# Review do MiniMax M3.1 Flash: benchmarks, velocidade e comparação com o M3 > O MiniMax M3.1 Flash custa metade do M3 por token e marca 29 contra 19 no Artificial Analysis. Benchmarks, velocidade, nossos testes e quando o M3 ganha. - Canonical HTML: https://omniakey.com/pt-BR/blog/minimax-m3-1-flash-review - Markdown: https://omniakey.com/pt-BR/blog/minimax-m3-1-flash-review.md - Published: 2026-10-30 (updated 2026-10-30) - Author: Kiki, COO at OmniaKey - Language: pt-BR - Category: Comparison - Reading time: 12 min - All posts: https://omniakey.com/blog/llms.txt --- A MiniMax lançou o M3.1 Flash em 19 de outubro de 2026 a $0.15 por milhão de tokens de entrada e $0.60 por milhão de saída, metade das tarifas do M3, e o Artificial Analysis dá 29 pontos a ele no Intelligence Index contra 19 do M3 (verificado em 30 de outubro de 2026). Em cinco chamadas lado a lado, ele foi o modelo mais cuidadoso: escreveu um `merge_intervals` correto onde o próprio teste do M3 falhou. Ele também pensa sempre: gerou cerca de 2.4 vezes mais tokens de saída e demorou mais em 4 das 5 tarefas. Como o M3, é um modelo mixture-of-experts de 428B parâmetros com 23B ativos por token, janela de contexto de 1M tokens e pesos públicos (cards de modelo do Hugging Face, verificados em 30 de outubro de 2026). ## Resposta curta - **Metade do preço por token.** $0.15 de entrada e $0.60 de saída por milhão de tokens, contra $0.30 e $1.20 do M3, com entrada em cache a $0.015 contra $0.06 (página de preços da MiniMax, verificada em 30 de outubro de 2026). - **Índice maior e notas de agente mais fortes.** O Artificial Analysis dá 29 contra 19 do M3 e, na tabela do card, ele lidera o Automation-Bench com 62.8 e empata com o Opus 5 em 76.2 no BankerToolBench. - **Toda chamada pensa antes.** O thinking não pode ser desligado, o esforço padrão é `max` e, nas nossas execuções, ele escreveu 3,420 tokens de saída contra 1,408 do M3. - **O custo por tarefa depende do tamanho.** Nas nossas cinco chamadas curtas, custou $0.00220 contra $0.00195 do M3; nas tarefas longas do índice do Artificial Analysis, custa $0.49 contra $1.29. - **Nossa avaliação:** o Flash é a melhor escolha padrão para código e trabalho de agente. O M3 ainda ganha em chamadas curtas e sensíveis a latência, onde menos tokens pesam mais que o preço menor. * **MiniMax M3.1 Flash** (Escolha padrão): Índice maior (29 contra 19), metade do preço por token e a tarefa de código resolvida. Toda chamada pensa antes. * **MiniMax M3** (Chamadas curtas e rápidas): Mais rápido em 4 das nossas 5 chamadas com menos da metade dos tokens de saída, e o thinking pode ser desligado. ## O que é o MiniMax M3.1 Flash? É o M3 com três mudanças que a MiniMax diz melhorarem a eficiência de inferência. O [MiniMax M3.1 Flash](https://omniakey.com/pt-BR/minimax-m3-1-flash) chegou em 19 de outubro de 2026 (notas de lançamento da MiniMax, verificadas em 30 de outubro de 2026), com 428B parâmetros totais e 23B ativos por token, o mesmo formato do [MiniMax M3](https://omniakey.com/pt-BR/minimax-m3). As mudanças: atenção esparsa no lugar das três primeiras camadas de atenção completa, treino ciente de quantização e decodificação especulativa DSpark (card do Hugging Face, verificado em 30 de outubro de 2026). ||M3.1 Flash|M3| |-|-|-| |Lançamento|19 de outubro de 2026|1 de junho de 2026| |Parâmetros|428B no total, 23B ativos|428B no total, 23B ativos| |Contexto|1M tokens|1M tokens| |Saída máxima|512K tokens|512K tokens| |Thinking|Sempre ligado|Ligado, adaptativo, desligado| |Preço por 1M|$0.15 entrada, $0.60 