Подробный разбор · Около 4 мин чтения
MiniMax M3.1 Flash: разделяем оценки, скорость и стоимость API
Анонс от 19 октября содержит тесты и тарифы за токены; веса модели и Pro обещаны позднее.
- Дата источника
- Опубликовано здесь
- Источник проверен
19 октября MiniMax представила M3.1 Flash, объединив оценки агентов, программирования, работы с компьютером и безопасности с таблицей API. Текст различает доступные сервисы и будущие веса с Pro. Результаты сообщает поставщик; AISubHub их не воспроизводил.
Слушать новости
Прослушайте эту статью или включите новости подряд.
Подготовка чтения…
Голос устройства
Речь обрабатывает браузер или устройство. AISubHub не отправляет текст в аудио-API. Доступные голоса и работа при заблокированном экране зависят от устройства.
При продолжении короткая фраза может повториться.
Кратко
- За миллион токенов указаны $0,15 за вход, $0,60 за выход и $0,015 за кешированный вход. Заявление о снижении общих расходов на агентные задачи на 70% имеет другой смысл.
- MiniMax сообщает 73,7% в DeepSWE v1.1, 61,7 балла в OSWorld V2, 29,6 в ALE и 82% в CyberGym. Разные задачи нельзя объединять в одну оценку качества.
Что доступно сейчас, а что только обещано
Согласно анонсу, M3.1 Flash доступна через MiniMax API, M Plan и MiniMax Code. Анонимный сервис Space Bunny назван ранней версией, обработавшей свыше 200 триллионов токенов. Это сведения поставщика: они не раскрывают состав клиентов и не доказывают независимую надёжность. Заключительные абзацы относят публикацию весов и более мощной версии Pro к будущему. Поэтому запуск API нельзя описывать как состоявшийся выпуск открытых весов. Упоминание M Plan как способа доступа также не подтверждает бесплатные API-кредиты или одинаковые права разных продуктов.
Что проверяют агентные и программные тесты
MiniMax описывает AutomationBench-AA как корпоративные процессы между SaaS-системами, включая продажи, операции и финансы. BankerToolBench с заявленными 76,2 проверяет многошаговое планирование, согласованность документов, финансовое соответствие и цепочки вызовов инструментов. DeepSWE v1.1 с 73,7% охватывает понимание кода, новые функции, исправления и проверку тестами. На наш взгляд, категории помогают выбрать задачи, близкие к своей нагрузке, но не доказывают готовность любого процесса к работе без надзора. Перед сравнением итоговых баллов командам стоит определить собственные инструменты и критерии приёмки.
Границы компьютерных и защитных возможностей
Опубликованы 61,7 балла OSWorld V2 и 29,6 Agents’ Last Exam; MiniMax связывает их с управлением компьютером, работой между приложениями и профессиональными задачами. Также сообщаются 82% CyberGym и внутренние экспертные оценки аудита, исправления уязвимостей, тестирования на проникновение, анализа вредоносного ПО и обратной разработки. Внутренние наблюдения не являются внешней сертификацией безопасности. Мы рекомендуем разрешённую изолированную среду с подходящими согласованиями и восстановлением. Это совет по проверке, а не выполненный нами тест и не основание считать эксплуатационные риски устранёнными.
Тариф за токен не равен расходам на задачу
Долларовые ставки за миллион токенов составляют 0,15 за вход, 0,60 за выход и 0,015 за кешированный вход. Отдельно MiniMax заявляет, что общие расходы на агентные задачи на 70% ниже предшественника. Это не обещание одинаковой экономии при любой нагрузке. Длина ответа, применимость кеша, циклы инструментов и неудачные попытки способны изменить счёт даже при одинаковом входе. Наш анализ предлагает учитывать категории токенов и итоговую стоимость принятой задачи. Речь идёт о потреблении API, а не о месячной подписке или сопоставимой цене её пополнения.
Почему пропускная способность не равна отзывчивости
MiniMax связывает эффективность с более агрессивной разреженностью и сообщает почти трёхкратное ускорение онлайн-инференса, более 200 выходных токенов в секунду и устойчивую медиану P50 выше 170. Это эксплуатационные показатели поставщика, не гарантия для конкретного аккаунта. Они не определяют ожидание первого токена, хвостовые задержки либо полное время работы агента. Мы предлагаем отдельно измерять ожидание, генерацию и инструменты на фиксированной нагрузке. Задержки внешних систем тоже влияют на результат, поэтому один токенный показатель не описывает весь пользовательский опыт.
Полезный пилот проверяет принятую работу
Можно выбрать типичные задачи с ожидаемыми выходами и ограниченными инструментами, зафиксировав версию модели и правила оценки. Следует записывать успехи, ошибки, ручную проверку, токены и прошедшее время и сравнивать только результаты с одинаковым стандартом приёмки. Это наша рекомендация, не эксперимент данной статьи. Анонс даёт повод изучить более дешёвую агентную модель, но широким заявлениям нужны доказательства на конкретной работе. Перед закупкой необходимо проверить актуальный доступ и условия, не предполагая одинаковых прав API, инструмента программирования и подписки.
Почему это важно
Ограниченный пилот должен сопоставлять принятые задачи, время и полные расходы. Дешёвые токены полезны, если качество достигается без чрезмерных повторов и ручного исправления.
Ограничения и доступность
Мы прочитали полный анонс, но не вызывали API, не повторяли тесты и не проверяли платные права. Универсальная экономия, задержка в эксплуатации и наличие загружаемых весов этим не подтверждены.
Источники и подтверждения
Дата источника: 19 окт. 2026 г. · Источник проверен: 20 окт. 2026 г.
Материалы подготовлены с помощью ИИ и сверены с указанными первоисточниками. Заявления поставщиков атрибутированы; публикация не означает рекомендацию.