O que é MiniMax-M3.1-Flash?
O MiniMax-M3.1-Flash é o modelo de raciocínio rápido da MiniMax, lançado em 19 de outubro de 2026 após uma prévia dentro do MiniMax Code. A MiniMax diz que uma versão anterior rodou anonimamente como "Space Bunny" e processou mais de 200 trilhões de tokens. Os pesos chegaram ao Hugging Face em 23 de outubro sob uma licença comunitária da MiniMax, nos mesmos termos do MiniMax-M3.
Apesar do nome, não é um modelo pequeno. Ele mantém o design mixture-of-experts do M3, cerca de 428 bilhões de parâmetros com 23 bilhões ativos por token, e lê texto, imagens e vídeo em um contexto de 1M de tokens. A MiniMax substituiu as três primeiras camadas de atenção completa do M3 por atenção esparsa, treinou os experts com quantização no ciclo e acrescentou uma cabeça de decodificação especulativa DSpark; o checkpoint publicado tem cerca de 250 GB em MXFP8.
O raciocínio não pode ser desligado. O esforço vai de low a max em cinco níveis, e max é o padrão. A API da MiniMax cobra US$ 0,15 por milhão de tokens de entrada, US$ 0,60 por milhão de saída e US$ 0,015 por entrada em cache, em qualquer tamanho de prompt.
MiniMax-M3.1-Flash vale a pena?
O M3.1-Flash é um grande avanço sobre o M3 pela metade do preço, e sua fraqueza é saber quando não sabe. A Artificial Analysis lhe dá 43 no seu Intelligence Index, quinto de 173 modelos na sua classe, contra uma mediana de 13, enquanto o M3 marcou 29. Seu custo por tarefa do índice é US$ 0,22, contra cerca de US$ 0,51 do M3. A VentureBeat, lendo os resultados do AA-Omniscience da mesma empresa, relata que ele respondeu corretamente 56% das perguntas, à frente dos 43% do DeepSeek, mas alucinou em 93% dos casos em que não acertou, em vez de recusar ou ressalvar.
O card da própria MiniMax, todo autodeclarado, o coloca à frente do DeepSeek-V4.1-Flash-1017 no Automation-Bench v1.0.6 (62,8 a 60,5) e empatado no Humanity's Last Exam sem ferramentas (43,4 a 42,6). Em programação ele fica atrás: 73,7% a 77,0% no DeepSWE v1.1, 38,1 a 42,3 no Terminal Bench 4.0 e 61,2 a 68,2 no NL2Repo-Bench. O Opus 5 da Anthropic lidera os dois na maior parte da tabela. O card também empata com o Opus 5 em 76,2 no BankerToolBench, embora essa execução tenha sido avaliada pelo próprio modelo M2.7 da MiniMax.
O raciocínio sempre ligado define a conta real. O padrão é esforço max, que segundo a documentação da MiniMax gasta mais tokens de saída e aumenta a latência, e a Artificial Analysis chama o modelo de muito verboso: 180 milhões de tokens de saída para rodar seu índice, contra uma mediana de 100 milhões. Baixar o esforço por requisição é a alavanca que a MiniMax recomenda, já que enviar uma requisição com thinking desativado retorna erro. As alegações de velocidade também pedem desconto. A MiniMax diz que a saída mediana passa de 170 tokens por segundo; a Artificial Analysis mediu 116,2 na API da MiniMax, perto da mediana da classe, com 1,10 segundo até o primeiro token.
Os pesos saíram no prazo, sob a licença que já atrasa o M3: um crédito "Built with MiniMax M3.1-Flash" e um e-mail de aviso para qualquer uso comercial, permissão prévia por escrito acima de US$ 20 milhões de receita anual, e nenhum uso militar. Com cerca de 250 GB, o checkpoint tem um terço do tamanho da versão BF16 do M3 e cabe em um único nó H100 de oito GPUs, o que faz do M3.1-Flash o mais fácil dos dois grandes modelos da MiniMax de trazer para dentro de casa.
Onde ele se destaca
Uma equipe de operações automatizando trabalho de back-office em uma dúzia de ferramentas SaaS
Rodar automações em várias etapas que leem capturas de tela e preenchem formulários
A MiniMax informa 62,8 no Automation-Bench v1.0.6 e 61,7 no OSWorld 2.0, ambos autodeclarados. A US$ 0,15 de entrada e US$ 0,60 de saída, 10 bilhões de tokens de entrada e 1 bilhão de saída por mês dão cerca de US$ 2.100 antes dos acertos de cache, e definir o esforço como low ou medium nas etapas rotineiras reduz os tokens de raciocínio cobrados como saída.
Um engenheiro de legal tech trabalhando com data rooms de M&A
Fazer perguntas sobre um pacote inteiro de contratos em um único prompt
O preço não sobe acima de 512K tokens como no M3, então um prompt completo de 1M de tokens custa US$ 0,15 de entrada, um quarto da tarifa de contexto longo do M3, e US$ 0,015 em releituras do cache. Dada a taxa de alucinação, toda resposta deve citar a cláusula em que se baseia para que um revisor possa conferir.
Um líder de suporte em uma empresa de software de 200 pessoas
Rascunhar respostas a tickets de clientes a partir da central de ajuda
1M de respostas por mês com 2.000 tokens de entrada e 300 de saída visível custa cerca de US$ 480, mais os tokens de raciocínio que o esforço max padrão acrescenta. Com uma taxa de alucinação de 93% nas perguntas que ele erra, os rascunhos precisam de recuperação na central de ajuda e de um botão de envio humano, não de respostas automáticas.