saída|$0.30 entrada, $1.20 saída| As datas vêm das notas de lançamento da MiniMax, os tamanhos do card do Hugging Face e os preços da página de preços da MiniMax, tudo verificado em 30 de outubro de 2026. Os dois modelos aceitam 1M tokens de contexto e recomendam 131,072 tokens de saída, com 524,288 como máximo (referência da API de chat da MiniMax, verificada em 30 de outubro de 2026). Antes do lançamento, a MiniMax o rodou anonimamente como Space Bunny, onde ele processou mais de 200 trilhões de tokens (post de lançamento da MiniMax, 19 de outubro de 2026). Desde 19 de outubro, pedidos ao M2.5 e ao M2.7 nos planos M Plan e Token Plan vão automaticamente para o M3.1 Flash, e esses dois modelos são retirados em 18 de novembro de 2026 (FAQ de modelos da MiniMax, verificada em 30 de outubro de 2026). O mesmo post de lançamento diz que o M3.1 Flash torna a inferência online « nearly three times faster » (quase três vezes mais rápida) e reduz os custos de uso em 70%. Os pesos são públicos no repositório do Hugging Face MiniMaxAI/MiniMax-M3.1-Flash sob a MiniMax Community License (verificado em 30 de outubro de 2026). ## Quais benchmarks a MiniMax publicou? A MiniMax publicou dois conjuntos separados de números. O mais completo está no card do M3.1 Flash, que o compara com Opus 5, GPT-5.6 Sol e outros quatro modelos, mas não com o M3 (Hugging Face, verificado em 30 de outubro de 2026). |Benchmark|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 (sem ferramentas)|43.4|55.6|49.5| Ele lidera o Automation-Bench v1.0.6 com 62.8, onde o Opus 5 marca 50.3 e o GPT-5.6 Sol 45.8. Empata com o Opus 5 no BankerToolBench em 76.2. Um modelo da mesma tabela, o DeepSeek V4.1 Flash-1017, supera ele em três linhas de código: 42.3 no Terminal Bench 4.0 contra 38.1, 77.0 no DeepSWE contra 73.7 e 68.2 no NL2Repo-Bench contra 61.2. O post de lançamento da MiniMax diz que ele « ranks first among Chinese models » (fica em primeiro entre os modelos chineses) no OSWorld V2 e no Agents' Last Exam. Na tabela do card, o Opus 5 marca 70.6 e o GPT-5.6 Sol 65.7 no OSWorld 2.0 contra 61.7 do Flash, e Opus 5 (32.2) e GPT-5.6 Sol (30.6) ficam acima dos 29.6 dele no Agents' Last Exam. Para o M3, os números vêm do próprio lançamento em 1 de junho de 2026: - SWE-Bench Pro: 59.0% - Terminal-Bench 2.1: 66.0% - MCP Atlas: 74.2% Esses são testes diferentes das linhas acima, então os dois conjuntos não se comparam linha por linha. No Hacker News, DCKing escreveu que o modelo « seems to be pretty benchmaxed » (parece bem otimizado para benchmarks) e que « in actual use, it doesn't survive the comparison to models in the benchmark » (no uso real, ele não sustenta a comparação com os modelos do benchmark) (19 de outubro de 2026). ## Qual é a velocidade? Por token ele é rápido; por resposta, costuma ser mais lento. A MiniMax fala em mais de 200 tokens de saída por segundo, com mediana acima de 170, e credita a esparsidade mais agressiva. O Artificial Analysis, medindo a própria API da MiniMax, registrou 118.9 tokens por segundo contra 101.0 do M3, e primeiro token em 1.36 s contra 1.11 s (verificado em 30 de outubro de 2026). Nossas execuções mostram onde o tempo vai. Cada célula traz o tempo total e depois o tempo até o primeiro token, em segundos; o prompt de explicação rodou duas vezes por modelo, e a chamada de ferramenta não foi transmitida em streaming. |Tarefa|M3.1 Flash|M3| |-|-|-| |Contar|12.4 / 8.3|7.2 / 6.5| |Código|25.2 / 16.1|6.2 / 3.3| |Explicar, rodada 1|14.3 / 6.8|10.1 / 2.9| |Explicar, rodada 2|7.4 / 2.5|13.1 / 6.0| |Chamada