MiniMax-M3.1-Flash: la documentación ya lo usa, la página de precios todavía no

El 19 de octubre de 2026, un observador de modelos con un buen historial publicó que M​iniMax "se prepara para lanzar MiniMax-M3.1-Flash", señalando la referencia de la API del proveedor. La referencia de la API es real, y la línea que cita —«Modelo de codificación multimodal de frontera con ventana de contexto de 1M y profundidad de pensamiento ajustable»— es literal de la documentación propia de M​iniMax. Pero "se prepara para lanzar" subestima lo que realmente hay en la página. MiniMax-M3.1-Flash no es un nombre en clave que espera en un registro de cambios: es el modelo que aparece en todos los ejemplos de código de la guía de generación de texto, está por encima de MiniMax-M3 en la lista de modelos, comparte la fila de límite de velocidad de M3 y, desde hoy, es el destino al que M​iniMax enruta automáticamente el tráfico de suscripción de M2.5 y M2.7. Lo que no es: un modelo con precio, sometido a benchmarks, descargable o mencionado una sola vez en las notas de la versión del proveedor. Esa brecha —documentado e invocable en una página, ausente de todas las páginas comerciales en la siguiente— es toda la historia, y vale la pena ser precisos sobre qué partes están confirmadas y cuáles son inferencia. Los fallos de IA documentados y los incidentes de agentes que hay detrás de lanzamientos como este se recopilan en el OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, gravedad, grado de confianza y marca de disputa.

¿Qué hay realmente en las páginas del proveedor hoy?

Cuatro páginas separadas de M​iniMax incluyen el nombre del modelo, y no todas lo incluyen de la misma manera. Esa discrepancia es la evidencia más útil de la que se dispone, porque cada página está escrita por un equipo distinto para un lector distinto.

• Tanto la referencia de la API como la guía de invocación de modelos incluyen MiniMax-M3.1-Flash como modelo actual, por encima de MiniMax-M3, con una ventana de contexto de 1.000.000 de tokens y la descripción de profundidad de razonamiento ajustable. Todos los ejemplos de curl, Python y Node de esas páginas envían exactamente esa cadena.

• La lista de modelos de las preguntas frecuentes lo denomina un modelo disponible sin ningún calificador de vista previa, y su aviso de retirada —con fecha del 19 de octubre de 2026— señala a «M3.1 Flash» como el destino al que ahora se dirigen las solicitudes de M2.5 y M2.7 en M Plan y Token Plan.

• La tabla de límites de velocidad sitúa a MiniMax-M3.1-Flash y MiniMax-M3 en una misma fila: 200 solicitudes por minuto, 10.000.000 de tokens por minuto. Las familias M2.7 y M2.5 a las que reemplaza figuran con 500 RPM y 20.000.000 TPM, algo que conviene recordar si dabas por hecho que la migración suponía una mejora en todas las dimensiones.

• Las páginas del Plan M y del Plan de Tokens siguen llamando al modelo de texto "M3.1 Flash Preview" — en la descripción general del plan, en las preguntas frecuentes del plan, en el aviso de actualización del Plan de Tokens y en las reglas de uso del Plan M, en los cuatro lugares.

Así que el nombre ha perdido su sufijo «Preview» en la documentación técnica y lo ha conservado en la documentación comercial. Ninguna página anuncia un cambio de nombre, una fecha de disponibilidad general ni un lanzamiento, y la página de notas de la versión es el indicio revelador: su entrada más reciente de modelo de lenguaje sigue siendo MiniMax-M3, del 1 de junio de 2026, y la única entrada posterior es H3, del 31 de julio. Ocurriera lo que ocurriera con este modelo a finales de septiembre, MiniMax nunca lo registró como un lanzamiento. Considera «M3.1-Flash ha eliminado la etiqueta Preview» como una observación sobre la documentación, no como una noticia que el proveedor haya anunciado.

Lo único que es genuinamente nuevo frente a MiniMax-M3

Si quitamos los nombres, hay una diferencia real de capacidades, y es la que señaló la publicación original. MiniMax-M3 trata el pensamiento como un interruptor: si se omite, está desactivado; {"type": "adaptive"} lo activa; {"type": "disabled"} lo mantiene desactivado. MiniMax-M3.1-Flash trata el pensamiento como un dial que no se puede desactivar en absoluto. Envía thinking: {"type": "disabled"} —o reasoning_effort: "none" en el endpoint compatible con OpenAI— y la API devuelve HTTP 400 con el código de error 2013 y el mensaje de que el modelo "requires adaptive thinking".

Lo que obtienes en su lugar es una escala de esfuerzo con cinco niveles: low, medium, high, xhigh, max. El proveedor documenta que los niveles más altos piensan con más detalle y emiten más tokens de razonamiento con mayor latencia. El valor predeterminado, cuando omites el campo por completo, es max. El nombre del campo cambia 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—, pero la escala son los mismos cinco valores en los tres.

