MiniMax lança M3.1 Flash: MoE com 428B, contexto de 1M e raciocínio sempre ativo
Segundo o MarkTechPost, em 19 de outubro de 2026, a MiniMax disponibilizou o M3.1 Flash em sua API, com 428B de parâmetros totais, cerca de 23B ativados e contexto de 1M de tokens, a US$ 0,15 por milhão de tokens de entrada e US$ 0,60 por milhão de tokens de saída; a empresa afirmou que os pesos seriam publicados em 23 de outubro, mas a licença ainda não foi divulgada.
O que mudou
Segundo o MarkTechPost, em 19 de outubro de 2026, a MiniMax disponibilizou o MiniMax M3.1 Flash em sua API (nome de modelo na plataforma MiniMax-M3.1-Flash), posicionado como um modelo MoE multimodal para programação, tarefas de agentes de escritório e raciocínio visual. A fonte lista 428B de parâmetros totais, cerca de 23B de parâmetros ativados e contexto de 1 milhão de tokens, e menciona atenção esparsa e codificador visual nativo, com suporte de entrada para texto, imagem e vídeo, e saída em texto. Esses totais de parâmetros coincidem com os do MiniMax M3; a fonte observa que a MiniMax não publicou relatório técnico explicando as mudanças específicas da variante Flash. A reportagem afirma que, na época, o modelo já estava disponível na API MiniMax, no M Plan e no aplicativo desktop MiniMax Code, com acesso compatível com Anthropic e OpenAI (incluindo Chat Completions e Responses). A reportagem informa preço unificado: US$ 0,15 por milhão de tokens de entrada e US$ 0,60 por milhão de tokens de saída, US$ 0,015 para leitura de cache, sem sobretaxa por contexto longo; a fonte diz que isso equivale a cerca de metade do preço por token da tarifa padrão do M3. O raciocínio fica sempre ativo e não pode ser desativado, com cinco níveis de esforço: Low, Medium, High, Xhigh e Max, e a MiniMax recomenda Max por padrão; enviar thinking.type=disabled ou effort=none gera erro, e o conteúdo de raciocínio fica em um campo reasoning_content que pode estar ausente. A fonte afirma que os pesos seriam publicados em 23 de outubro de 2026, que a licença não foi divulgada e que o hardware para auto-hospedagem não foi informado; também afirma que Space Bunny é uma build inicial do M3.1 Flash. Todos os resultados de benchmark são reportados pela MiniMax, sem reprodução independente até o momento.
Impacto para desenvolvedores
Para desenvolvedores, a consequência mais direta não é o tamanho dos parâmetros, mas a mudança no contrato de integração: o raciocínio não pode ser desativado, o que significa que cada requisição tem um piso de tokens de raciocínio e de latência, alterando a estrutura de custos de cargas simples como classificação, extração e perguntas e respostas curtas. A segunda mudança está no caminho de análise: a fonte indica claramente que integrações que extraem o raciocínio de tags think inline do M3 precisam passar a ler o campo separado reasoning_content, e que esse campo pode estar ausente, de modo que o código de análise precisa tolerar sua ausência, sob pena de tratar respostas normais como anomalias. A terceira é o nível de esforço: as cinco opções transformam a escolha entre qualidade e custo de um problema de seleção de modelo em um problema de escolha de parâmetro, permitindo que o mesmo modelo, na mesma carga de trabalho, produza notas e gastos bem diferentes conforme o effort; a fonte usa um gráfico do Automation-Bench para mostrar que todos os níveis ficam abaixo de US$ 0,05 por tarefa. A quarta é a camada de compatibilidade: oferecer compatibilidade com OpenAI e Anthropic ao mesmo tempo amplia o caminho de migração dos SDKs existentes, mas os campos effort e reasoning são extensões do fornecedor e difíceis de transportar sem alterações entre fornecedores. É preciso enfatizar que os benchmarks, custos e velocidades acima (a reportagem menciona cerca de 150 tokens por segundo na página do produto e um anúncio de 3 vezes o M3) são todos números reportados pela MiniMax, sem verificação independente; a própria fonte registra inconsistências entre gráficos e tabelas (62,8 e 62,2 no nível máximo de esforço) e observa que os números do Automation-Bench não podem ser comparados diretamente entre fontes, por exemplo, o card do modelo Kimi K3 reporta 30,8 em um subconjunto público de 600 tarefas, enquanto a tabela da MiniMax lista 46,7. A capacidade de programação é o elo mais fraco dessa narrativa: a fonte afirma que o Terminal Bench 4.0 ficou em 38,1, cerca de 13,7 pontos atrás do Opus 5 (51,8), e que o NL2Repo-Bench também ficou cerca de 14,1 pontos atrás. Quanto à auto-hospedagem, antes da publicação efetiva dos pesos e da licença, quem for implantar não consegue avaliar direitos de uso comercial e redistribuição; a fonte apenas informa que a build MXFP8 do M3 tem cerca de 440 GB, o que serve como referência aproximada de ordem de grandeza de hardware, não como tamanho real do M3.1 Flash.
