MiniMax-M3.1-Flash ya responde a tus llamadas de M2.7: qué cambió el 19 de octubre

Si hoy envía MiniMax-M2.7 a una clave de M​iniMax M Plan o Token Plan, el modelo que hay detrás de ese nombre ha cambiado. El propio aviso de retirada de modelos de M​iniMax fija el 19 de octubre de 2026 como la fecha en que las solicitudes dirigidas a MiniMax-M2.7 y MiniMax-M2.5 en esos planes se enrutan automáticamente a MiniMax-M3.1-Flash: el mismo ID de modelo en su código, un modelo diferente al otro lado, con un presupuesto de razonamiento que se establece por defecto al máximo y sin forma alguna de desactivar el razonamiento por completo. El modelo en sí no es nuevo: MiniMax-M3.1-Flash aparece en la documentación del proveedor desde el 27 de septiembre de 2026, cuando lo confirmamos por primera vez allí con el nombre MiniMax-M3.1-Flash-Preview. Lo nuevo, y lo que lleva fecha de hoy, es la sustitución, y el hecho de que dos familias de modelos más antiguas se integren en él con el mismo calendario. Los fallos de IA e incidentes de agentes documentados que hay detrás de lanzamientos como este se recopilan en el Archivo de Incidentes de IA de OrcaRouter donde cada entrada incluye sus propias fuentes, gravedad, calificación de confianza e indicador de disputa.

A qué se compromete realmente el aviso

MiniMax publica el calendario en su propia documentación de lista de modelos, y es inusualmente específico para una deprecación. Tres fechas hacen todo el trabajo.

• 19 de octubre de 2026 — las familias M2.5 y M2.7 dejan de estar disponibles para nuevos usuarios. • 19 de octubre de 2026 — toda solicitud a M2.5 o M2.7 bajo M Plan y Token Plan se redirige automáticamente a M3.1 Flash. Los nombres de modelo existentes siguen funcionando, y el proveedor indica que los límites de uso de los planes no cambian. • 18 de noviembre de 2026 — ambas familias se retiran. Las solicitudes de API a estas dejan de funcionar por completo.

El pago por uso se trata por separado: M​iniMax afirma que los usuarios actuales de pago por uso conservan el acceso hasta la fecha de retirada, mientras que los nuevos usuarios quedan sin acceso a partir de hoy. El consejo de la empresa es el que cabría esperar —comprobar si tus aplicaciones dependen de estos modelos y empezar a planificar la migración—, lo cual llega un poco tarde para cualquiera cuyo tráfico de producción estuviera apuntando a M2.7 esta mañana.

La palabra importante del aviso es automáticamente. No se trata de una deprecación que devuelve un error y obliga a cambiar el código. Es una sustitución silenciosa: tu solicitud sigue teniendo éxito, tu consumo sigue descontándose de la misma cuota y lo que produce los tokens es diferente. Si registras el modelo solicitado pero no el modelo respondido, tu monitorización mostrará un servicio en buen estado ejecutando un modelo que no elegiste.

Tres cosas cambian dentro de la respuesta

La referencia de API del proveedor documenta ambos modelos en la misma página, lo que permite enunciar la diferencia con precisión. MiniMax-M3.1-Flash es un modelo de codificación multimodal de vanguardia con una ventana de contexto de 1.000.000 de tokens y profundidad de pensamiento ajustable; MiniMax-M2.7 es un modelo heredado de texto y herramientas con una ventana de 204.800 tokens.

