Обзор MiniMax M3.1 Flash: бенчмарки, скорость и сравнение с M3

MiniMax выпустила M3.1 Flash 19 октября 2026 года по цене $0.15 за миллион входных токенов и $0.60 за миллион выходных, вдвое дешевле тарифов M3, а Artificial Analysis ставит ей 29 баллов в Intelligence Index против 19 у M3 (проверено 30 октября 2026 года). В пяти параллельных вызовах она оказалась аккуратнее: написала корректную merge_intervals там, где собственный тест M3 упал. Она ещё и всегда думает: выдала примерно в 2.4 раза больше выходных токенов и была медленнее в 4 из 5 задач.

Как и M3, это mixture-of-experts модель с 428B параметров, 23B активных на токен, окном контекста 1M токенов и открытыми весами (карточки моделей Hugging Face, проверено 30 октября 2026 года).

Коротко

• Вдвое ниже цена за токен. $0.15 на входе и $0.60 на выходе за миллион токенов против $0.30 и $1.20 у M3, кэшированный вход — $0.015 против $0.06 (страница цен MiniMax, проверено 30 октября 2026 года).
• Выше индекс и сильнее оценки агентных задач. Artificial Analysis даёт 29 против 19 у M3, а в таблице карточки модель лидирует в Automation-Bench с 62.8 и делит с Opus 5 результат 76.2 в BankerToolBench.
• Каждый вызов сначала думает. Thinking отключить нельзя, effort по умолчанию max, и в наших прогонах модель выдала 3,420 выходных токенов против 1,408 у M3.
• Стоимость задачи зависит от длины. На наших пяти коротких вызовах вышло $0.00220 против $0.00195 у M3; на длинных задачах индекса Artificial Analysis — $0.49 против $1.29.
• Наш вывод: Flash — лучший выбор по умолчанию для кода и агентных задач. M3 по-прежнему выигрывает на коротких вызовах, чувствительных к задержке, где меньшее число токенов важнее низкой цены.

Что такое MiniMax M3.1 Flash?

Это M3 с тремя изменениями, которые MiniMax называет улучшением эффективности инференса. MiniMax M3.1 Flash вышла 19 октября 2026 года (release notes MiniMax, проверено 30 октября 2026 года) с 428B параметров всего и 23B активных на токен, та же форма, что у MiniMax M3. Изменения: sparse attention вместо первых трёх слоёв полного attention, обучение с учётом квантизации и спекулятивное декодирование DSpark (карточка модели на Hugging Face, проверено 30 октября 2026 года).

Даты взяты из release notes MiniMax, размеры из карточки на Hugging Face, цены со страницы цен MiniMax, всё проверено 30 октября 2026 года. Обе модели принимают 1M токенов контекста и рекомендуют 131,072 выходных токена при максимуме 524,288 (справка по chat API MiniMax, проверено 30 октября 2026 года).

До запуска MiniMax гоняла её анонимно под именем Space Bunny: там она обработала более 200 трлн токенов (пост о запуске MiniMax, 19 октября 2026 года). С 19 октября запросы к M2.5 и M2.7 в M Plan и Token Plan автоматически идут в M3.1 Flash, а сами эти две модели выводятся 18 ноября 2026 года (FAQ по моделям MiniMax, проверено 30 октября 2026 года).

В том же посте о запуске сказано, что M3.1 Flash делает онлайн-инференс «nearly three times faster» (почти в три раза быстрее) и снижает расходы на использование на 70%.

Веса открыты в репозитории Hugging Face MiniMaxAI/MiniMax-M3.1-Flash под лицензией MiniMax Community License (проверено 30 октября 2026 года).

Какие бенчмарки опубликовала MiniMax?

MiniMax опубликовала два отдельных набора цифр. Подробный в карточке M3.1 Flash, где модель сравнивают с Opus 5, GPT-5.6 Sol и ещё четырьмя моделями, но не с M3 (Hugging Face, проверено 30 октября 2026 года).

Она лидирует в Automation-Bench v1.0.6 с 62.8, где Opus 5 набирает 50.3, а GPT-5.6 Sol 45.8. В BankerToolBench она делит с Opus 5 результат 76.2. Одна модель из той же таблицы, DeepSeek V4.1 Flash-1017, обходит её в трёх строках по коду: 42.3 в Terminal Bench 4.0 против 38.1, 77.0 в DeepSWE против 73.7 и 68.2 в NL2Repo-Bench против 61.2.

В посте о запуске MiniMax говорится, что модель «ranks first among Chinese models» (занимает первое место среди китайских моделей) в OSWorld V2 и Agents' Last Exam. В таблице карточки Opus 5 набирает 70.6, а GPT-5.6 Sol 65.7 в OSWorld 2.0 против 61.7 у Flash, и в Agents' Last Exam Opus 5 (32.2) и GPT-5.6 Sol (30.6) стоят выше её 29.6.

Для M3 цифры взяты из её собственного запуска 1 июня 2026 года:

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

Это другие тесты, чем строки выше, поэтому два набора нельзя сравнивать построчно.

