MiniMax M3.1 Flash 리뷰: 벤치마크, 속도와 M3 비교

MiniMax는 2026년 10월 19일 M3.1 Flash를 공개했습니다. 입력 100만 토큰당 $0.15, 출력 $0.60으로 M3의 정확히 절반입니다. Artificial Analysis의 Intelligence Index는 29이고 M3는 19입니다(2026년 10월 30일 확인). 같은 다섯 과제를 나란히 돌리면 Flash가 더 신중했습니다. M3 자체 테스트가 실패한 merge_intervals를 Flash는 정확히 작성했습니다. 대신 매번 먼저 생각하며, 출력 토큰은 약 2.4배이고 5개 과제 중 4개에서 더 오래 걸렸습니다.

M3와 마찬가지로 428B 파라미터 MoE 모델이며 토큰당 23B가 활성화됩니다. 컨텍스트는 1M 토큰이고 가중치도 공개되어 있습니다(Hugging Face 모델 카드, 2026년 10월 30일 확인).

먼저 결론

• 토큰당 가격은 절반입니다. 입력 $0.15, 출력 $0.60(100만 토큰당)이고 M3는 $0.30과 $1.20입니다. 캐시 입력은 $0.015로 M3의 $0.06보다 낮습니다(MiniMax 가격 페이지, 2026년 10월 30일 확인).
• 지수 점수가 높고 에이전트 점수도 앞섭니다. Artificial Analysis는 29, M3는 19입니다. MiniMax 모델 카드 표에서 Automation-Bench는 62.8로 1위이고 BankerToolBench는 76.2로 Opus 5와 동률입니다.
• 모든 호출이 먼저 생각합니다. 사고를 끌 수 없고 effort 기본값은 max입니다. 실측 출력은 3,420 토큰, M3는 1,408 토큰이었습니다.
• 호출당 비용은 길이에 달렸습니다. 짧은 5개 과제에서는 $0.00220, M3는 $0.00195였습니다. Artificial Analysis의 긴 지수 과제에서는 한 번에 $0.49이고 M3는 $1.29입니다.
• 선택 기준: 코딩과 에이전트 작업의 기본값은 Flash가 낫습니다. 짧고 지연에 민감한 호출은 M3가 낫고, 토큰 수가 적은 점이 낮은 단가보다 효과적입니다.

MiniMax M3.1 Flash 개요

M3를 바탕으로 세 가지를 바꿨고 MiniMax는 그 부분이 추론 효율을 높인다고 설명합니다. MiniMax M3.1 Flash는 2026년 10월 19일 공개되었습니다(MiniMax 릴리스 노트, 2026년 10월 30일 확인). 총 파라미터 428B, 토큰당 23B 활성이라는 구조는 MiniMax M3와 같습니다. 바뀐 점은 세 가지입니다. 처음 세 개의 full attention 층을 sparse attention으로 바꾸고, 양자화 인식 학습을 더했으며, DSpark 투기적 디코딩을 사용합니다(Hugging Face 모델 카드, 2026년 10월 30일 확인).

날짜는 MiniMax 릴리스 노트, 크기는 Hugging Face 모델 카드, 가격은 MiniMax 가격 페이지에서 가져왔습니다(모두 2026년 10월 30일 확인). 두 모델 모두 1M 토큰 컨텍스트를 받고 출력은 131,072 토큰을 권장하며 최대는 524,288 토큰입니다(MiniMax 채팅 API 레퍼런스, 2026년 10월 30일 확인).

공개 전에 MiniMax는 Space Bunny라는 이름으로 익명 운영했습니다. 처리한 양은 200조 토큰이 넘습니다(MiniMax 공개 글, 2026년 10월 19일). 10월 19일부터 M Plan과 Token Plan의 M2.5, M2.7 요청은 자동으로 M3.1 Flash로 전달됩니다. 이 두 모델은 2026년 11월 18일 서비스를 마칩니다(MiniMax 모델 FAQ, 2026년 10월 30일 확인).

같은 공개 글은 M3.1 Flash로 온라인 추론이 “nearly three times faster”(약 3배 빨라짐)가 되고 사용 비용이 70% 줄어든다고 밝힙니다.

가중치는 Hugging Face의 MiniMaxAI/MiniMax-M3.1-Flash에 공개되어 있고 라이선스는 MiniMax Community License입니다(2026년 10월 30일 확인).

MiniMax가 공개한 벤치마크는?