de ferramenta|9.6 / –|2.6 / –| Medimos isso em 30 de outubro de 2026. Depois do primeiro token, o Flash transmitiu a cerca de 76 a 239 tokens por segundo contra 67 a 107 do M3, então a taxa bruta de tokens não era o problema. O thinking era: toda chamada do Flash com streaming devolveu `reasoning_content`, e esses tokens entram na conta. O M3 não devolveu texto de raciocínio em nenhuma chamada. No Hacker News, chriddyp, que rodou o modelo no próprio benchmark de análise de dados, escreveu que ele « 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 » (parece usar muitos tokens e é o modelo mais lento que testamos no exame; a lentidão vem do número de tokens, não da velocidade de inferência) (20 de outubro de 2026). ## Como ele se comparou ao M3 nos mesmos prompts? O Flash acertou uma tarefa a mais e ainda assim foi mais lento. Os dois modelos responderam 401 corretamente à pergunta de aritmética, os dois cobriram os dez itens pedidos sobre cache HTTP e os dois fizeram as duas chamadas de ferramenta para Paris e Tóquio. A diferença ficou na tarefa de código. Tokens de saída, thinking incluído: |Tarefa|M3.1 Flash|M3| |-|-|-| |Contar|312|64| |Código|838|311| |Explicar, rodada 1|1,034|479| |Explicar, rodada 2|1,173|493| |Chamada de ferramenta|63|61| O Flash escreveu 3,420 tokens de saída nas cinco tarefas contra 1,408 do M3. As respostas visíveis ficaram próximas: 377 e 425 palavras nas duas explicações do Flash, 364 e 381 nas do M3, e o texto de raciocínio do Flash antes delas somou outras 394 e 496 palavras. A tarefa de código foi a que decidiu. O Flash devolveu um `merge_intervals` correto com nove asserts, incluindo uma checagem de que a lista de entrada fica inalterada, e o arquivo rodou limpo. A lógica de mesclagem do M3 também estava certa, mas ele ordena os intervalos em tuplas e só converte de volta para lista quando mescla algum, então `merge_intervals([[5, 10]])` devolve `[(5, 10)]`. O segundo assert dele mesmo, `assert merge_intervals([[5, 10]]) == [[5, 10]]`, falha. Baixar o esforço ajuda a espera. Com `reasoning_effort: "low"`, uma execução extra do Flash levou 5.5 s em vez de 25.2 s, chegou ao primeiro token em 2.4 s em vez de 16.1 s e escreveu 429 tokens em vez de 838. A função estava correta, mas um dos asserts dela esperava que dois intervalos sem sobreposição fossem mesclados, então o arquivo parou com um `AssertionError`. O thinking do Flash parece inglês telegráfico e picado. O raciocínio dele na tarefa de contagem começou, literalmente: « We need answer. Need parse subtle: divisible by 3 or by 5, but not by 15. » (Precisamos de resposta. Precisamos analisar o detalhe: divisível por 3 ou por 5, mas não por 15.) No Hacker News, simonw relatou o mesmo estilo, chamando-o de « Reasoning traces use truncated English » (as trilhas de raciocínio usam inglês truncado) (19 de outubro de 2026). Testamos só texto: entrada de imagem e vídeo, prompts de contexto longo, execuções de agente mais longas e níveis de esforço além do padrão e do low não foram testados, e chamamos os dois modelos por um único endpoint compatível com OpenAI em vez da API própria da MiniMax. ## Quanto custa cada tarefa? Metade do preço por token não o deixou mais barato em prompts curtos. Nas nossas cinco chamadas, o Flash custou $0.00220 contra $0.00195 do M3, porque escreveu cerca de 2.4 vezes mais tokens de saída. O M3 custou menos em quatro das cinco tarefas; o Flash custou menos na chamada de ferramenta. |Tarefa|M3.1 Flash|M3| |-|-|-| |Contar|$0.000199|$0.000116| |Código|$0.000526|$0.000434| |Explicar, rodada 