• Contexto — 1.000.000 de tokens en MiniMax-M3.1-Flash frente a 204.800 en MiniMax-M2.7, aproximadamente un aumento de cinco veces. • Entradas — texto, imagen y vídeo en MiniMax-M3.1-Flash frente a solo texto y llamadas a herramientas en la familia M2.x, que, según la nota heredada del proveedor, no acepta explícitamente entradas de imagen ni vídeo. • Razonamiento — siempre activado y no se puede desactivar en MiniMax-M3.1-Flash; al enviar thinking: {"type": "disabled"} devuelve HTTP 400 con el código de error 2013. • Profundidad de razonamiento — effort acepta low, medium, high, xhigh y max, y su valor predeterminado es max cuando se omite. M2.7 no tiene un control equivalente. • Salida de razonamiento — se devuelve en reasoning_content en el protocolo compatible con OpenAI y en un thinking bloque en el compatible con Anthropic. reasoning_split: false no se acepta, por lo que el razonamiento no se puede volver a incluir en content como <think> etiquetas. • Límite de salida — 131.072 tokens recomendados y un máximo absoluto de 524.288 para la generación en MiniMax-M3.1-Flash, frente a 204.800 de contexto total en M2.7. • Niveles de admisión — service_tier: "priority" (el nivel de admisión 1,5× más rápido) no es compatible con MiniMax-M3.1-Flash. Una carga de trabajo que dependía de la admisión prioritaria la pierde. • Muestreo — top_p tiene como valor predeterminado 0.95 en MiniMax-M3.1-Flash, frente a 0.9 en los modelos M2.x.

Dos de esos son cosméticos. Los valores predeterminados de pensamiento no lo son. Una carga de trabajo creada para M2.7 nunca tuvo que pensar en el esfuerzo de razonamiento, porque no había nada que configurar. La misma carga de trabajo, sin cambios, ahora se ejecuta con el máximo esfuerzo en cada solicitud — y MiniMax imputa los tokens de pensamiento al límite de generación, por lo que la propia documentación del proveedor advierte que un max_tokens demasiado pequeño produce un max_tokens como motivo de parada sin ninguna salida de texto.

La opción predeterminada es la configuración costosa.

Aquí está la trampa en una frase: el aviso de migración dice que tus cuotas de uso no cambian, y es cierto, pero los tokens que consume cada solicitud no se mantienen iguales.

El FAQ del M Plan de M​iniMax indica explícitamente que el consumo depende de la profundidad de pensamiento, y que una mayor profundidad para M3.1 Flash genera más contenido de pensamiento y consume más. Con effort establecido por defecto en max, una carga de trabajo de M2.7 migrada ahora se ejecuta con la configuración más costosa que ofrece el modelo, sin que nadie la haya elegido.

Una ilustración aproximada, con números redondos y etiquetada claramente como aritmética y no como medición: tomemos 40.000 solicitudes al día, un prompt de 6.000 tokens y 3.000 tokens de pensamiento en el nivel máximo frente a unos 600 en el nivel bajo. Eso supone 96 millones de tokens de pensamiento adicionales al día, o unos 2.900 millones al mes. Con la tarifa de salida publicada de MiniMax-M3, de 1,20 dólares por millón de tokens —la tarifa publicada más cercana que existe, porque MiniMax no publica ninguna tarifa por token para M3.1 Flash—, esa diferencia es de un poco más de 3.400 dólares al mes. Cambia dos de esas suposiciones y la cifra se moverá bastante; lo importante es que el signo no cambia.

La solución es un solo campo, y varía según el protocolo: output_config.effort en el endpoint compatible con A​nthropic, reasoning_effort en el compatible con O​penAI, reasoning.effort en el endpoint de Responses. Las propias guías de herramientas de programación de M​iniMax recomiendan exactamente esto: reducir el esfuerzo para tareas sencillas en lugar de intentar desactivar el razonamiento, porque desactivarlo no es una opción.

Hay un efecto de segundo orden que vale la pena comprobar antes de ajustar nada. Si tu cliente envía max_tokens dimensionado para una respuesta de M2.7, un modelo de esfuerzo máximo puede gastar todo el presupuesto en razonamiento y devolver un mensaje vacío. La referencia compatible con A​nthropic de M​iniMax te indica que establezcas output_config.effort en max explícitamente; la tabla de parámetros de la misma página advierte de que los tokens de pensamiento cuentan para max_tokens. Esas dos afirmaciones están a unas pocas líneas de distancia, y la combinación es la que te da una respuesta 200 sin nada dentro.

