キャッシュ入力 $0.015（100 万トークンあたり）で一定です。M3 は MiniMax の恒久的な 50% 割引後で $0.30、$1.20、$0.06 で、入力 512K トークンまでが対象です。それを超えると $0.60、$2.40、$0.12 になります。M3 には Priority 枠もあり、service_tier: "priority" で有効になり、料金は上記の 1.5 倍です。Flash に Priority 枠はありません（MiniMax の料金ページ、2026 年 10 月 30 日確認）。

M3.1 Flash と M3 のどちらを選ぶか

コーディングとエージェントのプロンプトでは、Flash が既定の選択です。

短いプロンプトでは M3 が 5 回中 4 回で速く、4 回で安く、説明の完成度は同じでした。Flash を選ぶ理由はやり直しを減らせる正確さです。コードのファイルは 9 つの assert をすべて通り、M3 は通りませんでした。

同じバッチの別テストでは、M3.1 Flash を Factory Droid のカスタムモデルとして動かし、中央値のバグを 30.7 秒で直しました。

Claude Code 用のモデルを選ぶなら、Claude Code 向けモデルの比較 が参考になります。MiniMax の表にある GLM-5.3 には GLM-5.3 と GLM-5.2 の比較 があり、Kimi K3 の後継は Kimi K3.1 Pro のレビュー で扱っています。

M3.1 Flash の呼び出し方

OmniaKey はこの 2 つの ID を 1 つの OpenAI 互換エンドポイントで提供します。キー 1 つと同じリクエスト形式でどちらも呼べます。現在の料金は M3.1 Flash のモデルページ と M3 のモデルページ にあります。

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."}]
  }'

回答は choices[0].message.content、思考は reasoning_content に入ります。model を minimax-m3 に変えれば M3 を呼べます。

1. reasoning_effort は low、medium、high、xhigh、max を受け付け、省略時は既定の max で最も深く考えます（MiniMax のテキスト生成ガイド、2026 年 10 月 30 日確認）。
2. Flash の思考は切れません。思考を無効にするリクエストは 400 を返し、model "MiniMax-M3.1-Flash" requires adaptive thinking というエラーになります。M3 は思考の有効・adaptive・無効を選べます。
3. temperature と top_p は無視され、両モデルとも常に 1 と 0.95 を使います。

FAQ

MiniMax M3.1 Flash はオープンソースですか？

重みは Hugging Face の MiniMaxAI/MiniMax-M3.1-Flash で公開され、モデルカードは MiniMax Community License を宣言しています（2026 年 10 月 30 日確認）。条件付きのオープンウェイトです。

M3.1 Flash の思考は切れますか？

切れません。MiniMax のガイドは思考が既定で有効かつ無効にできないと述べ、無効にするリクエストは 400 エラーを返します。思考を短くしたいときは reasoning_effort を low にします。

M3.1 Flash は画像を扱えますか？

MiniMax のガイドとモデルカードはテキスト・画像・動画の入力、テキスト出力と書いています（2026 年 10 月 30 日確認）。Artificial Analysis は Flash についてテキストと画像のみを挙げています。OmniaKey のモデルページは minimax-m3.1-flash に画像入力を記載していないため、テキストで使ってください。実測もテキストのみです。

Space Bunny とは何ですか？

Space Bunny は公開前に匿名で動いていたモデルです。MiniMax は 200 兆トークン超を処理し、M3.1 Flash の初期版だったと述べています（公開記事、2026 年 10 月 19 日）。

M3.1 Flash のサイズは？

総パラメータ 428B、トークンあたり 23B が有効、コンテキストは 1M トークンで、形は M3 と同じです。小型版ではありません。推論効率は sparse attention、量子化を意識した学習、投機的デコードによるものだと MiniMax は説明しています。

M3.1 Flash はコーディングに向きますか？

1 つのコーディング課題では M3 を上回りました。merge_intervals は 9 つの assert をすべて通過し、M3 のファイルは自身のテストに落ちました。MiniMax のモデルカードでは DeepSWE v1.1 が 73.7 で、同じ表の DeepSeek V4.1 Flash-1017 は 77.0 です。

確認した情報源

• MiniMax: MiniMax M3.1 Flash — 2026 年 10 月 30 日確認
• MiniMax: MiniMax M3 — 2026 年 10 月 30 日確認
• MiniMax platform: pricing overview — 2026 年 10 月 30 日確認
• MiniMax platform: text generation guide — 2026 年 10 月 30 日確認
• MiniMax platform: model release notes — 2026 年 10 月 30 日確認
• MiniMax platform: models FAQ — 2026 年 10 月 30 日確認
• MiniMax platform: chat API reference — 2026 年 10 月 30 日確認
• Hugging Face: MiniMax-M3.1-Flash — 2026 年 10 月 30 日確認
• Hugging Face: MiniMax-M3 — 2026 年 10 月 30 日確認
• Artificial Analysis: MiniMax-M3.1-Flash — 2026 年 10 月 30 日確認
• Artificial Analysis: MiniMax-M3 — 2026 年 10 月 30 日確認
• Hacker News: MiniMax M3.1 Flash の公開スレッド — 2026 年 10 月 30 日確認
• DCKing（ベンチマーク）、chriddyp（速度）、simonw（推論の記述） の Hacker News コメント — 2026 年 10 月 30 日確認