विस्तृत विश्लेषण · लगभग 5 मिनट पढ़ना
MiniMax M3.1 Flash: एजेंट स्कोर, गति और API लागत को अलग समझें
19 अक्टूबर की घोषणा में मूल्यांकन और टोकन दरें हैं; मॉडल वेट और Pro अभी बाद में आने हैं।
- स्रोत की तारीख
- यहाँ प्रकाशित
- स्रोत जाँचा गया
MiniMax ने 19 अक्टूबर को M3.1 Flash घोषित किया। इसमें एजेंट, कोडिंग, कंप्यूटर उपयोग और सुरक्षा परीक्षणों के साथ API दरें दी गई हैं। लेख अभी उपलब्ध सेवाओं और भविष्य के वेट तथा Pro में फर्क करता है। नतीजे कंपनी के हैं, AISubHub के स्वतंत्र परीक्षण नहीं।
समाचार सुनें
यह लेख सुनें या समाचार लगातार चलाएँ।
पढ़ने की तैयारी हो रही है…
डिवाइस की आवाज़
वाक् प्रक्रिया आपके ब्राउज़र या डिवाइस में होती है। AISubHub पाठ किसी ऑडियो API को नहीं भेजता। आवाज़ों और लॉक स्क्रीन पर चलने की सुविधा डिवाइस पर निर्भर है।
जारी करने पर छोटा वाक्यांश दोहराया जा सकता है।
मुख्य बातें
- प्रति दस लाख टोकन इनपुट $0.15, आउटपुट $0.60 और कैश इनपुट $0.015 है। एजेंट कार्यों की कुल उपयोग लागत 70% कम होने का अलग दावा इन सभी दरों पर समान छूट नहीं है।
- MiniMax ने DeepSWE v1.1 में 73.7%, OSWorld V2 में 61.7 अंक, ALE में 29.6 अंक और CyberGym में 82% बताया। अलग कार्यों को एक साझा गुणवत्ता स्कोर नहीं मानना चाहिए।
अभी उपलब्ध सेवाएँ और भविष्य की रिलीज
घोषणा के अनुसार M3.1 Flash को MiniMax API, M Plan और MiniMax Code से उपयोग किया जा सकता है। कंपनी गुमनाम Space Bunny को शुरुआती संस्करण बताती है जिसने 200 ट्रिलियन से अधिक टोकन संसाधित किए। यह कंपनी का उपयोग संबंधी आँकड़ा है; इससे ग्राहकों का मिश्रण या स्वतंत्र विश्वसनीयता नहीं पता चलती। अंतिम अनुच्छेद मॉडल वेट और अधिक सक्षम Pro को भविष्य में रखते हैं। इसलिए API शुरू होने को ओपन-वेट रिलीज पूरी होना नहीं लिख सकते। M Plan का प्रवेश मार्ग होना भी मुफ्त API क्रेडिट या सभी उत्पादों के समान अधिकार सिद्ध नहीं करता।
एजेंट और कोडिंग परीक्षण वास्तव में क्या जाँचते हैं
MiniMax के अनुसार AutomationBench-AA बिक्री, संचालन और वित्त जैसे SaaS प्रणालियों के बीच व्यावसायिक प्रवाह जाँचता है। 76.2 वाला BankerToolBench बहुचरणीय योजना, दस्तावेजों की संगति, वित्तीय अनुपालन और जुड़े टूल कॉल देखता है। DeepSWE v1.1 में बताया गया 73.7% कोड समझने, फीचर बनाने, समस्या सुधारने और परीक्षण से सत्यापन करने से जुड़ा है। हमारी व्याख्या में ये अपनी जरूरत से मेल खाता परीक्षण चुनने की श्रेणियाँ हैं, किसी भी प्रक्रिया को बिना निगरानी सौंपने का प्रमाण नहीं। पहले अपने टूल और स्वीकृति कसौटियाँ तय करना उचित है।
कंप्यूटर उपयोग और सुरक्षा की अलग सीमाएँ