Hay dos detalles junto a esa escalera que son fáciles de pasar por alto. Primero, los tokens de pensamiento cuentan para max_tokens; la propia referencia de M​iniMax señala que un presupuesto dimensionado para una respuesta breve puede ser consumido por completo por el razonamiento y devolver un mensaje vacío con stop_reason: "max_tokens". Segundo, reasoning_split no se puede establecer en false en este modelo, así que en la ruta compatible con O​penAI el pensamiento siempre llega en reasoning_content en lugar de dentro de las etiquetas <think> en content. Si tienes un parser que extrae esas etiquetas de la salida de M3, aquí no tiene nada que hacer.

Esto es una ganancia ergonómica genuina y un riesgo de facturación genuino al mismo tiempo, y ambos son la misma característica. Un cambio de nombre rutinario en low y una refactorización de todo el repositorio en xhigh son el mismo modelo haciendo intercambios distintos — eso es exactamente lo que debería ofrecer un nivel Flash. Pero el valor predeterminado es el escalón más caro, así que un cliente que nunca establece el campo paga por la máxima deliberación en cada solicitud, incluidas las triviales. Cualquier modelo de costes construido sobre los recuentos de tokens de M3 subestimará M3.1-Flash hasta que se fije el esfuerzo.

Qué significa "Flash" en esta línea, y qué no

M​iniMax ya ha usado el sufijo Flash una vez antes, en la vista previa del 27 de septiembre de la que este modelo parece ser la continuación, y la propuesta de ese nivel allí era el desarrollo cotidiano en lugar del trabajo de frontera: rápido y fiable, desde correcciones rápidas de errores hasta el desarrollo completo de funcionalidades. Es un planteamiento plausible. También está, a día de hoy, sin medir.

La fila M3 de la misma documentación declara una velocidad de salida de «aproximadamente 100+ tps». La fila M3.1-Flash no incluye ninguna cifra de velocidad. La tabla de límites de velocidad asigna a ambos modelos los mismos 200 RPM y 10M TPM, de modo que el rendimiento por cuenta está documentado y la latencia por token no. La medición independiente no cubre esa laguna: Artificial Analysis incluye MiniMax-M3 con una puntuación del Intelligence Index y no tiene entrada para MiniMax-M3.1-Flash — la página del modelo devuelve un 404 y no aparece en el índice de modelos. Tampoco hay una hoja de benchmarks del proveedor, así que la columna está vacía, y no simplemente pendiente. Un nivel llamado Flash sin una cifra de velocidad publicada es una posición de marketing, no una especificación.

Todavía faltan tres números, y qué bloquea cada uno

Estos son los hechos que determinan si el modelo es utilizable y no meramente invocable, y los tres pueden verificarse en un minuto.

• Precio. La descripción general de precios de MiniMax tiene una sola fila de modelo de lenguaje: MiniMax-M3 a 0,30 $ por millón de tokens de entrada y 1,20 $ por millón de tokens de salida hasta 512.000 tokens de entrada, y se duplica a 0,60 $ y 2,40 $ por encima de esa cifra, con lecturas de caché a 0,06 $ y 0,12 $. No hay ninguna fila de M3.1-Flash en la tabla, ni en la estándar ni en la prioritaria. Lo que sí existe es un precio de suscripción: M Plan a 22 $ al mes para Go, 55 $ para Explore y 132 $ para Build, y las tres modalidades nombran el modelo de texto "M3.1 Flash Preview", con Explore a 3× y Build a 7,5× el límite de uso de Go. Puedes comprar acceso al modelo; no puedes calcular una tarifa por token para él.

• Techo de salida. El contexto está documentado en 1.000.000 de tokens. La salida máxima no está documentada para M3.1-Flash, mientras que nuestra propia entrada de catálogo para MiniMax-M3 registra 512.000. Un millón de tokens de lectura con un límite de escritura no revelado es una promesa sobre la entrada, no sobre la salida, y, para cargas de trabajo de generación de código, la cifra de salida es la que decide si una sola pasada puede terminar el trabajo.

• Pesos. No hay ninguno. Los repositorios públicos de la organización MiniMaxAI llegan como máximo hasta MiniMax-Music3 (actualizado el 14 de agosto de 2026) y MiniMax-H3 (13 de agosto), y una solicitud de un checkpoint de MiniMax-M3.1 devuelve la respuesta 401 «no visible para ti» de la plataforma en lugar de una tarjeta de modelo. MiniMax-M3, en cambio, se puede descargar de la organización MiniMaxAI desde el 2 de junio de 2026, con aproximadamente 427.000 millones de parámetros, bajo una licencia que Hugging Face registra simplemente como «other». La opción de pesos abiertos que hacía que M3 resultara interesante para los equipos con sus propias GPU no se mantiene en el sucesor.

