MiniMax M3.1 Flash: informes lo sitúan líder en tareas de agentes; coste de API y facturación por franjas, claves para desarrolladores
Según un informe de Xinzhiyuan del 19 de octubre de 2026, MiniMax publicó M3.1 Flash, ya disponible en la API de MiniMax, M Plan y MiniMax Code, y el modelo de texto predeterminado del CLI oficial ya cambió. El informe afirma que destaca en pruebas como Automation-Bench y LOCA-Bench 256K, con contexto de un millón de tokens y cinco niveles de ajuste effort.
Qué ha cambiado
Según un informe de Xinzhiyuan del 19 de octubre de 2026, MiniMax lanzó oficialmente M3.1 Flash dos días después de la publicación de DeepSeek V4.1 Flash-1017, y afirma que ya está disponible en la API oficial de MiniMax, M Plan y MiniMax Code, y que el modelo de texto predeterminado del repositorio CLI oficial cambió a MiniMax-M3.1-Flash. El informe indica que el modelo soporta de forma nativa contexto de un millón de tokens y puede leer directamente texto, imágenes y vídeo; el modo de pensamiento está activado por defecto y puede ajustarse mediante el parámetro effort entre cinco niveles: low, medium, high, xhigh y max; si no se especifica, el valor predeterminado es max. Los datos de evaluación citados en el informe señalan: DeepSWE v1.1 obtiene 73,7 puntos en el nivel max, Automation-Bench 62,8 puntos, el primero, LOCA-Bench 256K 60,3 puntos, BankerToolBench 76,2 puntos y CyberGym 82,2 puntos; en uso de computadora, OSWorld 2.0 obtiene 61,7 puntos y Agents' Last Exam una tasa de aprobación del 29,6%, y el informe estima que ejecutar todo el conjunto ALE cuesta unos 739 yuanes. El informe también afirma que la velocidad de salida diaria puede superar los 200 TPS, con una mediana estable por encima de 170 TPS, y que su predecesor fue el modelo anónimo Space Bunny. Cabe señalar: todos los datos anteriores son resultados de evaluación oficiales o de terceros citados en el informe, no verificados de forma independiente en este artículo, y algunos nombres y versiones de modelos comparados quedan fuera del alcance verificable.
Impacto para desarrolladores
El impacto para los desarrolladores se concentra en tres puntos: la estructura de facturación, los parámetros predeterminados y la estrategia de contexto. El informe afirma que M3.1 Flash cuesta 1 yuan por millón de tokens de entrada, 4 yuanes por millón de tokens de salida y 0,1 yuanes por millón de tokens de lectura de caché, sin facturación por franjas horarias; además, el informe compara y señala que DeepSeek V4.1 Flash-1017 cobra en dos tramos, hora punta y hora valle, con 2 yuanes por millón de tokens de entrada y 8 yuanes por millón de tokens de salida en horario punta de días laborables. Si esa descripción fuera cierta, las cargas de agentes que se ejecutan principalmente durante el día en empresas amplificarían la diferencia de costes entre ambos por la variación horaria, mientras que las cargas por lotes nocturnas mostrarían una diferencia mucho menor. El segundo punto es el valor predeterminado del parámetro effort: el informe afirma que si no se especifica, el valor predeterminado es max, lo que significa que las integraciones que no pasan el parámetro explícitamente consumirán tokens de pensamiento y latencia en el nivel más pesado, elevando la factura y el tiempo de respuesta. Tercero, el contexto de un millón de tokens y la lectura directa de multimedia amplían el tamaño de entrada que puede soportar una sola solicitud, convirtiendo la decisión entre «rellenar todo directamente o recortar con recuperación» en una disyuntiva que debe medirse según la tasa de aciertos de caché; el informe, calculando sobre mil millones de tokens de entrada, indica que una tasa de aciertos de caché del 90% y del 95% llevarían a conclusiones distintas. Cuarto, el informe afirma que la empresa sitúa M3.1 Flash en primer lugar en la lista de modelos de la documentación de la API, y que la versión Pro, orientada al máximo de inteligencia, se lanzará más tarde, sin calendario ni compromiso de disponibilidad por ahora.