MiniMax는 두 벌의 숫자를 공개했습니다. 더 자세한 쪽은 M3.1 Flash 모델 카드에 있고, Opus 5, GPT-5.6 Sol과 다른 네 모델을 비교했지만 M3는 없습니다(Hugging Face, 2026년 10월 30일 확인).

Automation-Bench v1.0.6에서는 62.8로 1위이고 Opus 5는 50.3, GPT-5.6 Sol은 45.8입니다. BankerToolBench는 76.2로 Opus 5와 동률입니다. 같은 표의 DeepSeek V4.1 Flash-1017은 코딩 3개 항목에서 더 높습니다. Terminal Bench 4.0은 42.3 대 38.1, DeepSWE는 77.0 대 73.7, NL2Repo-Bench는 68.2 대 61.2입니다.

MiniMax 공개 글은 OSWorld V2와 Agents' Last Exam에서 “ranks first among Chinese models”(중국 모델 중 1위)라고 적었습니다. 모델 카드 표에서 OSWorld 2.0은 Flash가 61.7이고 Opus 5는 70.6, GPT-5.6 Sol은 65.7입니다. Agents' Last Exam은 Flash가 29.6이고 Opus 5는 32.2, GPT-5.6 Sol은 30.6입니다.

M3의 숫자는 2026년 6월 1일 공개 당시의 값입니다.

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

위 표와는 다른 테스트이므로 두 벌을 항목별로 비교할 수는 없습니다.

Hacker News 댓글 작성자 DCKing은 이 모델이 “seems to be pretty benchmaxed”(벤치마크에 맞춰 조정된 느낌이다)라고 썼고, “in actual use, it doesn't survive the comparison to models in the benchmark”(실제로 쓰면 벤치마크의 모델과 비교에서 버티지 못한다)라고 덧붙였습니다(2026년 10월 19일).

속도는 어느 정도인가?

토큰 단위로는 빠르고 답변 단위로는 느린 경우가 많습니다. MiniMax는 출력이 초당 200토큰 이상, 중앙값 170 이상이라고 밝히며 sparsity를 더 강하게 쓴 점을 근거로 듭니다. Artificial Analysis가 MiniMax 자체 API를 측정한 값은 초당 118.9토큰이고 M3는 101.0이며, 첫 토큰은 1.36초로 M3의 1.11초보다 늦습니다(2026년 10월 30일 확인).

실측을 보면 시간이 어디로 가는지 보입니다. 각 칸은 총 시간과 첫 토큰까지의 시간이고 단위는 초입니다. 설명 프롬프트는 모델마다 두 번 돌렸고 도구 호출은 스트리밍하지 않았습니다.

측정은 2026년 10월 30일에 했습니다. 첫 토큰 이후 Flash는 초당 약 76239토큰으로 흘렀고 M3는 67107이었습니다. 토큰이 나오는 속도 자체는 충분합니다. 차이는 사고에 있습니다. 스트리밍한 Flash 호출은 모두 reasoning_content를 반환했고 그 토큰도 합계에 들어갑니다. M3 호출은 사고 텍스트를 반환하지 않았습니다.

Hacker News 댓글 작성자 chriddyp은 자체 데이터 분석 벤치마크에서 시험하고 “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”(토큰을 아주 많이 쓰고 시험에서 우리가 테스트한 모델 중 가장 느리다. 느린 이유는 토큰 수이지 추론 속도가 아니다)라고 썼습니다(2026년 10월 20일).

같은 프롬프트에서 M3와 비교하면?

Flash가 과제 하나를 더 맞혔고 그래도 더 느렸습니다. 산술 문제는 두 모델 모두 401로 맞혔고, HTTP 캐시 10개 항목도 모두 다뤘으며, 파리와 도쿄 도구 호출도 두 번 모두 실행했습니다. 차이는 코딩 과제에서 났습니다.

출력 토큰(사고 포함):

다섯 과제에서 Flash는 3,420 출력 토큰을 썼고 M3는 1,408이었습니다. 보이는 답변은 비슷했습니다. Flash의 설명 두 개는 377단어와 425단어, M3는 364단어와 381단어입니다. Flash는 그 앞의 사고에서 394단어와 496단어를 더 썼습니다.