Hay una cuarta brecha que importa a cualquiera que integre esto en un stack existente: el tipo de clave. Los ejemplos de código de la guía de generación de texto apuntan api_key a «Get Subscription Key», y las propias preguntas frecuentes de la cuenta de M​iniMax dejan claro que las claves de suscripción y las claves de API de pago por uso son credenciales distintas que no pueden sustituirse entre sí. Las preguntas frecuentes del M Plan añaden la regla correspondiente: para cualquier cosa fuera de la cobertura del plan, usa una clave de pago por uso. Nada en la documentación de M3.1-Flash indica cuál de las dos llega al modelo por token. No llamamos al endpoint para averiguarlo, y el lector no debería asumir que una clave de API estándar funciona solo porque el modelo aparezca en un bloque de código compatible con O​penAI.

La migración es real, y comenzó hoy.

Al margen de la cuestión de la nomenclatura, M​iniMax se ha comprometido a un calendario con fechas concretas que sitúa este modelo en rutas de producción para las que nunca se eligió explícitamente. A partir del 19 de octubre de 2026, las solicitudes de M2.5 y M2.7 en M Plan y Token Plan se enrutarán automáticamente a M3.1 Flash, y los nombres de modelo existentes seguirán funcionando para mantener la compatibilidad con versiones anteriores, sin cambios en los límites de uso de los planes. Las dos familias dejarán de estar disponibles para nuevos usuarios ese mismo día. El 18 de noviembre de 2026 se retirarán por completo, y a partir de entonces las solicitudes de API dirigidas a ellas dejarán de funcionar; los usuarios actuales de pago por uso conservarán el acceso hasta esa fecha.

La palabra que hace el trabajo en ese aviso es «automáticamente». Tu cliente sigue enviando MiniMax-M2.7, la solicitud sigue completándose, el cupo sigue consumiéndose, y el modelo al otro lado es uno que siempre razona, usa por defecto el máximo esfuerzo y tiene un límite de solicitudes por cuenta más bajo que el modelo al que reemplazó. Si registras el modelo que pediste pero no el modelo que respondió, nada en tu monitorización te avisará de que esto ocurrió. La mitigación en una sola línea es fijar el esfuerzo en bajo o medio para las cargas de trabajo migradas antes de que la factura de tokens lo descubra por ti.

Si quieres evaluarlo sin comprar una suscripción

Esta es la parte incómoda. Un modelo al que solo se puede acceder mediante una clave de suscripción, sin precio por token y sin latencia publicada, es difícil de comparar con cualquier otra cosa en el eje que importa: el coste por tarea finalizada. La postura honesta es que MiniMax-M3.1-Flash no está en el catálogo de OrcaRouter a día de hoy; una solicitud de página de modelo para él devuelve un 404, y los modelos MiniMax que servimos son la línea de pago por token: minimax/minimax-m3 a $0.30/$1.20 con un contexto de 1M, además de los endpoints M2.7, M2.5 y H3.

Para lo que eso es útil es para la comparación que el modelo de suscripción oculta. Pon el modelo que realmente puedes medir junto al que no puedes, con la misma clave y el mismo conjunto de prompts, y obtienes un número de coste por tarea para MiniMax-M3 que puedes comparar con lo que realmente está gastando el asiento de M Plan. Los precios aquí son la tarifa de lista del proveedor repercutida con un 0 % de margen, así que la aritmética que haces es la aritmética que M​iniMax publica en lugar de una versión con margen de la misma. La conmutación por error automática mantiene una dependencia no probada o condicionada por la suscripción junto a una ruta de producción en lugar de debajo de ella, y el DSL de enrutamiento te permite fijar un modelo barato para llamadas rutinarias y enviar solo las difíciles a algo más caro — que es la misma decisión de escalonamiento por esfuerzo que M3.1-Flash expone como parámetro, tomada una capa más arriba. La página del modelo MiniMax-M3 en nuestro sitio tiene la tabla de tarifas y las especificaciones en un solo lugar si quieres empezar por ahí.

¿Qué convertiría esto en un lanzamiento?

Tres publicaciones lo resolverían, y hoy no existe ninguna. Una fila de precios para MiniMax-M3.1-Flash en la vista general de precios haría que el modelo fuera comparable y te diría si el sufijo Flash significa más barato que M3 o simplemente más rápido. Una entrada en las notas de la versión fechada después del 1 de junio de 2026 establecería que efectivamente hubo un lanzamiento, y no solo una edición de la documentación. Un checkpoint en Hugging Face restauraría la opción de autoalojamiento que ofrecía M3 y que este modelo elimina. Una cuarta, independiente, sería la más útil: una entrada de Artificial Analysis con una cifra de latencia, porque «Flash» es una afirmación sobre la velocidad y solo una de las partes no ha publicado ninguna cifra al respecto.

Hasta entonces, el resumen preciso es más limitado que la publicación original y más útil que una nota de lanzamiento: MiniMax-M3.1-Flash es un modelo multimodal de un millón de tokens, documentado y accesible mediante suscripción, con una escala de razonamiento de cinco niveles que no se puede desactivar; desde hoy recibe el tráfico migrado de M2.5 y M2.7; y no tiene precio publicado, ni pesos, ni límite de salida, ni nota de versión, ni puntuación independiente. Eso basta para probarlo, y todavía no para estandarizar con él.