MiniMax 19 октября 2026 года выпустила M3.1 Flash - модель для агентных задач с контекстом 1M токенов. На Automation-Bench она набрала 62,8 балла: больше, чем у Claude Opus 5 (50,3) и GPT-5.6 Sol (45,8), а одна задача обходится меньше чем в $0,05. По заявлению MiniMax, агентные задачи на ней стоят на 70% дешевле, чем на предыдущей модели. Веса компания обещает опубликовать позже.
Для контекста: по тестам самой MiniMax, M3.1 Flash в большинстве общих тестов уступает недавнему обновлению DeepSeek V4.1 Flash 1017, о котором мы писали 18 октября. Общих тестов шесть. Один она выигрывает: Automation-Bench, 62,8 против 60,5 (+2,3). Пять проигрывает: NL2Repo-Bench на 7,0 балла, Terminal Bench 4.0 на 4,2, DeepSWE v1.1 на 3,3, BabyVision на 1,5, HLE на 0,6.
Automation-Bench: балл и средняя стоимость задачи на пяти уровнях усилия, шкала стоимости логарифмическая. График из анонса MiniMax.
Что известно о модели
M3.1 Flash - преемница MiniMax M3. Перед релизом её тестировали анонимно под названием Space Bunny: по словам MiniMax, эта сборка обработала больше 200 трлн токенов. В документации API модель описана как «frontier multimodal coding model» с контекстом 1M токенов и настраиваемой глубиной рассуждений.
Размер MiniMax в анонсе не называет. MarkTechPost со ссылкой на страницу продукта пишет про 428B параметров, из них около 23B активных (архитектура Mixture-of-Experts), и приём текста, изображений и видео. Это совпадает с параметрами M3, технического отчёта о том, что изменилось, пока нет.
Доступна модель через API под именем MiniMax-M3.1-Flash, подписку M Plan и приложение MiniMax Code. Рассуждения включены всегда: по данным MarkTechPost, есть пять уровней усилия от low до max, MiniMax рекомендует max, а запрос с отключённым thinking возвращает ошибку.
Стоимость и скорость
| Параметр | M3.1 Flash |
|---|---|
| Контекст | 1M токенов |
| Доплата за длинный контекст | нет, один тариф на весь 1M |
| Скорость | до 200+ токенов/с, медиана 170+ |
| Стоимость агентных задач | на 70% ниже, чем у предыдущей модели |
Все цифры в таблице - заявления MiniMax. По словам MiniMax, онлайн-инференс почти втрое быстрее прежнего. На странице продукта, по данным MarkTechPost, указано около 150 токенов в секунду.
Что показали бенчмарки
Ниже - таблица из анонса MiniMax. Все результаты в этой таблице опубликовала сама компания, а условия запуска различаются: для каждого теста вендор называет свой агентный каркас и лимит контекста. Независимый замер от Arena - в следующем разделе.
Таблица из анонса MiniMax. Прочерк означает, что результат модели вендор не привёл.
Выжимка по тестам, где есть сравнение с остальными:
| 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 без инструментов | 43,4 | 44,0 | 43,5 | 42,3 | 49,5 | 55,6 |
Картина такая: модель лидирует в офисных и агентных задачах (Automation-Bench, BankerToolBench, LOCA-Bench), на DeepSWE держится на уровне GPT-5.6 Sol и Opus 5, но заметно слабее Opus 5 в терминальных задачах, работе с репозиторием и общих знаниях. Среди китайских моделей MiniMax называет её лучшей на OSWorld 2.0 и Agents' Last Exam.
Что показал независимый рейтинг
Arena добавила M3.1 Flash в Code Arena: WebDev - рейтинг, где модели пишут веб-интерфейсы, а оценивают результат пользователи в слепых сравнениях. Модель набрала 1588 баллов: 12-е место среди открытых моделей и 32-е в общем зачёте, а MiniMax как лаборатория поднялась на 12-е место. Arena относит модель к открытым, хотя веса MiniMax ещё не опубликовала. У предшественницы M3 было 1482 балла, 19-е место среди открытых и 66-е в общем зачёте, то есть прирост составил 106 баллов.
Оценка предварительная: в таблице Arena на 19 октября у модели пометка Preliminary, 1787 голосов и погрешность ±14 баллов. В общем зачёте, где открытые и закрытые модели вместе, ближайшие соседи - Gemini 3.7 Flash (1590), Claude Haiku 5.5 и Gemini 3.8 Flash (по 1586) и DeepSeek-V4-Flash (1582). Лицензия в таблице указана как MiniMax Community License, в анонсе MiniMax лицензии нет.