Antes de decidir
- Configuração
- API: crie uma chave em platform.minimax.io e chame o MiniMax-M3.1-Flash pelo endpoint compatível com Anthropic (recomendado) ou pelo compatível com OpenAI, definindo reasoning_effort por requisição. Pesos: hf download MiniMaxAI/MiniMax-M3.1-Flash e sirva com SGLang, vLLM ou TokenSpeed; a MiniMax recomenda temperature 1.0 e top_p 0.95.
- Integrações
- API da MiniMax, MiniMax Code e a assinatura M Plan; no OpenRouter pelos mesmos US$ 0,15/US$ 0,60 da MiniMax e cerca de uma dúzia de hosts, incluindo Together, Nebius e Novita. O suporte em Transformers, KTransformers e Unsloth aparece como em andamento.
- Dados e privacidade
- Licença: uso comercial exige um crédito "Built with MiniMax M3.1-Flash" e um aviso único à MiniMax; produtos com mais de US$ 20 milhões de receita anual precisam de autorização prévia por escrito; uso militar é proibido. Os termos de retenção e treinamento da API da MiniMax não estavam publicados nas páginas que conseguimos ler.
- Custo em escala
- 10 bilhões de tokens de entrada e 1 bilhão de saída por mês custam cerca de US$ 2.100 na API da MiniMax, com entrada em cache a US$ 0,015 por milhão; o raciocínio em esforço max infla o lado da saída. Auto-hospedar exige cerca de 250 GB de memória de GPU para os pesos MXFP8 antes do KV cache, dentro de um nó H100 80 GB de oito GPUs.
- Limites
- Contexto de 1M de tokens; o OpenRouter lista 524.288 tokens de saída no endpoint da própria MiniMax. O thinking não pode ser desativado, e uma requisição que tenta isso retorna erro 400. A MiniMax não publica limites de taxa para o modelo, e a listagem da Artificial Analysis ainda descrevia os pesos como não lançados quando verificamos.
O que é bom
- US$ 0,15 / US$ 0,60 por 1M de tokens em qualquer tamanho de prompt
- Intelligence Index 43, quinto de 173 na sua classe
- Entrada de texto, imagem e vídeo com contexto de 1M
- Checkpoint de cerca de 250 GB cabe em um nó 8x H100
O que não é
- Taxa de alucinação de 93% no AA-Omniscience, segundo a VentureBeat
- O raciocínio não pode ser desativado; o esforço max padrão é verboso
- A licença exige atribuição, aviso e permissão acima de US$ 20M de receita
- Fica atrás do DeepSeek-V4.1-Flash-1017 em benchmarks de programação (autodeclarado)
Ideal para
Equipes com trabalho de agentes e automação em alto volume, ou entradas multimodais longas, que conseguem verificar as saídas e aceitam os termos de licença da MiniMax.
Alternativas ao MiniMax-M3.1-Flash
MiniMax-M3.1-Flash: perguntas frequentes
- MiniMax-M3.1-Flash vale a pena?
- Perto do topo da tabela de pesos abertos por uma fração de centavo por tarefa, desde que nada do que ele diz saia sem verificação. Damos nota 4.0 de 5.
- Quanto custa MiniMax-M3.1-Flash?
- Pesos abertos sob a licença comunitária da MiniMax. API da MiniMax por 1M de tokens, fixa em qualquer tamanho de prompt: US$ 0,15 entrada, US$ 0,60 saída, US$ 0,015 entrada em cache.
- Quais são as desvantagens de MiniMax-M3.1-Flash?
- Taxa de alucinação de 93% no AA-Omniscience, segundo a VentureBeat; o raciocínio não pode ser desativado; o esforço max padrão é verboso; a licença exige atribuição, aviso e permissão acima de US$ 20M de receita; fica atrás do DeepSeek-V4.1-Flash-1017 em benchmarks de programação (autodeclarado).
- Para quem MiniMax-M3.1-Flash é indicado?
- Equipes com trabalho de agentes e automação em alto volume, ou entradas multimodais longas, que conseguem verificar as saídas e aceitam os termos de licença da MiniMax.
- Quanto custa MiniMax-M3.1-Flash para uma equipe ou em produção?
- 10 bilhões de tokens de entrada e 1 bilhão de saída por mês custam cerca de US$ 2.100 na API da MiniMax, com entrada em cache a US$ 0,015 por milhão; o raciocínio em esforço max infla o lado da saída. Auto-hospedar exige cerca de 250 GB de memória de GPU para os pesos MXFP8 antes do KV cache, dentro de um nó H100 80 GB de oito GPUs.
- MiniMax-M3.1-Flash é seguro para dados da empresa?
- Licença: uso comercial exige um crédito "Built with MiniMax M3.1-Flash" e um aviso único à MiniMax; produtos com mais de US$ 20 milhões de receita anual precisam de autorização prévia por escrito; uso militar é proibido. Os termos de retenção e treinamento da API da MiniMax não estavam publicados nas páginas que conseguimos ler.
- Quais são as melhores alternativas ao MiniMax-M3.1-Flash?
- As alternativas mais próximas que analisamos são DeepSeek-V4.1-Flash, MiniMax-M3, GLM-5.3 e Kimi K3.
Respostas verificadas em 26 de out. de 2026.