Todavía no hay un precio por token

Esta es la parte que hace que la migración sea difícil de calcular en costos, y no difícil de programar. La tabla de precios de pago por uso de M​iniMax incluye un único modelo de lenguaje: MiniMax-M3, a 0,30 USD por millón de tokens de entrada y 1,20 USD por millón de tokens de salida para prompts de hasta 512.000 tokens de entrada, y se duplica a 0,60 USD y 2,40 USD por encima de esa cifra, con un descuento permanente del 50 % ya aplicado a las tarifas de lista tachadas. Las lecturas de la caché de prompts cuestan 0,06 USD y 0,12 USD por millón, respectivamente. MiniMax-M3.1-Flash no aparece en absoluto en esa tabla.

Lo que se publica es el precio de la suscripción. M Plan cuesta 22 dólares al mes para Go, 55 para Explore y 132 para Build, y los tres incluyen el modelo de texto M3.1 Flash Preview, con Explore con tres veces la asignación de uso de Go y Build con siete veces y media. Token Plan sigue existiendo para los suscriptores actuales, pero ya no se vende a los nuevos, y la nota de actualización del proveedor dice que los planes mantienen su precio actual y sus límites de texto en cualquier caso.

Así que la respuesta honesta a "¿cuánto cuesta M3.1 Flash por token?" es que nadie fuera de M​iniMax puede decírtelo todavía, porque el número no está en la página. Si necesitas un número por token para construir un caso de negocio esta semana, el único enfoque defendible es medir: ejecuta un conjunto de evaluación fijo en cada nivel de esfuerzo, registra el uso de la respuesta y conviértelo a la tarifa que implique tu plan. Un proveedor que publica la ficha del modelo pero no la tarifa te está diciendo que quiere la conversación de suscripción, no la de pago por uso.

¿Qué ID de modelo envías realmente?

La documentación de M​iniMax no es coherente consigo misma, y eso duele justo en el peor momento. La referencia de la API, la guía de invocación de modelos y la lista de modelos llaman al modelo MiniMax-M3.1-Flash. Las páginas del M Plan, la guía de configuración de C​laude Code y la guía de configuración de Codex lo llaman MiniMax-M3.1-Flash-Preview, incluida una configuración de C​laude Code que establece cuatro variables de entorno distintas a MiniMax-M3.1-Flash-Preview[1m].

Ninguna de las dos denominaciones está marcada como obsoleta, y ninguna página de la documentación anuncia una fecha de disponibilidad general ni un cambio de nombre. Merece la pena decirlo claramente en lugar de especular: a día de hoy, el proveedor utiliza ambas cadenas y no pudimos determinar, a partir de la documentación pública, cuál aceptará una clave de pago por uso. La única prueba que lo resuelve tarda unos diez segundos y no cuesta nada:

curl https://api.minimax.io/v1/models -H "Authorization: Bearer $YOUR_KEY"

Lee los IDs que se devuelven y usa uno de ellos tal cual. Si estás integrando el modelo en C​laude Code, Cursor, Codex u OpenCode, las guías del proveedor esperan la forma -Preview, y la guía de C​laude Code además indica que la herramienta debe informar MiniMax-M3.1-Flash-Preview como el modelo activo cuando la configuración es correcta.

Si lo alojas en tus propios servidores, nada de esto te llega

MiniMax-M2.7 es un modelo de pesos abiertos. Su checkpoint está en Hugging Face desde abril de 2026 bajo la organización MiniMaxAI, y el aviso que retira el endpoint de la API no afecta a una copia que se ejecute en tu propio hardware. Lo mismo ocurre con M2.5. Si tu tráfico de M2.7 se sirve desde tu propio clúster o desde un despliegue privado, el cambio de enrutamiento de hoy es un problema de otra persona.

MiniMax-M3.1-Flash no está en esa posición. Los dos repositorios públicos más recientes de la organización MiniMaxAI son M​iniMax-Music3, creado el 7 de agosto de 2026, y MiniMax-H3, creado el 28 de julio de 2026, y una búsqueda de M3.1 en Hugging Face no devuelve nada. No hay checkpoint, ni archivo de licencia, ni una vía de escape de autoalojamiento para el modelo al que ahora se te está enrutando. Si los pesos abiertos eran la razón por la que elegiste M2.7, la migración es una auténtica degradación en autonomía incluso cuando es una mejora en capacidad.