Integración y evaluación
Lo siguiente son recomendaciones y análisis condicionales basados en el informe, no hechos verificados. Primera decisión: si establecer M3.1 Flash como modelo predeterminado del flujo de trabajo de agentes. La base es que el informe afirma que obtiene 62,8 puntos en Automation-Bench, el primero, y un coste por tarea de unos 0,25 a 0,3 yuanes. El punto de elección real es el nivel de effort: si no se pasa el parámetro explícitamente, equivale a usar max durante todo el proceso. Condiciones de aplicabilidad: procesos por lotes que abarcan varios sistemas SaaS y donde la tasa de éxito global prima sobre la latencia de cada paso pueden probarse como reemplazo prioritario; las llamadas de un solo paso, de bajo riesgo y sensibles a la latencia deberían bajarse explícitamente a low o medium. Criterio de evaluación: extraer de 50 a 100 tareas de los procesos de negocio reales para formar un conjunto de evaluación fijo, ejecutarlo en los niveles medium y max, y registrar la tasa de éxito de extremo a extremo, el total de tokens, el coste real por tarea y la latencia P95, con la condición de aprobar si la tasa de éxito no es inferior a la del modelo actual y el coste por tarea es menor que la solución actual. Segunda decisión: si el contexto largo y la entrada multimedia deben reemplazar la canalización actual de recuperación y recorte. La base es el contexto de un millón de tokens y la lectura directa de texto, imágenes y vídeo citados en el informe. El punto de elección está entre rellenar todo directamente o mantener el recorte, y la condición es la tasa de aciertos de caché real: el informe muestra que las conclusiones de coste difieren entre un 90% y un 95% de aciertos. Criterio de evaluación: medir en ambas canalizaciones, sobre el mismo conjunto de evaluación, la consistencia de las respuestas, la latencia hasta el primer token y la latencia P95, y el coste por cada mil llamadas calculado con la tasa de aciertos real, eligiendo la de menor coste con una diferencia de calidad aceptable. Tercera decisión: si enrutar de forma mixta entre modelos Flash nacionales según el tipo de tarea. El informe afirma que DeepSeek tiene más ventaja en tareas de ingeniería de software de DeepSWE y MiniMax destaca en flujos de trabajo empresariales y llamadas a herramientas financieras, lo cual es una síntesis del informe, no una conclusión firme. El requisito previo es que la semántica de errores, los tiempos de espera y los reintentos de ambas API puedan encapsularse de forma unificada. Criterio de evaluación: la tasa de éxito total y el coste total del mismo lote de tareas mixtas con un solo modelo y con el esquema de enrutamiento; si la complejidad del enrutamiento no se compensa con una mejora medible en tasa de éxito o coste, conviene volver a un solo modelo.
Límites y cuestiones pendientes
Cabe aclarar: según la verificación del catálogo actual, en la lista de modelos vigente de KimiSeek no existe MiniMax M3.1 Flash, ni ninguna entrada de la serie MiniMax; por lo tanto, la disponibilidad en API mencionada en el informe se refiere a los canales oficiales de MiniMax, y este artículo no indica que el modelo esté disponible en KimiSeek. Todas las puntuaciones de referencia, velocidades, costes y descripciones de precios del texto provienen del informe de Xinzhiyuan del 19 de octubre de 2026, son evaluaciones oficiales o de terceros citadas y no se han reproducido de forma independiente en este artículo; algunos nombres y versiones de modelos comparados quedan fuera del alcance verificable y no debe inferirse de ellos un orden real de capacidades. Las cifras mencionadas en el informe, como 1 yuan por millón de tokens de entrada y 4 yuanes por millón de tokens de salida, son el criterio del informe en el momento de la publicación y no constituyen precios vigentes; antes de la integración debe consultarse la página oficial de precios y la documentación de MiniMax, y este artículo no repite ni fija ningún precio actual. El informe afirma que la versión Pro se lanzará más tarde, lo cual es información prospectiva, sin fecha de lanzamiento ni compromiso de disponibilidad; las diferencias de calidad y coste entre los niveles de effort también solo están descritas a nivel de informe y deben comprobarse por cuenta propia. El rendimiento real bajo distintas regiones, concurrencia y límites de velocidad puede diferir notablemente de las cifras de TPS del informe.