MiniMax M3.1 Flash リリース：Agent タスク報道で首位、API コストと時間帯課金が開発者の重要変数に
新智元の2026年10月19日の報道によると、MiniMax は M3.1 Flash を発表し、MiniMax API、M Plan、MiniMax Code で提供開始済みで、公式 CLI のデフォルトテキストモデルも切り替わった。報道では Automation-Bench、LOCA-Bench 256K などのテストで上位に入り、100万トークンのコンテキストと effort の5段階調整を備えるとされる。
主な変更
新智元の2026年10月19日の報道によると、MiniMax は DeepSeek V4.1 Flash-1017 の発表から2日後に M3.1 Flash を正式に打ち出し、MiniMax 公式 API、M Plan、MiniMax Code で提供開始済み、公式 CLI リポジトリのデフォルトテキストモデルが MiniMax-M3.1-Flash に切り替わったとされる。報道では、このモデルは100万トークンのコンテキストをネイティブにサポートし、テキスト、画像、動画を直接読み取れるという。思考モードはデフォルトで常時オンであり、effort パラメータで low、medium、high、xhigh、max の5段階に調整可能で、未指定の場合は max がデフォルトとされる。報道が伝える評価データによれば、DeepSWE v1.1 は max で73.7点、Automation-Bench は62.8点で首位、LOCA-Bench 256K は60.3点、BankerToolBench は76.2点、CyberGym は82.2点を記録。コンピュータ操作では OSWorld 2.0 が61.7点、Agents' Last Exam の通過率は29.6%で、ALE 一式の実行には約739元かかると報道は試算する。また、日常の出力速度は200+ TPS に達し、中央値は170+ TPS で安定するとされ、前身は匿名モデル「太空兔」Space Bunny とされる。ただし、これらはすべて報道が伝えた公式または第三者による評価データであり、本記事で独自に検証したものではなく、一部の比較モデルの名称とバージョンは確認可能な範囲を超えている。
開発者への影響
開発者への影響は、課金体系、デフォルトパラメータ、コンテキスト戦略の3点に集中する。報道によれば、M3.1 Flash は100万トークンあたり入力1元、出力4元、キャッシュ読み取り0.1元で、時間帯による料金区分はない。一方で報道は、DeepSeek V4.1 Flash-1017 がピークとオフピークの2段階で課金し、平日昼間のピーク時間帯は入力2元、出力8元と指摘する。この説明が事実であれば、主に企業が昼間に実行する Agent 負荷では時間帯の違いが両社のコスト差を拡大し、夜間のバッチ処理負荷では差はずっと小さくなる。第2点は effort パラメータのデフォルト値である。報道では未指定時は max がデフォルトとされ、これは明示的にパラメータを渡さない統合が最も重い段階で思考トークンと遅延を消費し、請求額と応答時間がともに増えることを意味する。第3に、100万トークンのコンテキストとマルチメディア直接読み取りは、1リクエストで扱える入力規模を広げ、「全文を直接入れるか、検索で絞るか」をキャッシュヒット率に基づいて実測すべきトレードオフにする。報道は10億入力トークンで試算し、キャッシュヒット率90%と95%では結論が異なるとする。第4に、報道では公式が M3.1 Flash を API ドキュメントのモデル一覧の先頭に置き、知能の上限を追求する Pro バージョンは後日登場とされるが、後者には現時点でタイムテーブルも可用性の約束もない。
導入と評価の提案
以下はすべて報道に基づく提案と条件分析であり、確認済みの事実ではない。第1の判断は、M3.1 Flash を Agent ワークフローのデフォルトモデルにするかどうかである。根拠は、報道で Automation-Bench が62.8点で首位、タスクあたりコストが約0.25〜0.3元とされる点にある。実際の選択点は effort の段階であり、明示的にパラメータを渡さなければ常に max 段階を使うことになる。適用条件として、複数の SaaS システムをまたぐタスクで、単一ステップの遅延よりも全体の成功率を優先するバッチ処理は、まず置き換えて試す価値がある。逆に単一ステップで低リスク、遅延に敏感な呼び出しは、明示的に low や medium に下げるべきである。評価基準としては、自社の実際の業務フローから50〜100件のタスクを抽出して固定評価セットを作り、medium と max の両段階でそれぞれ実行し、エンドツーエンドの成功率、総トークン数、タスクあたりの実費用、P95遅延を記録する。合格条件は、成功率が現行モデル以上、タスクあたり費用が現行案より低いこととする。第2の判断は、長コンテキストとマルチメディア入力を既存の検索・絞り込みパイプラインの置き換えに使うかどうかである。根拠は報道の100万トークンコンテキストとテキスト・画像・動画の直接読み取りである。選択点は全文投入か絞り込み維持かにあり、条件は実際のキャッシュヒット率で、報道ではヒット率90%と95%でコスト結論が異なる。評価基準としては、同じ評価セットで両パイプラインの回答一貫性、初回トークン遅延と P95遅延、実際のヒット率で換算した1000回あたりコストを測り、品質差が許容できてコストが低い方を取る。第3の判断は、タスク種別に応じて中国の Flash モデル間を混合ルーティングするかどうかである。報道では DeepSeek が DeepSWE のソフトウェアエンジニアリングタスクで優位、MiniMax が企業ワークフローと金融ツール呼び出しで目立つとされるが、これは報道のまとめであり定論ではない。前提は、両 API のエラー意味論、タイムアウト、リトライを統一的にラップできることである。評価基準としては、同じ混合タスク群を単一モデルとルーティング案で実行した総成功率と総費用を比較し、ルーティングの複雑さが測定可能な成功率や費用の改善で報われないなら、単一モデルに戻すべきである。
制限と未確認事項
明確にしておく。今回のカタログ確認時点で、KimiSeek の現行モデル一覧に MiniMax M3.1 Flash は存在せず、MiniMax シリーズの項目もない。したがって報道の API 提供開始は MiniMax 公式チャネルを指し、本記事は同モデルが KimiSeek で提供中であることを示さない。文中のベンチマークスコア、速度、コスト、価格の記述はすべて新智元の2026年10月19日の報道に由来し、伝えられた公式または第三者の評価であって、本記事で独立に再現したものではない。一部の比較モデルの名称とバージョンは確認可能な範囲を超えており、実際の能力順位を推測する根拠にすべきではない。報道で言及された100万トークンあたり入力1元、出力4元などの数字は発表当時の報道の表現であり、現行価格を構成しない。導入前に MiniMax 公式の価格ページとドキュメントを確認すべきであり、本記事は現行価格を復唱・固定化しない。Pro バージョンは後日登場と報道されているが、これは先行情報であり、発売日や可用性の約束はない。effort 各段階の品質とコストの差も報道レベルの記述にとどまり、自分で実測する必要がある。地域、並行性、レート制限の条件が異なれば、実際のスループットは報道の TPS 値と大きく異なる可能性がある。