OSWorld V2 का प्रकाशित नतीजा 61.7 और Agents’ Last Exam का 29.6 अंक है, जिन्हें कंपनी कंप्यूटर संचालन, कई ऐप में काम और पेशेवर कार्यों से जोड़ती है। CyberGym में 82% तथा ऑडिट, पैच, पैठ परीक्षण, मालवेयर विश्लेषण और रिवर्स इंजीनियरिंग पर आंतरिक विशेषज्ञ टिप्पणियाँ भी हैं। आंतरिक अवलोकन बाहरी सुरक्षा प्रमाणन नहीं हैं। हम अधिकृत, सीमित वातावरण और कार्यानुसार मंजूरी तथा पुनर्प्राप्ति प्रक्रियाएँ सुझाते हैं। यह परीक्षण सलाह है, हमारे द्वारा किया गया परीक्षण नहीं, और बेंचमार्क अंक से संचालन जोखिम समाप्त नहीं होता।
टोकन की दर और कार्य का खर्च अलग हैं
प्रति दस लाख टोकन की डॉलर दरें इनपुट 0.15, आउटपुट 0.60 और कैश इनपुट 0.015 हैं। अलग से MiniMax कहता है कि एजेंट कार्यों की कुल उपयोग लागत पूर्ववर्ती से 70% कम है। यह हर कार्यभार में समान बचत का वादा नहीं है। हमारी समझ में आउटपुट की लंबाई, कैश की पात्रता, टूल के दोहराव और असफल कोशिशें एक जैसे इनपुट की बिल राशि भी बदल सकती हैं। लागू टोकन श्रेणियाँ और हर स्वीकार कार्य का कुल खर्च दर्ज करना चाहिए। ये API उपयोग की कीमतें हैं, मासिक सदस्यता का मूल्य नहीं।
आउटपुट गति ही पूरा प्रतिक्रिया अनुभव नहीं
MiniMax अधिक आक्रामक sparsity को दक्षता का कारण बताता है और ऑनलाइन इन्फरेंस लगभग तीन गुना तेज, आउटपुट 200 से अधिक टोकन प्रति सेकंड तथा P50 मध्यिका लगातार 170 से अधिक बताता है। ये विक्रेता के संचालन आँकड़े हैं, किसी खास खाते की गारंटी नहीं। इससे पहले टोकन का इंतजार, लंबी देरी वाले अनुरोध या एजेंट कार्य पूरा होने का कुल समय तय नहीं होता। निश्चित कार्यभार पर प्रतीक्षा, पाठ निर्माण और टूल चलने का समय अलग मापना हमारी सलाह है। बाहरी सेवाओं का विलंब भी अनुभव बदलता है।
उपयोगी पायलट अंतिम काम की स्वीकृति जाँचता है
अपेक्षित आउटपुट वाले प्रतिनिधि कार्य और सीमित टूल चुनकर मॉडल संस्करण तथा अंकन नियम स्थिर रखे जा सकते हैं। सफलता, विफल कोशिश, मानव समीक्षा, कुल टोकन और बीता समय लिखें; समान स्वीकृति स्तर वाले नतीजे ही तुलना में लें। यह हमारी सलाह है, इस लेख का निष्पादित प्रयोग नहीं। घोषणा कम लागत वाले एजेंट मॉडल की जाँच का कारण देती है, लेकिन व्यापक क्षमता दावों के लिए अपने काम का प्रमाण चाहिए। खरीद से पहले वर्तमान पहुँच और शर्तें जाँचें; API, कोडिंग उत्पाद और सदस्यता के अधिकार समान न मानें।
यह क्यों अहम है
छोटे सीमित परीक्षण में स्वीकार किए गए कार्य, समय और कुल खर्च साथ देखें। सस्ता टोकन तभी उपयोगी है जब गुणवत्ता बनी रहे और बार-बार कोशिश या मानवीय सुधार बहुत न बढ़ें।
सीमाएँ और उपलब्धता
हमने पूरी घोषणा पढ़ी, लेकिन API नहीं चलाई, बेंचमार्क दोहराए नहीं और सशुल्क खाते के लाभ जाँचे नहीं। सार्वभौमिक बचत, उत्पादन में विलंब या डाउनलोड योग्य वेट की उपलब्धता साबित नहीं हुई है।
स्रोत और प्रमाण
स्रोत की तारीख: 19 अक्टू॰ 2026 · स्रोत जाँचा गया: 20 अक्टू॰ 2026
AI की सहायता से लिखे लेखों को दिए गए प्राथमिक स्रोतों से जाँचा जाता है। प्रदाता के दावों का श्रेय स्पष्ट है; सूची में होना समर्थन नहीं है।