1|$0.000662|$0.000620| |Explicar, rodada 2|$0.000730|$0.000607| |Chamada de ferramenta|$0.000080|$0.000173| |Total|$0.00220|$0.00195| Os preços usam as tarifas de tabela da MiniMax, com entrada em cache pela tarifa de cache. Em tarefas longas o quadro se inverte. O preço combinado do Artificial Analysis é $0.10 por milhão de tokens contra $0.22 do M3, numa mistura 7:2:1 de acertos de cache, entrada e saída, e o custo médio para concluir uma tarefa do Intelligence Index é $0.49 contra $1.29 (verificado em 30 de outubro de 2026). Ele também chama o Flash de muito prolixo: 160M tokens de saída no índice contra uma mediana de 100M, com o M3 em 100M. Mais uma diferença: o Flash tem preço fixo de $0.15 de entrada, $0.60 de saída e $0.015 para entrada em cache por milhão de tokens. O M3 custa $0.30, $1.20 e $0.06 depois do desconto permanente de 50% da MiniMax, para prompts de até 512K tokens de entrada; acima disso, são $0.60, $2.40 e $0.12. O M3 também vende um nível Priority a 1.5 vezes essas tarifas, ligado com `service_tier: "priority"`, e o Flash não tem nível Priority (página de preços da MiniMax, verificada em 30 de outubro de 2026). ## M3.1 Flash ou M3: qual usar? O Flash é a melhor escolha padrão para prompts de código e de agente. |Se você...|Escolha|Por quê| |-|-|-| |Código e tarefas de agente|M3.1 Flash|Passou onde o M3 falhou| |Chamadas curtas e rápidas|M3|Menos tokens, menos espera| |Desligar o thinking|M3|O Flash devolve erro| |Prompts acima de 512K|M3.1 Flash|O preço fica fixo| |Respostas mais rápidas|M3|Nível Priority a 1.5x| Nos nossos prompts curtos, o M3 foi mais rápido em quatro das cinco chamadas e mais barato em quatro das cinco, e as explicações foram igualmente completas. O motivo para escolher o Flash é a precisão em trabalho que você teria de refazer: o arquivo de código dele passou nos nove asserts, o do M3 não. Num teste companheiro da mesma leva, o M3.1 Flash rodou como modelo personalizado no [Factory Droid](https://omniakey.com/pt-BR/blog/factory-droid-custom-models) e corrigiu um bug de mediana em 30.7 segundos. Se você escolhe modelos para o Claude Code, o [melhor modelo para Claude Code](https://omniakey.com/pt-BR/blog/best-model-for-claude-code) compara as opções Claude. O GLM-5.3, também na tabela da MiniMax, tem a própria [comparação GLM-5.3 vs GLM-5.2](https://omniakey.com/pt-BR/blog/glm-5-3-vs-glm-5-2-for-coding), e o sucessor do Kimi K3 está no nosso [review do Kimi K3.1 Pro](https://omniakey.com/pt-BR/blog/kimi-k3-1-pro-review). ## Como chamar o M3.1 Flash? A OmniaKey atende os dois IDs por um único endpoint compatível com OpenAI, então uma chave e um mesmo formato de requisição cobrem qualquer um dos modelos. As tarifas atuais estão na [página do modelo M3.1 Flash](https://omniakey.com/pt-BR/minimax-m3-1-flash) e na [página do modelo M3](https://omniakey.com/pt-BR/minimax-m3). ```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."}] }' ``` A resposta chega em `choices[0].message.content` e o thinking em `reasoning_content`. Troque `model` por `minimax-m3` para chamar o M3. 1. `reasoning_effort` aceita `low`, `medium`, `high`, `xhigh` e `max`, e o padrão é `max` quando você não informa, o ajuste que mais pensa (guia de geração de texto da MiniMax, verificado em 30 de outubro de 2026). 2. O thinking não pode ser desligado no Flash: enviar thinking desativado devolve um 400 com `model "MiniMax-M3.1-Flash" requires adaptive thinking`. O M3 roda com thinking ligado, adaptativo ou desligado. 