MiniMax выпустила M3.1 Flash для агентных задач, кодинга, управления компьютером и кибербезопасности. Компания заявляет, что онлайн-инференс стал почти втрое быстрее, а агентные задачи обходятся на 70% дешевле, чем на предыдущем поколении. Я бы проверил модель на рутине, прежде чем отдавать ей весь пайплайн.
Релиз состоялся 19 октября 2026 года. Веса выложили на Hugging Face. MiniMax описывает M3.1 Flash как развитие модели M3. Ускорение и экономию приводит сам разработчик: результат конкретной задачи зависит от её условий.
MiniMax M3.1 Flash рассчитана на задачи с инструментами
M3.1 Flash — мультимодальная MoE-модель примерно на 428 млрд параметров. На каждом токене активируются около 23 млрд. Эта цифра описывает вычисления на шаге, а не полный размер модели: для самостоятельного запуска всё равно нужна память под всю модель.
Окно контекста — до 1 млн токенов. Агент сможет держать рядом много материалов: документы, исходники, заметки по проекту. Но большой контекст сам по себе точности не гарантирует. Понадобятся подходящие инструменты, доступы и проверка результата.
MiniMax связывает рост эффективности с тремя изменениями: разреженным вниманием MSA по всей модели, обучением с учётом квантования и спекулятивным декодированием DSpark. Компания старается снизить затраты на работу модели, сохранив её основную MoE-архитектуру.
В официальном анонсе MiniMax заявляет о «почти трёхкратном ускорении онлайн-инференса» и снижении стоимости агентных задач на 70%. Компания также сообщает, что анонимная модель Space Bunny обработала более 200 трлн токенов и была ранней версией M3.1 Flash. Это данные из анонса MiniMax, независимого аудита в материале нет.
Бенчмарки показывают сильного агента, а не универсального победителя
По таблице MiniMax, M3.1 Flash набрала 76,2 на BankerToolBench, 73,7% на DeepSWE v1.1 и 61,7 на OSWorld 2.0. На CyberGym результат составил 82,2, на Agents’ Last Exam — 29,6. Это оценки разработчика, а условия тестов различаются.
| Бенчмарк | Результат M3.1 Flash | Что проверяет |
|---|---|---|
| BankerToolBench | 76,2 | Работа с инструментами в финансовых сценариях |
| DeepSWE v1.1 | 73,7% | Решение сложных задач разработки |
| OSWorld 2.0 | 61,7 | Управление компьютерным интерфейсом |
| Agents’ Last Exam | 29,6 | Многошаговые профессиональные задачи |
| CyberGym | 82,2 | Задачи по кибербезопасности |
В примечаниях MiniMax приводит настройки оценки. Для DeepSWE использовали mini-SWE-agent 2.4.5 с контекстом 512K, для CyberGym — Claude Code 2.1.263 и контекст 1M. В OSWorld взяли максимальные опубликованные результаты моделей на момент релиза, а результат DeepSeek воспроизвели самостоятельно. Без этих деталей цифры сравнивать трудно.
В ранних независимых тестах впечатления уже не такие ровные. J A Z I I после нескольких часов работы отметил прогресс относительно M3, особенно в Computer Use и Three.js. При высоких уровнях reasoning — `xhigh` и `max` — модель, по его словам, могла галлюцинировать и выполнять лишние действия. Это личный предварительный тест, а не стандартизированное сравнение.
Ellis Crosby из Springprompt тоже советует проверять длинные задания отдельно. В его тестах часть из них завершилась пустым ответом. На старте я бы смотрел на качество и на то, возвращает ли агент результат в конце цепочки.
Для креатора есть четыре сценария первого теста
- Попросить разобрать изображения-референсы и сгруппировать их по визуальным признакам.
- Сопоставить кадры раскадровки с пунктами брифа и перечислить возможные расхождения.
- Структурировать метаданные клипов: названия, сцены, персонажи и заметки по версиям.
- Поручить короткий черновик описания продукта или другую небольшую текстовую задачу.
Это варианты для первых тестов модели с поддержкой изображений, длинного контекста и агентных задач. Начните с материалов, где ошибку легко заметить. Если результат устроит, добавляйте инструменты и понемногу усложняйте задачу.
Как проверить агента до рабочего процесса
- Возьмите короткую задачу с понятным результатом — например, сверить несколько кадров с пунктами брифа.
- Задайте границы: что агент может читать, менять или запускать, а что должен только отметить.
- Проверьте ответ и действия агента. Убедитесь, что он не добавил лишних шагов и завершил задачу готовым результатом.
- Повторите тест на нескольких примерах. После этого решайте, подходит ли модель для регулярной работы.
Если агент меняет файлы или управляет приложениями, ограничьте его права и предусмотрите откат изменений. Высокий балл на бенчмарке не отменяет контроля действий — особенно при доступе к реальному проекту, а не тестовой копии.
Цена API и доступность зависят от способа запуска
По данным APIMaster.AI на 23 октября 2026 года, публичные API-маршруты для MiniMax-M3.1-Flash стоят $0.15 за миллион входных токенов и $0.60 за миллион выходных. Это цена из агрегатора, а не расчёт конкретного агентного процесса. Итоговая стоимость зависит и от числа шагов, и от количества токенов.
Если планируете коммерческое использование, отдельно проверьте лицензию и условия сервиса. NVIDIA обозначает свой вариант модели как предназначенный для research and development и описывает условия пробного API и оценки. Базовая модель связана с MiniMax Community License. Условия этих вариантов различаются.
Начните с короткой рутины
M3.1 Flash выглядит интересно для первых тестов агентных и мультимодальных сценариев: у модели длинный контекст, открытые веса и заявленное снижение стоимости использования. В ранних независимых впечатлениях уже видны места, за которыми нужен глаз: длинные задания и лишние действия.
Я бы начал с суб-агента на одной небольшой задаче: разметить референсы, проверить бриф или собрать метаданные. Потом проверил бы стоимость полного прогона, стабильность финального ответа и лицензию. Заявление о почти трёхкратном ускорении звучит заманчиво. Интересно проверить, что именно ускорится в вашем пайплайне.
Источники
MiniMax M3.1 Flash: Redefining Agent Performance and Cost — MiniMax Research
MiniMax M3.1 Flash is Now Generally Available — MiniMax Agent Tools
MiniMax M3.1 Flash API: Released, Pricing, Model ID & Integration — APIMaster.AI
MiniMax M3.1 Flash model card — NVIDIA Build
Early Impressions of MiniMax M3.1 Flash for Coding and Computer Use — Tabbit
MiniMax M3.1 Flash Review: Benchmarks, Price, Who It's For — Springprompt
Источникhuggingface.co