Integração e avaliação
Recomendação 1: primeiro valide a mudança de análise do campo de raciocínio, depois discuta a migração. A mudança reportada que motiva essa decisão é o raciocínio sempre ativo, o erro ao tentar desativá-lo e a migração do conteúdo para reasoning_content. A escolha prática é trocar a camada interna de extração de raciocínio de "correspondência de tags inline" para "leitura de campo estruturado com tolerância a ausência". O pré-requisito é que o código tenha lógica de análise ou pós-processamento dependente de tags inline; se já analisar campos estruturados, essa etapa pode ser pulada. O critério de verificação mensurável é, em um conjunto fixo de amostras, medir a taxa de sucesso das respostas e a taxa de falha de análise quando reasoning_content está ausente, confirmando que a ausência não causa perda de conteúdo nem exceções. Recomendação 2: trate os níveis de esforço como um parâmetro ajustável e trace uma curva de custo-qualidade, em vez de copiar o Max recomendado oficialmente. A mudança reportada é a existência de cinco níveis de effort com recomendação padrão de Max. A escolha prática é fixar um nível por tipo de carga de trabalho e registrá-lo na configuração, em vez de usar um valor global. O pré-requisito é que a tarefa tenha um critério de sucesso verificável automaticamente; para tarefas abertas sem critério, faça primeiro uma anotação manual em pequena amostra antes de comparar. O critério de verificação mensurável é a diferença de taxa de aprovação entre Low e Max no mesmo conjunto de amostras, junto com o consumo de tokens e a variação de latência ponta a ponta; se a diferença for menor que o nível de ruído, escolha o nível mais baixo. Recomendação 3: só decida sobre auto-hospedagem após a publicação dos pesos, e não faça planejamento de capacidade baseado nos 440 GB antes disso. A mudança reportada é que nem os pesos nem a licença foram divulgados. A escolha prática é continuar usando a API ou aguardar a definição da licença para avaliar implantação local. O pré-requisito é saber se a licença permite o uso pretendido e se o hardware atende ao volume real dos pesos; sem esses dois pontos definidos, a avaliação de auto-hospedagem carece de base. O critério de verificação mensurável é se as cláusulas da licença sobre uso comercial e redistribuição cobrem seu cenário de uso, além da vazão medida da versão quantizada disponível no tipo de GPU pretendido.
Limites e pontos a confirmar
Há três incertezas principais. Primeira: todos os dados de benchmark, custo e velocidade são reportados pela MiniMax, sem reprodução independente; a própria fonte registra a inconsistência entre 62,8 e 62,2 no mesmo anúncio e o problema de incomparabilidade do Automation-Bench entre fontes. Segunda: os pesos estavam previstos para 23 de outubro de 2026, mas, até a reportagem, nem a licença nem o hardware de auto-hospedagem haviam sido divulgados; a disponibilidade dos pesos não equivale a uma licença que conceda direitos de uso comercial ou redistribuição, e as duas coisas precisam ser avaliadas separadamente. Terceira: a versão MiniMax M3.1 Flash não aparece no catálogo de modelos em tempo real do KimiSeek; a disponibilidade e os preços de API citados pela fonte referem-se aos canais oficiais da MiniMax. Se no futuro considerar chamá-lo via KimiSeek, use como referência os itens reais da página de preços e da lista de modelos do site, pois os preços podem mudar. Além disso, a fonte não fornece relatório técnico comparando o Flash ao M3, e os detalhes da implementação da atenção esparsa e do codificador visual não podem ser verificados. As recomendações de integração e os métodos de verificação neste texto são análises baseadas nas mudanças reportadas, não conclusões de verificação sobre o desempenho real do modelo.