MiniMax 2026 жылғы 19 қазанда M3.1 Flash шығарды - контексті 1M токен болатын агенттік тапсырмаларға арналған модель. Automation-Bench-те ол 62,8 балл жинады: Claude Opus 5 (50,3) пен GPT-5.6 Sol (45,8) нәтижесінен жоғары, ал бір тапсырма $0,05-тен аз тұрады. MiniMax мәліметінше, онда агенттік тапсырмалар алдыңғы модельмен салыстырғанда 70%-ға арзан. Компания салмақтарды кейінірек жариялауға уәде береді.
Контекст үшін: MiniMax-тың өз тесттері бойынша M3.1 Flash көп ортақ тестте жуырда шыққан DeepSeek V4.1 Flash 1017 жаңартуынан (ол туралы 18 қазанда жаздық) әлсіз. Ортақ тест алты. Біреуін ол ұтады: Automation-Bench, 62,8 қарсы 60,5 (+2,3). Бесеуінде ұтылады: NL2Repo-Bench-те 7,0 балға, Terminal Bench 4.0-де 4,2, DeepSWE v1.1-де 3,3, BabyVision-да 1,5, HLE-де 0,6 балға.
Automation-Bench: күш салудың бес деңгейіндегі балл мен тапсырманың орташа құны, құн шкаласы логарифмдік. MiniMax жарияламасындағы график.
Модель туралы не белгілі
M3.1 Flash - MiniMax M3-тің мұрагері. Шығар алдында оны Space Bunny атауымен анонимді түрде сынады: MiniMax сөзінше, бұл құрастыру 200 трлн токеннен астам өңдеген. API құжаттамасында модель «frontier multimodal coding model» ретінде сипатталған: контексті 1M токен, ойлау тереңдігі бапталады.
MiniMax жарияламада модель өлшемін атамайды. MarkTechPost өнім бетіне сілтеме жасап, 428B параметр туралы жазады, оның шамамен 23B-ы белсенді (Mixture-of-Experts архитектурасы), мәтін, сурет және бейне қабылдайды. Бұл M3 параметрлерімен сәйкес келеді, не өзгергені туралы техникалық есеп әзірге жоқ.
Модель API арқылы MiniMax-M3.1-Flash атауымен, M Plan жазылымы және MiniMax Code қосымшасы арқылы қолжетімді. Ойлау әрқашан қосулы: MarkTechPost деректері бойынша, күш салудың low-дан max-қа дейін бес деңгейі бар, MiniMax max ұсынады, ал thinking өшірілген сұрау қате қайтарады.
Құны мен жылдамдығы
| Параметр | M3.1 Flash |
|---|---|
| Контекст | 1M токен |
| Ұзын контекстке үстеме | жоқ, бүкіл 1M үшін бір тариф |
| Жылдамдық | 200+ токен/с дейін, медиана 170+ |
| Агенттік тапсырмалар құны | алдыңғы модельден 70%-ға төмен |
Кестедегі барлық сандар - MiniMax мәлімдемелері. MiniMax сөзінше, онлайн-инференс бұрынғыдан шамамен үш есе жылдам. Өнім бетінде, MarkTechPost мәліметінше, секундына шамамен 150 токен көрсетілген.
Бенчмарктер не көрсетті
Төменде - MiniMax жарияламасындағы кесте. Бұл кестедегі барлық нәтижені компанияның өзі жариялаған, ал іске қосу шарттары әр түрлі: әр тест үшін вендор өз агенттік қабығы мен контекст лимитін атайды. Arena-ның тәуелсіз өлшемі - келесі бөлімде.
MiniMax жарияламасындағы кесте. Сызықша вендор модель нәтижесін келтірмегенін білдіреді.