승부를 가른 것은 코딩 과제입니다. Flash의 merge_intervals는 정확했고 입력 목록이 바뀌지 않는지 확인하는 것을 포함해 assert 9개를 붙였으며 파일은 그대로 실행됐습니다. M3의 병합 로직도 맞지만 구간을 튜플로 정렬하고 병합할 때만 목록으로 되돌리기 때문에 merge_intervals([[5, 10]])는 [(5, 10)]를 반환합니다. 자체 두 번째 assert인 assert merge_intervals([[5, 10]]) == [[5, 10]]가 실패합니다.

effort를 낮추면 기다리는 시간이 줄어듭니다. reasoning_effort: "low"를 붙인 추가 Flash 실행은 25.2초 대신 5.5초가 걸렸습니다. 첫 토큰은 16.1초 대신 2.4초, 출력은 838 대신 429토큰이었습니다. 함수는 정확했지만 자체 assert 하나가 겹치지 않는 두 구간의 병합을 기대해서 그 파일은 AssertionError로 멈췄습니다.

Flash의 사고는 전보 같은 영어입니다. 세기 과제의 사고는 이 문장으로 시작했습니다(원문). “We need answer. Need parse subtle: divisible by 3 or by 5, but not by 15.” Hacker News 댓글 작성자 simonw도 같은 방식을 보고하며 “Reasoning traces use truncated English”(추론 과정이 잘린 영어를 쓴다)라고 썼습니다(2026년 10월 19일).

테스트한 것은 텍스트뿐입니다. 이미지와 영상 입력, 긴 컨텍스트 프롬프트, 더 긴 에이전트 실행, 기본값과 low 이외의 effort는 시험하지 않았습니다. 두 모델 모두 MiniMax 자체 API가 아니라 같은 OpenAI 호환 엔드포인트로 호출했습니다.

과제당 비용은 얼마인가?

토큰당 가격이 절반이어도 짧은 프롬프트에서는 더 싸지지 않았습니다. 다섯 번 호출에서 Flash는 $0.00220, M3는 $0.00195였습니다. 출력 토큰이 약 2.4배였기 때문입니다. 다섯 과제 중 네 개는 M3가 쌌고 도구 호출만 Flash가 쌌습니다.

가격은 MiniMax 정가로 계산했고 캐시 입력은 캐시 요율을 적용했습니다.

긴 과제에서는 결과가 뒤집힙니다. Artificial Analysis의 혼합 가격은 100만 토큰당 $0.10이고 M3는 $0.22이며, 캐시 적중, 입력, 출력을 7:2:1로 섞은 값입니다. 지수 과제 하나를 끝내는 평균 비용은 $0.49이고 M3는 $1.29입니다(2026년 10월 30일 확인). 이 회사는 Flash를 매우 장황하다고도 평가합니다. 지수 전체에서 출력 160M 토큰이고 중앙값은 100M, M3는 100M입니다.

차이가 하나 더 있습니다. Flash는 입력 $0.15, 출력 $0.60, 캐시 입력 $0.015(100만 토큰당)로 고정입니다. M3는 MiniMax의 영구 50% 할인 후 $0.30, $1.20, $0.06이고 입력 512K 토큰까지 적용됩니다. 그보다 길면 $0.60, $2.40, $0.12입니다. M3에는 Priority 등급도 있고 service_tier: "priority"로 켜며 요금은 위 값의 1.5배입니다. Flash에는 Priority 등급이 없습니다(MiniMax 가격 페이지, 2026년 10월 30일 확인).

M3.1 Flash와 M3 중 무엇을 선택할까?

코딩과 에이전트 프롬프트에서는 Flash가 더 나은 기본값입니다.

짧은 프롬프트에서는 M3가 다섯 번 중 네 번 더 빨랐고 네 번 더 쌌으며 설명의 완성도는 같았습니다. Flash를 고르는 이유는 다시 해야 할 일을 줄이는 정확성입니다. 코드 파일이 assert 9개를 모두 통과했고 M3는 통과하지 못했습니다.

같은 배치의 별도 테스트에서 M3.1 Flash는 Factory Droid의 사용자 지정 모델로 돌아갔고 중앙값 버그를 30.7초에 고쳤습니다.

Claude Code용 모델을 고른다면 Claude Code 모델 비교가 도움이 됩니다. MiniMax 표에 있는 GLM-5.3은 GLM-5.3과 GLM-5.2 비교로 따로 다뤘고, Kimi K3의 후속 모델은 Kimi K3.1 Pro 리뷰에 있습니다.