На Hacker News DCKing пишет, что модель «seems to be pretty benchmaxed» (выглядит довольно сильно подогнанной под бенчмарки) и что «in actual use, it doesn't survive the comparison to models in the benchmark» (в реальном использовании она не выдерживает сравнения с моделями из бенчмарка) (19 октября 2026 года).

Насколько она быстрая?

По токенам она быстрая, по ответу часто медленнее. MiniMax заявляет более 200 выходных токенов в секунду при медиане выше 170 и объясняет это более агрессивной разреженностью. Artificial Analysis, измеряя собственный API MiniMax, зафиксировала 118.9 токена в секунду против 101.0 у M3 и первый токен через 1.36 с против 1.11 с (проверено 30 октября 2026 года).

Наши прогоны показывают, куда уходит время. В каждой ячейке сначала общее время, затем время до первого токена в секундах; prompt с объяснением прогонялся дважды на модель, а вызов инструмента шёл без стриминга.

Мы измеряли 30 октября 2026 года. После первого токена Flash стримила примерно 76–239 токенов в секунду против 67–107 у M3, так что дело было не в чистой скорости токенов. Дело было в thinking: каждый стриминговый вызов Flash возвращал reasoning_content, и эти токены входят в общий счёт. M3 не вернула текст размышлений ни в одном вызове.

На Hacker News chriddyp по итогам прогона на собственном бенчмарке по аналитике данных пишет, что она «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» (тратит очень много токенов и это самая медленная модель, которую мы тестировали на экзамене; медлительность из-за числа токенов, а не из-за скорости инференса) (20 октября 2026 года).

Как она показала себя на тех же промптах?

Flash решила на одну задачу больше и всё равно была медленнее. Обе модели верно ответили 401 на вопрос по арифметике, обе покрыли все десять запрошенных пунктов по кэшированию HTTP и обе сделали два вызова инструментов для Парижа и Токио. Разница была в задаче по коду.

Выходные токены с учётом thinking:

Flash выдала 3,420 выходных токенов на пяти задачах против 1,408 у M3. Видимые ответы были близки: 377 и 425 слов в двух объяснениях Flash, 364 и 381 у M3, а текст размышлений Flash перед ними добавил ещё 394 и 496 слов.

Решила дело задача по коду. Flash вернула корректную merge_intervals с девятью assert, включая проверку, что входной список не меняется, и файл прошёл чисто. Логика слияния у M3 тоже была верной, но она сортирует интервалы в кортежи и превращает их обратно в список только при слиянии, поэтому merge_intervals([[5, 10]]) возвращает [(5, 10)]. Её собственный второй assert, assert merge_intervals([[5, 10]]) == [[5, 10]], падает.

Снижение effort сокращает ожидание. С reasoning_effort: "low" дополнительный прогон Flash занял 5.5 с вместо 25.2 с, дошёл до первого токена за 2.4 с вместо 16.1 с и выдал 429 токенов вместо 838. Функция была корректной, но один из её собственных assert ожидал слияния двух непересекающихся интервалов, поэтому файл остановился с AssertionError.

Размышления Flash выглядят как рубленый телеграфный английский. Её thinking в задаче на подсчёт начинался дословно: «We need answer. Need parse subtle: divisible by 3 or by 5, but not by 15.» (Нужен ответ. Нужно разобрать тонкость: делится на 3 или на 5, но не на 15.) На Hacker News simonw описывает тот же стиль и называет это «Reasoning traces use truncated English» (в трейсах рассуждений используется усечённый английский) (19 октября 2026 года).

Мы тестировали только текст: ввод изображений и видео, длинные контекстные промпты, более долгие агентные прогоны и уровни effort, отличные от стандартного и low, не проверялись, и обе модели мы вызывали через один OpenAI-совместимый endpoint, а не через собственный API MiniMax.

Сколько стоит одна задача?

Вдвое низкая цена за токен не сделала её дешевле на коротких промптах. На наших пяти вызовах Flash стоила $0.00220 против $0.00195 у M3, потому что выдала примерно в 2.4 раза больше выходных токенов. M3 стоила меньше в четырёх из пяти задач; Flash стоила меньше на вызове инструмента.

Цены взяты по прайс-листу MiniMax, кэшированный вход по тарифу кэша.

На длинных задачах картина переворачивается. Смешанная цена Artificial Analysis $0.10 за миллион токенов против $0.22 у M3 при смеси 7:2:1 из попаданий в кэш, входа и выхода, а средняя стоимость одной задачи Intelligence Index $0.49 против $1.29 (проверено 30 октября 2026 года). Там же Flash называют очень многословной: 160M выходных токенов по индексу при медиане 100M, у M3 100M.

Ещё одно отличие: у Flash цена фиксированная, $0.15 вход, $0.60 выход и $0.015 за кэшированный вход за миллион токенов. M3 стоит $0.30, $1.20 и $0.06 после постоянной скидки MiniMax 50% для промптов до 512K входных токенов; выше этого $0.60, $2.40 и $0.12. У M3 есть ещё уровень Priority в 1.5 раза дороже, который включается через service_tier: "priority", а у Flash уровня Priority нет (страница цен MiniMax, проверено 30 октября 2026 года).

