MiniMax, M3.1 Flash API 공개: 428B MoE·1M 컨텍스트, 추론 상시 활성화로 연동 방식 변화

MarkTechPost가 2026년 10월 19일 보도한 바에 따르면, MiniMax는 API에 M3.1 Flash를 공개했다. 총 428B 파라미터, 약 23B 활성, 1M 토큰 컨텍스트, 입력 0.15달러·출력 0.60달러(백만 토큰당)이며, 공식은 가중치를 10월 23일 공개할 예정이라고 밝혔으나 라이선스는 아직 공개되지 않았다.

게시 2026. 10. 19.수정 2026. 10. 25.

주요 변화

MarkTechPost가 2026년 10월 19일 보도한 바에 따르면, MiniMax는 자사 API에 MiniMax M3.1 Flash(플랫폼 모델명 MiniMax-M3.1-Flash)를 공개했다. 코딩, 에이전트 사무 작업, 시각 추론을 겨냥한 멀티모달 MoE 모델이라는 위치다. 출처는 총 428B 파라미터, 약 23B 활성 파라미터, 100만 토큰 컨텍스트를 제시하고, 희소 어텐션과 네이티브 비전 인코더를 언급하며, 입력은 텍스트·이미지·비디오를 지원하고 출력은 텍스트라고 전했다. 이 파라미터 총량은 MiniMax M3와 동일하며, 출처는 MiniMax가 Flash 변형의 구체적 변경 사항을 설명하는 기술 보고서를 내지 않았다고 지적했다. 보도에 따르면 보도 시점에 이 모델은 MiniMax API, M Plan, MiniMax Code 데스크톱에서 사용 가능했고, Anthropic 호환 및 OpenAI 호환 접근(Chat Completions와 Responses 포함)을 지원한다. 보도는 통합 가격으로 백만 입력 토큰당 0.15달러, 출력 0.60달러, 캐시 읽기 0.015달러, 장문 컨텍스트 추가 요금 없음을 제시했으며, 출처는 이것이 M3 표준 요율의 토큰당 약 절반이라고 전했다. 추론은 항상 켜져 있고 끌 수 없으며, Low, Medium, High, Xhigh, Max 다섯 단계의 노력 등급을 제공하고 MiniMax는 기본값으로 Max를 권장한다. thinking.type=disabled 또는 effort=none을 보내면 오류가 나며, 추론 내용은 누락될 수 있는 reasoning_content 필드에 담긴다. 출처는 가중치가 2026년 10월 23일 공개될 예정이라고 전했고, 라이선스는 공개되지 않았으며 자체 호스팅 하드웨어도 공개되지 않았다. 또한 Space Bunny가 M3.1 Flash의 초기 빌드라고 전했다. 모든 벤치마크 점수는 MiniMax가 보고한 것이며 아직 독립적 재현은 없다.

개발자에게 미치는 영향

개발자에게 가장 직접적인 결과는 파라미터 규모가 아니라 연동 계약의 변화다. 추론을 끌 수 없다는 것은 모든 요청에 추론 토큰과 지연 하한이 존재한다는 뜻이며, 단순 분류·추출·단답형 질의 같은 부하의 비용 구조가 바뀐다. 두 번째 변화는 파싱 경로다. 출처는 M3의 인라인 think 태그에서 추론을 추출하던 통합은 독립적인 reasoning_content 필드를 읽도록 바꿔야 하며, 그 필드가 누락될 수 있으므로 파싱 코드가 그것이 나타나지 않는 경우를 허용해야 한다고 명확히 밝혔다. 그렇지 않으면 정상 응답을 예외로 처리하게 된다. 세 번째는 노력 등급이다. 다섯 단계 설정은 '품질/비용' 문제를 모델 선택 문제에서 파라미터 선택 문제로 바꾼다. 같은 모델이 같은 워크로드에서 effort에 따라 뚜렷이 다른 점수와 비용을 낼 수 있으며, 출처는 Automation-Bench 차트를 근거로 각 등급이 작업당 0.05달러 미만이라고 설명했다. 네 번째는 호환 계층이다. OpenAI 호환과 Anthropic 호환이 동시에 제공된다는 것은 기존 SDK 마이그레이션 경로가 넓다는 뜻이지만, effort와 reasoning 필드는 벤더 확장이므로 공급자를 바꿀 때 그대로 옮기기 어렵다. 강조할 점은 위 벤치마크, 비용, 속도(보도는 제품 페이지 약 150 token/초, 발표는 M3의 3배라고 언급)가 모두 MiniMax 보고 기준이며 독립 검증이 없다는 것이다. 출처 자체도 차트와 표 사이의 불일치(최대 노력 등급 62.8과 62.2)를 기록했고, Automation-Bench 숫자는 출처 간 직접 비교가 불가능하다고 지적했다. 예를 들어 Kimi K3 모델 카드는 600개 작업 공개 부분집합에서 30.8을 보고했지만 MiniMax 표는 46.7을 나열한다. 코딩 능력은 이 서사에서 가장 약한 고리로, 출처는 Terminal Bench 4.0이 38.1로 Opus 5의 51.8보다 약 13.7점 뒤진다고 전했고, NL2Repo-Bench도 약 14.1점 뒤진다고 전했다. 자체 호스팅 측면에서는 가중치와 라이선스가 실제로 공개되기 전까지 배포 담당자가 상업적 사용과 재배포 권리를 판단할 수 없다. 출처는 M3의 MXFP8 빌드가 약 440GB라고만 설명했는데, 이는 하드웨어 규모의 대략적 참고일 뿐 M3.1 Flash의 실제 크기는 아니다.