La lista de verificación de la migración, en el orden que importa

• Hoy — confirma si tienes una clave de suscripción o una clave de pago por uso. El enrutamiento automático se aplica a M Plan y Token Plan; el pago por uso sigue sirviendo M2.5 y M2.7 a los usuarios existentes hasta el 18 de noviembre. • Hoy — registra el ID del modelo que devuelve la API, no solo el que enviaste, para que una sustitución silenciosa sea visible en tus datos. • Esta semana — establece effort explícitamente en cada llamada. Elige el nivel por clase de tarea en lugar de heredar max. • Esta semana — aumenta max_tokens o max_completion_tokens antes de aumentar el esfuerzo, y comprueba si hay finalizaciones vacías con un motivo de parada max_tokens. • Antes del 18 de noviembre — si aún necesitas el comportamiento de M2.7, mígralo a un checkpoint autoalojado o acepta el comportamiento del nuevo modelo. Después de esa fecha, el endpoint desaparecerá. • Antes del 18 de noviembre — vuelve a probar todo lo que usara service_tier: "priority". No está disponible en M3.1 Flash, así que el perfil de latencia cambia incluso cuando el modelo no lo hace.

Dónde una capa de enrutamiento justifica su valor

La lección de esta semana no es que MiniMax haya lanzado un modelo mejor. Es que un ID de modelo en tu código es una promesa que el proveedor puede reescribir, y que esa reescritura no llega con una entrada en el registro de cambios de tu historial de despliegues.

Ese es el argumento a favor de poner la elección de modelo detrás de un router en lugar de codificar a mano la cadena de un proveedor en doce servicios. En OrcaRouter, MiniMax-M3 y los endpoints M2.5 y M2.7 conviven con más de 200 otros modelos detrás de una sola clave, sin recargo alguno —el precio de lista del proveedor se traslada tal cual, y por eso MiniMax-M3 aparece con los mismos $0.30 y $1.20 por millón de tokens que cobra el proveedor, y por eso un cambio de precio del proveedor se aplica el mismo día en lugar de en el siguiente ciclo de facturación.

Dos cosas que son realmente útiles aquí. Primero, el DSL de enrutamiento te permite fijar un modelo específico para una clase de tarea y recurrir a un segundo cuando el primero no está disponible, de modo que una evaluación de un modelo no probado se ejecuta junto al habitual en lugar de sustituirlo. Segundo, la conmutación por error automática entre proveedores hace que una mala tarde en el origen sea una ruta degradada en lugar de una caída del servicio.

Una cosa que debe quedar clara: MiniMax-M3.1-Flash no está en nuestro catálogo a día de hoy. Lo que servimos es la línea MiniMax por token —M3, M2.7, M2.5 y H3—, así que si quieres comparar el modelo al que acabas de migrar con el del que te migraron, el lado del modelo anterior está a una sola clave de distancia. Al nuevo modelo en sí lo alcanzas a través de los propios planes de MiniMax.

¿Qué cambiaría esta lectura?

Tres publicaciones harían que esto pasara de ser una historia de migración a una historia de lanzamiento, y ninguna de ellas existe todavía. Un precio por token para MiniMax-M3.1-Flash permitiría que cualquiera calculara realmente el costo del cambio. Un checkpoint en Hugging Face restauraría la opción de autoalojamiento que están perdiendo los usuarios de M2.7. Una entrada en Artificial Analysis le daría al modelo su primera puntuación independiente de inteligencia —MiniMax-M3 se sitúa en 29,2 en ese índice, y el propio documento de M​iniMax afirma resultados de vanguardia en SWE, BrowseComp y xBench para M3.1 Flash sin publicar ni una sola cifra junto a ellos.

Hasta entonces, trata el modelo como lo que es: invocable, documentado, sin benchmarks y sin precio por token, ahora recibiendo tráfico que no solicitó bajo su nombre. Los equipos que salgan bien parados de esto son los que se dieron cuenta el primer día de que su ID de modelo se había convertido en un alias.