Басқа модельдермен салыстыру бар тесттердің қысқаша кестесі:
| Тест | M3.1 Flash | DeepSeek V4.1 Flash 1017 | Kimi K3 | GLM-5.3 | GPT-5.6 Sol | Opus 5 |
|---|---|---|---|---|---|---|
| Automation-Bench v1.0.6 | 62,8 | 60,5 | 46,7 | 48,8 | 45,8 | 50,3 |
| BankerToolBench | 76,2 | - | 69,1 | 74,5 | 74,6 | 76,2 |
| LOCA-Bench 256K | 60,3 | - | 49,7 | 50,3 | 60,0 | 53,7 |
| DeepSWE v1.1 | 73,7 | 77,0 | 67,5 | 66,9 | 73,0 | 74,0 |
| Terminal Bench 4.0 | 38,1 | 42,3 | 12,6 | 37,9 | 39,9 | 51,8 |
| NL2Repo-Bench | 61,2 | 68,2 | 58,0 | 58,0 | 56,8 | 75,3 |
| OSWorld 2.0 | 61,7 | - | 58,3 | - | 65,7 | 70,6 |
| HLE құралсыз | 43,4 | 44,0 | 43,5 | 42,3 | 49,5 | 55,6 |
Көрініс мынадай: модель кеңселік және агенттік тапсырмаларда (Automation-Bench, BankerToolBench, LOCA-Bench) көш бастайды, DeepSWE-де GPT-5.6 Sol және Opus 5 деңгейінде тұр, бірақ терминалдық тапсырмаларда, репозиториймен жұмыста және жалпы білімде Opus 5-тен айтарлықтай әлсіз. MiniMax оны OSWorld 2.0 және Agents' Last Exam бойынша қытай модельдерінің ішіндегі ең жақсысы деп атайды.
Тәуелсіз рейтинг не көрсетті
Arena M3.1 Flash-ты Code Arena: WebDev рейтингіне қосты - онда модельдер веб-интерфейстер жасайды, ал нәтижені қолданушылар соқыр салыстыруларда бағалайды. Модель 1588 балл жинады: ашық модельдер арасында 12-орын және жалпы есепте 32-орын, ал MiniMax зертхана ретінде 12-орынға көтерілді. Arena модельді ашық деп санайды, бірақ MiniMax салмақтарды әлі жарияламаған. Оның алдыңғы нұсқасы M3-те 1482 балл, ашықтар арасында 19-орын және жалпы есепте 66-орын болған, яғни өсім 106 балл.
Баға алдын ала: Arena кестесінде 19 қазандағы жағдай бойынша модельде Preliminary белгісі, 1787 дауыс және ±14 балл қателік бар. Ашық және жабық модельдер бірге тұрған жалпы есепте ең жақын көршілері - Gemini 3.7 Flash (1590), Claude Haiku 5.5 және Gemini 3.8 Flash (екеуі де 1586) және DeepSeek-V4-Flash (1582). Кестеде лицензия MiniMax Community License деп көрсетілген, MiniMax жарияламасында лицензия жоқ.
Code Arena: WebDev, зертханалар рейтингі. Дереккөз: Arena (arena.ai/leaderboard/code).
Бәсекелестермен салыстырғанда нәтиже MiniMax-тың агенттік кестелерінен қарапайымырақ: DeepSeek V4.1 Flash 1017 - 1664, Kimi K3 - 1655, GLM-5.3 - 1622, ал көш басында Claude Opus 5.5 - 1806 балмен. Arena сөзінше, M3-пен салыстырғанда модель барлық санаттарда көтерілген, ең үлкен өсім ойындарда (+179 балл, 21-орыннан 9-орынға) және референс бойынша дизайн тапсырмаларында (+155, 20-орыннан 7-орынға).
Бұл бір тапсырма түрі бойынша бір рейтинг, және ол веб-әзірлемені өлшейді, MiniMax өз жарияламасын құратын кеңселік сценарийлерді емес.
Тапсырма қанша тұрады
MiniMax салыстыруды токен бағасына емес, тапсырма бағасына құрады. Төмендегі мәндер вендор графиктерінен алынған (біріншісі - мақаланың басында) және шамамен.
- Automation-Bench. M3.1 Flash low деңгейінде 52,8 балл, max деңгейінде 62,8 балл береді, және бес деңгейдің бәрінде тапсырма $0,05-тен арзан. Claude Opus 5.5 графикте шамамен 56,8 балл жинайды, тапсырмасы шамамен $0,9, GPT-5.6 - шамамен 47,8 балл, шамамен $0,7.