3. `temperature` e `top_p` são ignorados; os dois modelos usam sempre 1 e 0.95. ## FAQ ### O MiniMax M3.1 Flash é open source? Os pesos são públicos no repositório do Hugging Face MiniMaxAI/MiniMax-M3.1-Flash, e o card do modelo declara a MiniMax Community License (verificado em 30 de outubro de 2026). São pesos abertos, com condições. ### Dá para desligar o thinking no M3.1 Flash? Não. O guia da MiniMax diz que o thinking vem ligado por padrão e não pode ser desligado, e uma requisição que o desativa devolve um erro 400. Ajuste `reasoning_effort` para `low` para encurtar o raciocínio. ### O M3.1 Flash aceita imagens? O guia e o card da MiniMax dizem texto, imagem e vídeo na entrada e texto na saída (verificado em 30 de outubro de 2026); o Artificial Analysis lista só texto e imagem para o Flash. Na OmniaKey, a página do modelo não lista entrada de imagem para `minimax-m3.1-flash`, então envie apenas texto. Nossas execuções foram só com texto. ### O que era o Space Bunny? O Space Bunny era um modelo anônimo que rodou antes do lançamento, e a MiniMax diz que ele processou mais de 200 trilhões de tokens e era uma versão inicial do M3.1 Flash (post de lançamento, 19 de outubro de 2026). ### Qual é o tamanho do M3.1 Flash? 428B parâmetros totais e 23B ativos por token, com janela de contexto de 1M tokens, o mesmo formato do M3. Ele não é um modelo menor: a MiniMax credita a eficiência de inferência à atenção esparsa, ao treino ciente de quantização e à decodificação especulativa. ### O M3.1 Flash é bom para código? Na nossa única tarefa de código ele bateu o M3: seu `merge_intervals` passou nos nove asserts, e o arquivo do M3 falhou no próprio teste. No card da MiniMax ele marca 73.7 no DeepSWE v1.1, abaixo do DeepSeek V4.1 Flash-1017 com 77.0 na mesma tabela. ## Fontes verificadas - [MiniMax: MiniMax M3.1 Flash](https://www.minimax.io/blog/minimax-m31f) — verificado em 30 de outubro de 2026 - [MiniMax: MiniMax M3](https://www.minimax.io/blog/minimax-m3) — verificado em 30 de outubro de 2026 - [MiniMax platform: pricing overview](https://platform.minimax.io/docs/pricing/overview) — verificado em 30 de outubro de 2026 - [MiniMax platform: text generation guide](https://platform.minimax.io/docs/guides/text-generation) — verificado em 30 de outubro de 2026 - [MiniMax platform: model release notes](https://platform.minimax.io/docs/release-notes/models) — verificado em 30 de outubro de 2026 - [MiniMax platform: models FAQ](https://platform.minimax.io/docs/faq/models) — verificado em 30 de outubro de 2026 - [MiniMax platform: chat API reference](https://platform.minimax.io/docs/api-reference/text-chat-openai) — verificado em 30 de outubro de 2026 - [Hugging Face: MiniMax-M3.1-Flash](https://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash) — verificado em 30 de outubro de 2026 - [Hugging Face: MiniMax-M3](https://huggingface.co/MiniMaxAI/MiniMax-M3) — verificado em 30 de outubro de 2026 - [Artificial Analysis: MiniMax-M3.1-Flash](https://artificialanalysis.ai/models/minimax-m3-1-flash) — verificado em 30 de outubro de 2026 - [Artificial Analysis: MiniMax-M3](https://artificialanalysis.ai/models/minimax-m3) — verificado em 30 de outubro de 2026 - [Hacker News: thread de lançamento do MiniMax M3.1 Flash](https://news.ycombinator.com/item?id=50154540) — verificado em 30 de outubro de 2026 - [Hacker News: DCKing sobre benchmarks](https://news.ycombinator.com/item?id=50157109), [chriddyp sobre velocidade](https://news.ycombinator.com/item?id=50161518) e [simonw sobre trilhas de raciocínio](https://news.ycombinator.com/item?id=50157424) — verificado em 30 de outubro de 2026