Code Arena: WebDev, рейтинг лабораторий. Источник: Arena (arena.ai/leaderboard/code).
Рядом с конкурентами результат скромнее, чем в агентных таблицах MiniMax: DeepSeek V4.1 Flash 1017 набрала 1664, Kimi K3 - 1655, GLM-5.3 - 1622, а лидирует Claude Opus 5.5 с 1806. По словам Arena, по сравнению с M3 модель поднялась во всех категориях, самый большой прирост у игр (+179 баллов, с 21-го места на 9-е) и задач на дизайн по референсу (+155, с 20-го на 7-е).
Это один рейтинг по одному типу задач, и он измеряет веб-разработку, а не офисные сценарии, на которых MiniMax строит анонс.
Сколько стоит задача
MiniMax строит сравнение вокруг цены задачи, а не токена. Значения ниже считаны с графиков вендора (первый - в начале статьи) и приблизительны.
- Automation-Bench. M3.1 Flash даёт 52,8 балла на уровне low и 62,8 на max, и на всех пяти уровнях задача обходится дешевле $0,05. Claude Opus 5.5 на графике набирает около 56,8 балла при примерно $0,9 за задачу, GPT-5.6 - около 47,8 при примерно $0,7.
- DeepSWE v1.1. При 73,7% M3.1 Flash тратит около $0,28 на задачу. Claude Opus 5 на максимальном усилии показывает близкий результат при примерно $12 за задачу.
- Agents' Last Exam. Полный прогон из 152 задач обошёлся примерно в $111 при результате 29,6%. Claude Opus 5.5 набирает около 38% при затратах порядка $1300.
DeepSWE v1.1: DeepSeek V4.1 Flash 1017 на графике выше и дешевле. Результаты лидерборда на 22.09.2026, каркас mini-SWE-agent.
Что остаётся неясным
- Независимых проверок мало. Агентные тесты из анонса MiniMax опубликовала сама, и сравнение с чужими моделями зависит от условий запуска. Независимо модель пока оценила только Arena, и только на веб-разработке. MarkTechPost отмечает, что Kimi K3 в собственной карточке указывает на Automation-Bench 30,8 на публичном наборе из 600 задач, а MiniMax приводит для неё 46,7.
- DeepSeek V4.1 Flash 1017 сильнее в коде. На DeepSWE она набирает 77,0 против 73,7 и при этом стоит на графике меньше. Подробнее об этой модели - в нашем разборе.
- Рассуждения нельзя отключить. Для простых запросов это задаёт нижнюю границу по токенам и задержке, а старый код, который ждал теги
<think>как у M3, придётся переписать: по данным MarkTechPost, рассуждения приходят в отдельном полеreasoning_content. - Веса, лицензия, размер. В анонсе сказано только, что веса выйдут позже. MarkTechPost называет дату 23 октября, но на странице MiniMax её нет; в анонсе лицензия не названа, а Arena в своей таблице указывает MiniMax Community License. Старшая версия M3.1 Pro, по словам MiniMax, выйдет позже.
Что это значит для вас
Если вы просто общаетесь с ИИ в чате, новая модель вам ничего не меняет: M3.1 Flash заточена под агентов, которые долго выполняют многошаговые задачи с инструментами. Если вы запускаете такие задачи через API, сравнивайте модели по цене выполненной задачи на вашем материале, а не по цене токена: именно на этом построены графики MiniMax, и именно здесь M3.1 Flash показывает самый заметный разрыв.
Пока не вышли веса и нет независимых замеров на агентных задачах, цифры из анонса стоит считать ориентиром.
Где попробовать
M3.1 Flash в каталоге GPTunneL пока нет. В одном чате доступны её предшественница MiniMax M3, DeepSeek V4.1 Flash и Kimi K3: на них можно проверить свою задачу, пока новинка не появилась на платформе.
Источники
- MiniMax-M3.1-Flash, блог MiniMax, 19.10.2026 - анонс, цены, скорость, бенчмарки, графики стоимости задач, заявление про веса.
- Документация моделей MiniMax - описание модели, контекст 1M.
- Arena (X), пост о выходе MiniMax-M3.1-Flash в Code Arena: WebDev - место в рейтинге, баллы, прирост к M3 и по категориям; рейтинг на arena.ai/leaderboard/code.
- MiniMax Just Launched M3.1 Flash, MarkTechPost, 19.10.2026 - параметры, уровни усилия, дата весов, сверка с карточкой Kimi K3.