# MiniMax M3.1 Flash 評価：ベンチマーク、速度、M3 との比較 > MiniMax M3.1 Flash は M3 の半額で指数は 29 対 19。ベンチマーク、速度、5 課題の実測、M3 との使い分けをまとめます。 - Canonical HTML: https://omniakey.com/ja/blog/minimax-m3-1-flash-review - Markdown: https://omniakey.com/ja/blog/minimax-m3-1-flash-review.md - Published: 2026-10-30 (updated 2026-10-30) - Author: Kiki, COO at OmniaKey - Language: ja - Category: Comparison - Reading time: 12 min - All posts: https://omniakey.com/blog/llms.txt --- 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** (既定の選択): 指数スコアは 29 対 19、単価は半額、コーディング課題も正解でした。どの呼び出しでも先に考えます。 * **MiniMax M3** (短い呼び出し向け): 5 回中 4 回で速く、出力トークンは半分未満。思考は切れます。 ## 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](https://omniakey.com/ja/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](https://omniakey.com/ja/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）。 ||M3.1 Flash|M3| |-|-|-| |公開|2026 年 10 月 19 日|2026 年 6 月 1 日| |パラメータ|総 428B、有効 23B|総 428B、有効 23B| |コンテキスト|1M トークン|1M トークン| |最大出力|512K トークン|512K トークン| |思考|常に有効|有効・adaptive・無効| |100 万トークンあたり|入力 $0.15、出力 $0.60|入力 $0.30、出力 $1.20| 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）。 |ベンチマーク|M3.1 Flash|Opus 5|GPT-5.6 Sol| |-|-|-|-| |Automation-Bench v1.0.6|62.8|50.3|45.8| |BankerToolBench|76.2|76.2|74.6| |Terminal Bench 4.0|38.1|51.8|39.9| |DeepSWE v1.1|73.7|74.0|73.0| |NL2Repo-Bench|61.2|75.3|56.8| |SWE Refactor Bench|23.0|31.0|28.5| |OSWorld 2.0|61.7|70.6|65.7| |HLE (without tools)|43.4|55.6|49.5| 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。 |課題|M3.1 Flash|M3| |-|-|-| |カウント|12.4 / 8.3|7.2 / 6.5| |コード|25.2 / 16.1|6.2 / 3.3| |説明（1 回目）|14.3 / 6.8|10.1 / 2.9| |説明（2 回目）|7.4 / 2.5|13.1 / 6.0| |ツール呼び出し|9.6 / –|2.6 / –| 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）： |課題|M3.1 Flash|M3| |-|-|-| |カウント|312|64| |コード|838|311| |説明（1 回目）|1,034|479| |説明（2 回目）|1,173|493| |ツール呼び出し|63|61| 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。 |課題|M3.1 Flash|M3| |-|-|-| |カウント|$0.000199|$0.000116| |コード|$0.000526|$0.000434| |説明（1 回目）|$0.000662|$0.000620| |説明（2 回目）|$0.000730|$0.000607| |ツール呼び出し|$0.000080|$0.000173| |合計|$0.00220|$0.00195| 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。 |状況|選ぶモデル|理由| |-|-|-| |コーディングとエージェント|M3.1 Flash|M3 が落としたテストを通過| |短く速い呼び出し|M3|トークンが少なく待ちが短い| |思考を切りたい|M3|Flash はエラーを返す| |512K 超のプロンプト|M3.1 Flash|料金が一定| |応答時間を速くしたい|M3|Priority 枠で 1.5 倍| 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](https://omniakey.com/ja/blog/factory-droid-custom-models) 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](https://omniakey.com/ja/blog/best-model-for-claude-code) 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](https://omniakey.com/ja/blog/glm-5-3-vs-glm-5-2-for-coding) があり、Kimi K3 の後継は [Kimi K3.1 Pro のレビュー](https://omniakey.com/ja/blog/kimi-k3-1-pro-review) 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](https://omniakey.com/ja/minimax-m3-1-flash) と [M3 のモデルページ](https://omniakey.com/ja/minimax-m3) にあります。 ```bash 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](https://www.minimax.io/blog/minimax-m31f) — 2026 年 10 月 30 日確認 - [MiniMax: MiniMax M3](https://www.minimax.io/blog/minimax-m3) — 2026 年 10 月 30 日確認 - [MiniMax platform: pricing overview](https://platform.minimax.io/docs/pricing/overview) — 2026 年 10 月 30 日確認 - [MiniMax platform: text generation guide](https://platform.minimax.io/docs/guides/text-generation) — 2026 年 10 月 30 日確認 - [MiniMax platform: model release notes](https://platform.minimax.io/docs/release-notes/models) — 2026 年 10 月 30 日確認 - [MiniMax platform: models FAQ](https://platform.minimax.io/docs/faq/models) — 2026 年 10 月 30 日確認 - [MiniMax platform: chat API reference](https://platform.minimax.io/docs/api-reference/text-chat-openai) — 2026 年 10 月 30 日確認 - [Hugging Face: MiniMax-M3.1-Flash](https://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash) — 2026 年 10 月 30 日確認 - [Hugging Face: MiniMax-M3](https://huggingface.co/MiniMaxAI/MiniMax-M3) — 2026 年 10 月 30 日確認 - [Artificial Analysis: MiniMax-M3.1-Flash](https://artificialanalysis.ai/models/minimax-m3-1-flash) — 2026 年 10 月 30 日確認 - [Artificial Analysis: MiniMax-M3](https://artificialanalysis.ai/models/minimax-m3) — 2026 年 10 月 30 日確認 - [Hacker News: MiniMax M3.1 Flash の公開スレッド](https://news.ycombinator.com/item?id=50154540) — 2026 年 10 月 30 日確認 - [DCKing（ベンチマーク）](https://news.ycombinator.com/item?id=50157109)、[chriddyp（速度）](https://news.ycombinator.com/item?id=50161518)、[simonw（推論の記述）](https://news.ycombinator.com/item?id=50157424) の Hacker News コメント — 2026 年 10 月 30 日確認