M3.1 Flash или M3: что выбрать?

Для промптов по коду и агентных промптов Flash лучший выбор по умолчанию.

На наших коротких промптах M3 была быстрее в четырёх из пяти вызовов и дешевле в четырёх из пяти, а объяснения были такими же полными. Выбирать Flash стоит ради точности в работе, которую иначе пришлось бы переделывать: её файл с кодом прошёл все девять assert, а файл M3 нет.

В парном тесте из той же серии M3.1 Flash работала как пользовательская модель в Factory Droid и исправила баг с медианой за 30.7 секунды.

Если вы выбираете модель для Claude Code, лучшая модель для Claude Code сравнивает варианты Claude. У GLM-5.3, тоже из таблицы MiniMax, есть собственное сравнение GLM-5.3 и GLM-5.2, а преемник Kimi K3 в нашем обзоре Kimi K3.1 Pro.

Как вызвать M3.1 Flash?

OmniaKey отдаёт оба идентификатора через один OpenAI-совместимый endpoint, поэтому один ключ и одна форма запроса подходят для любой из моделей. Актуальные тарифы на странице модели M3.1 Flash и странице модели 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."}]
  }'

Ответ приходит в choices[0].message.content, а размышления в reasoning_content. Замените model на minimax-m3, чтобы вызвать M3.

1. reasoning_effort принимает low, medium, high, xhigh и max, а по умолчанию, если его не указывать, стоит max, режим, который думает больше всего (руководство MiniMax по генерации текста, проверено 30 октября 2026 года).
2. В Flash thinking отключить нельзя: запрос с отключённым thinking возвращает 400 с model "MiniMax-M3.1-Flash" requires adaptive thinking. M3 работает с thinking включённым, адаптивным или выключенным.
3. temperature и top_p игнорируются; обе модели всегда используют 1 и 0.95.

FAQ

MiniMax M3.1 Flash это open source?

Веса открыты в репозитории Hugging Face MiniMaxAI/MiniMax-M3.1-Flash, и карточка модели указывает лицензию MiniMax Community License (проверено 30 октября 2026 года). Это открытые веса с условиями.

Можно ли отключить thinking в M3.1 Flash?

Нет. Руководство MiniMax говорит, что thinking включён по умолчанию и отключить его нельзя, а запрос с отключённым thinking возвращает ошибку 400. Поставьте reasoning_effort в low, чтобы сократить размышления.

M3.1 Flash принимает изображения?

Руководство и карточка MiniMax указывают текст, изображения и видео на входе и текст на выходе (проверено 30 октября 2026 года); Artificial Analysis перечисляет для Flash только текст и изображения. В OmniaKey страница модели не указывает ввод изображений для minimax-m3.1-flash, поэтому отправляйте только текст. Наши прогоны были текстовыми.

Что такое Space Bunny?

Space Bunny это анонимная модель, работавшая до запуска; по словам MiniMax, она обработала более 200 трлн токенов и была ранней версией M3.1 Flash (пост о запуске, 19 октября 2026 года).

Какой размер у M3.1 Flash?

428B параметров всего и 23B активных на токен, с окном контекста 1M токенов, та же форма, что у M3. Это не уменьшенная модель: MiniMax объясняет эффективность инференса sparse attention, обучением с учётом квантизации и спекулятивным декодированием.

M3.1 Flash хороша для кода?

В нашей единственной задаче по коду она обошла M3: её merge_intervals прошла все девять assert, а файл M3 упал на собственном тесте. В карточке MiniMax она набирает 73.7 в DeepSWE v1.1, ниже DeepSeek V4.1 Flash-1017 с 77.0 в той же таблице.

Проверенные источники

• MiniMax: MiniMax M3.1 Flash — проверено 30 октября 2026 года
• MiniMax: MiniMax M3 — проверено 30 октября 2026 года
• MiniMax platform: pricing overview — проверено 30 октября 2026 года
• MiniMax platform: text generation guide — проверено 30 октября 2026 года
• MiniMax platform: model release notes — проверено 30 октября 2026 года
• MiniMax platform: models FAQ — проверено 30 октября 2026 года
• MiniMax platform: chat API reference — проверено 30 октября 2026 года
• Hugging Face: MiniMax-M3.1-Flash — проверено 30 октября 2026 года
• Hugging Face: MiniMax-M3 — проверено 30 октября 2026 года
• Artificial Analysis: MiniMax-M3.1-Flash — проверено 30 октября 2026 года
• Artificial Analysis: MiniMax-M3 — проверено 30 октября 2026 года
• Hacker News: ветка запуска MiniMax M3.1 Flash — проверено 30 октября 2026 года
• Hacker News: DCKing о бенчмарках, chriddyp о скорости и simonw о трейсах рассуждений — проверено 30 октября 2026 года