MiniMax M3.1 Flash подешевел на 70% в агентных задачах

MiniMax 19 октября открыла доступ к M3.1 Flash. Миллион входных токенов стоит 0,15 доллара, миллион выходных 0,60, и компания обещает, что агентные задачи на этой модели обойдутся на 70% дешевле, чем на предшественнике.

Модель уже успела поработать до анонса. Как говорится в блоге MiniMax, её ранней версией была анонимная Space Bunny, через которую прошло больше 200 триллионов токенов. Testing Catalog уточняет, что под этим именем модель висела на OpenRouter. В примечаниях к релизам MiniMax называет M3.1 Flash «сверхэффективной моделью с открытыми весами для повседневной работы».

Сколько стоит токен

Тариф плоский: 0,15 доллара за миллион входных токенов, 0,60 за выходные и 0,015 за кэшированный вход. Ступеней по длине контекста нет. У флагманской M3, вышедшей 1 июня, цена другая: по сведениям Artificial Analysis, 0,30 и 1,20 доллара при контексте до 512K и 0,60 и 2,40 от 512K до 1M. За токен Flash выходит вдвое дешевле младшего тарифа M3 и вчетверо дешевле старшего.

Цифра в 70% относится к другому показателю. MiniMax сравнивает общую стоимость использования в агентных задачах, а не прайс за токен, и сравнивает с «предшественником», которого не называет. На графиках компании три теста: AutomationBench для агентных задач, DeepSWE для программирования и Agents' Last Exam для работы за компьютером. По словам MiniMax, на всех трёх M3.1 Flash держится на уровне топовых моделей при «очень низкой стоимости задачи».

Откуда скорость

Онлайн-инференс, по данным MiniMax, стал почти втрое быстрее. В обычной работе модель выдаёт больше 200 токенов в секунду, а медианная скорость (P50) стабильно держится выше 170. Объясняют это «более агрессивной разреженностью»: на каждом шаге модель считает только часть весов или связей внимания, остальные пропускает.

Свою разреженную схему MiniMax описывала и раньше. 11 июня компания опубликовала на Hugging Face статью о механизме MiniMax Sparse Attention, а репозиторий M3 там значится с 427B параметров. Сколько параметров у Flash, MiniMax не сообщает.

Что показали бенчмарки

Все цифры ниже MiniMax намерила сама:

• DeepSWE v1.1: 73,7%. Тест на сложные задачи, где модель сама разбирается в коде, пишет фичи, чинит баги и проверяет работу тестами.
• BankerToolBench: 76,2. Многошаговое планирование, согласованность между документами и файлами, финансовый комплаенс, цепочки вызовов инструментов.
• OSWorld V2: 61,7. Управление компьютером и задачи, которые идут через несколько приложений.
• Agents' Last Exam (ALE): 29,6. Реальная профессиональная работа и сложные задачи.
• CyberGym: 82%. Поиск и подтверждение уязвимостей.

На OSWorld V2 и ALE MiniMax называет модель первой среди китайских. На AutomationBench-AA, где проверяют сквозные корпоративные процессы в SaaS-системах (продажи, маркетинг, поддержка, финансы, HR), компания относит её к лидерам, но числа не приводит.

DeepSWE MiniMax подаёт как результат «наравне с топовыми моделями». Рядом с Opus 5 это правда: в октябре в таблице DeepSeek он значился с 74,0. Но открытая DeepSeek-V4.1-Flash-1017 на той же версии теста показала 77,0, и до неё M3.1 Flash не дотягивает 3,3 пункта. Testing Catalog округляет результат MiniMax до 74%.

По безопасности есть ещё внутренняя оценка. Эксперты MiniMax гоняли модель на аудите кода, патчах уязвимостей, пентесте, анализе вредоносного ПО и реверс-инжиниринге, и, по словам компании, она везде показала себя сильно.

Когда будут веса

Сейчас M3.1 Flash доступна через MiniMax API, подписку M Plan и десктопное приложение MiniMax Code. Пока веса не выложены, других способов её запустить нет. Старшая Pro, которая, по формулировке MiniMax, «раздвигает границы интеллекта», тоже выйдет позже.

Задержка между API и весами у MiniMax уже бывала. Про M3 Artificial Analysis писала, что веса обещали примерно через 10 дней после запуска API, а веса M2.7 вышли под лицензией с коммерческими ограничениями. Лицензию M3.1 Flash пока не назвали. В блоге MiniMax сказано только, что веса появятся позже, а Testing Catalog называет дату: 23 октября.