연동 및 평가 제안

제안 1: 마이그레이션을 논하기 전에 추론 필드 파싱 개조를 먼저 검증하라. 이 결정을 촉발하는 보고된 변화는 추론 상시 활성화, 비활성화 시 오류, 내용이 reasoning_content로 이동한 것이다. 실제로 할 선택은 내부 추론 추출 계층을 '인라인 태그 매칭'에서 '구조화 필드 읽기 및 누락 허용'으로 바꾸는 것이다. 전제 조건은 코드베이스에 인라인 태그에 의존하는 파싱 또는 후처리 로직이 존재하는 것이다. 이미 구조화 필드로 파싱하고 있다면 이 작업은 건너뛸 수 있다. 측정 가능한 검증 기준은 고정된 샘플 묶음에서 reasoning_content 누락 시 응답 성공률과 파싱 실패율을 집계하여, 누락이 내용 손실이나 예외 발생으로 이어지지 않음을 확인하는 것이다. 제안 2: 노력 등급을 조정 가능한 파라미터로 취급해 비용-품질 곡선을 한 번 그려보고, 공식 권장 Max를 그대로 따르지 마라. 보고된 변화는 다섯 단계 effort와 기본 권장 Max다. 실제 선택은 부하 유형별로 한 등급을 고정해 설정에 넣는 것이지 전역적으로 통일하는 것이 아니다. 전제 조건은 작업에 자동 판정 가능한 성공 기준이 있는 것이다. 판정 기준이 없는 개방형 작업은 먼저 소규모 샘플을 수동 라벨링한 뒤 비교해야 한다. 측정 가능한 검증 기준은 같은 샘플 집합에서 Low와 Max 사이의 통과율 차이, 그리고 그에 따른 토큰 소비와 종단 간 지연 변화다. 차이가 노이즈 수준보다 작으면 낮은 등급을 선택한다. 제안 3: 가중치가 공개된 뒤에 자체 호스팅을 결정하고, 440GB를 미리 용량 계획에 넣지 마라. 보고된 변화는 가중치와 라이선스가 모두 공개되지 않았다는 것이다. 실제 선택은 API를 계속 쓸지, 라이선스가 명확해진 뒤 로컬 배포를 평가할지다. 전제 조건은 라이선스가 목표 용도를 허용하는지, 하드웨어가 실제 가중치 크기를 감당하는지다. 이 두 가지가 명확해지기 전에는 자체 호스팅 평가에 근거가 부족하다. 측정 가능한 검증 기준은 라이선스의 상업적 사용 및 재배포 조항이 사용 시나리오를 포괄하는지, 그리고 확보 가능한 양자화 버전이 목표 카드에서 실제로 내는 처리량이다.

제한과 확인할 사항

핵심 불확실성은 세 가지다. 첫째, 모든 벤치마크, 비용, 속도 데이터는 MiniMax 보고이며 독립 재현이 없다. 출처 자체도 같은 발표에서 62.8과 62.2의 불일치, 그리고 Automation-Bench의 출처 간 비교 불가 문제를 기록했다. 둘째, 가중치는 2026년 10월 23일 공개 예정이지만 보도 시점에 라이선스와 자체 호스팅 하드웨어가 모두 공개되지 않았다. 가중치 사용 가능이 라이선스가 상업적 사용이나 재배포 권리를 부여했다는 뜻은 아니며, 둘은 분리해 판단해야 한다. 셋째, MiniMax M3.1 Flash 버전은 현재 KimiSeek의 실시간 모델 카탈로그에 나타나지 않는다. 출처가 말한 API 사용 가능성과 가격은 MiniMax 공식 채널을 가리킨다. 이후 KimiSeek을 통해 호출하는 것을 고려한다면 사이트 내 가격 페이지와 모델 목록의 실제 항목을 기준으로 삼아야 하며 가격은 변할 수 있다. 또한 출처는 Flash가 M3 대비 무엇을 바꿨는지에 대한 기술 보고서를 제시하지 않아, 희소 어텐션의 구체적 구현과 비전 인코더 세부 사항은 확인할 수 없다. 본문의 연동 제안과 검증 방법은 보고된 변화에 기반한 분석이며, 모델의 실제 성능을 검증한 결론이 아니다.