M3.1 Flash 호출 방법

OmniaKey는 두 ID를 하나의 OpenAI 호환 엔드포인트로 제공합니다. 키 하나와 같은 요청 형식으로 어느 모델이든 호출합니다. 현재 요금은 M3.1 Flash 모델 페이지와 M3 모델 페이지에 있습니다.

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."}]
  }'

답변은 choices[0].message.content, 사고는 reasoning_content에 들어옵니다. model을 minimax-m3로 바꾸면 M3를 호출합니다.

1. reasoning_effort는 low, medium, high, xhigh, max를 받고 생략하면 기본 max로 가장 깊게 생각합니다(MiniMax 텍스트 생성 가이드, 2026년 10월 30일 확인).
2. Flash는 사고를 끌 수 없습니다. 사고를 끄는 요청은 400을 반환하며 model "MiniMax-M3.1-Flash" requires adaptive thinking 오류가 납니다. M3는 사고를 켜기, adaptive, 끄기 중에서 고를 수 있습니다.
3. temperature와 top_p는 무시되고 두 모델 모두 항상 1과 0.95를 씁니다.

FAQ

MiniMax M3.1 Flash는 오픈소스인가요?

가중치는 Hugging Face의 MiniMaxAI/MiniMax-M3.1-Flash에 공개되어 있고 모델 카드는 MiniMax Community License를 밝힙니다(2026년 10월 30일 확인). 조건이 붙은 공개 가중치입니다.

M3.1 Flash에서 사고를 끌 수 있나요?

없습니다. MiniMax 가이드는 사고가 기본으로 켜져 있고 끌 수 없다고 하며, 끄는 요청은 400 오류를 반환합니다. 사고를 줄이려면 reasoning_effort를 low로 두십시오.

M3.1 Flash는 이미지를 받나요?

MiniMax 가이드와 모델 카드는 텍스트, 이미지, 영상 입력에 텍스트 출력이라고 적습니다(2026년 10월 30일 확인). Artificial Analysis는 Flash에 텍스트와 이미지만 표시합니다. OmniaKey 모델 페이지는 minimax-m3.1-flash에 이미지 입력을 적지 않았으므로 텍스트로 쓰십시오. 실측도 텍스트만 했습니다.

Space Bunny는 무엇인가요?

Space Bunny는 공개 전에 익명으로 돌던 모델입니다. MiniMax는 200조 토큰이 넘는 양을 처리했고 M3.1 Flash의 초기 버전이었다고 밝힙니다(공개 글, 2026년 10월 19일).

M3.1 Flash는 얼마나 큰가요?

총 파라미터 428B, 토큰당 활성 23B, 컨텍스트 1M 토큰으로 구조는 M3와 같습니다. 작은 모델이 아닙니다. MiniMax는 추론 효율을 sparse attention, 양자화 인식 학습, 투기적 디코딩 덕분이라고 설명합니다.

M3.1 Flash는 코딩에 적합한가요?

코딩 과제 하나에서는 M3를 이겼습니다. merge_intervals가 assert 9개를 모두 통과했고 M3의 파일은 자체 테스트에서 실패했습니다. MiniMax 모델 카드에서 DeepSWE v1.1은 73.7이고 같은 표의 DeepSeek V4.1 Flash-1017은 77.0입니다.

확인한 출처

• MiniMax: MiniMax M3.1 Flash — 2026년 10월 30일 확인
• MiniMax: MiniMax M3 — 2026년 10월 30일 확인
• MiniMax platform: pricing overview — 2026년 10월 30일 확인
• MiniMax platform: text generation guide — 2026년 10월 30일 확인
• MiniMax platform: model release notes — 2026년 10월 30일 확인
• MiniMax platform: models FAQ — 2026년 10월 30일 확인
• MiniMax platform: chat API reference — 2026년 10월 30일 확인
• Hugging Face: MiniMax-M3.1-Flash — 2026년 10월 30일 확인
• Hugging Face: MiniMax-M3 — 2026년 10월 30일 확인
• Artificial Analysis: MiniMax-M3.1-Flash — 2026년 10월 30일 확인
• Artificial Analysis: MiniMax-M3 — 2026년 10월 30일 확인
• Hacker News: MiniMax M3.1 Flash 공개 스레드 — 2026년 10월 30일 확인
• DCKing(벤치마크), chriddyp(속도), simonw(추론 과정)의 Hacker News 댓글 — 2026년 10월 30일 확인