- DeepSWE v1.1. 73,7% кезінде M3.1 Flash бір тапсырмаға шамамен $0,28 жұмсайды. Claude Opus 5 максималды күш салғанда жақын нәтиже көрсетеді, бірақ бір тапсырмасы шамамен $12.
- Agents' Last Exam. 152 тапсырманың толық іске қосуы 29,6% нәтижемен шамамен $111 тұрды. Claude Opus 5.5 шамамен 38% жинайды, шығыны шамамен $1300.
DeepSWE v1.1: DeepSeek V4.1 Flash 1017 графикте жоғарырақ және арзанырақ. Лидерборд нәтижелері 22.09.2026 бойынша, mini-SWE-agent қабығы.
Не белгісіз болып қалды
- Тәуелсіз тексерулер аз. Жарияламадағы агенттік тестілерді MiniMax өзі жариялады, ал өзге модельдермен салыстыру іске қосу шарттарына байланысты. Модельді тәуелсіз тек Arena бағалады, оның өзі тек веб-әзірлемеде. MarkTechPost Kimi K3-тің өз картасында Automation-Bench бойынша 600 тапсырмалық жария жинақта 30,8 көрсетілгенін, ал MiniMax оған 46,7 келтіретінін атап өтеді.
- DeepSeek V4.1 Flash 1017 кодта күштірек. DeepSWE-де ол 73,7-ге қарсы 77,0 жинайды және графикте арзанырақ тұр. Бұл модель туралы толығырақ - біздің шолуда.
- Ойлауды өшіруге болмайды. Қарапайым сұрауларға бұл токендер мен кешігудің төменгі шегін белгілейді, ал M3-тегідей
<think>тегтерін күткен ескі кодты қайта жазуға тура келеді: MarkTechPost мәліметінше, ойлау жекеreasoning_contentөрісінде келеді. - Салмақтар, лицензия, өлшем. Жарияламада тек салмақтар кейінірек шығатыны айтылған. MarkTechPost 23 қазан күнін атайды, бірақ MiniMax бетінде ол жоқ; жарияламада лицензия аталмаған, ал Arena өз кестесінде MiniMax Community License көрсетеді. Үлкен M3.1 Pro нұсқасы MiniMax сөзінше кейінірек шығады.
Бұл сіз үшін нені білдіреді
Егер сіз жай ғана чатта ЖИ-мен сөйлессеңіз, жаңа модель сізге ештеңені өзгертпейді: M3.1 Flash құралдармен көп қадамды тапсырмаларды ұзақ орындайтын агенттерге арналған. Егер мұндай тапсырмаларды API арқылы іске қоссаңыз, модельдерді токен бағасымен емес, өз материалыңыздағы орындалған тапсырма бағасымен салыстырыңыз: MiniMax графиктері дәл осыған құрылған, және дәл осы жерде M3.1 Flash ең байқалатын айырмашылық көрсетеді.
Салмақтар шықпағанша және агенттік тапсырмалар бойынша тәуелсіз өлшемдер болмайынша, жарияламадағы сандарды бағдар ретінде қабылдаған жөн.
Қайда сынап көруге болады
M3.1 Flash GPTunneL каталогында әзірге жоқ. Бір чатта оның алдыңғы нұсқасы MiniMax M3, DeepSeek V4.1 Flash және Kimi K3 қолжетімді: жаңа модель платформада пайда болғанша өз тапсырмаңызды солармен тексеруге болады.
Дереккөздер
- MiniMax-M3.1-Flash, MiniMax блогы, 19.10.2026 - жарияма, жылдамдық, бенчмарктер, тапсырма құнының графиктері, салмақтар туралы мәлімдеме.
- MiniMax модельдер құжаттамасы - модель сипаттамасы, 1M контекст.
- Arena (X), MiniMax-M3.1-Flash-тың Code Arena: WebDev-ке шығуы туралы жазба - рейтингтегі орын, баллдар, M3-ке қатысты және санаттар бойынша өсім; рейтинг arena.ai/leaderboard/code мекенжайында.
- MiniMax Just Launched M3.1 Flash, MarkTechPost, 19.10.2026 - параметрлер, күш салу деңгейлері, салмақтар күні, Kimi K3 картасымен салыстыру.