MiniMax-M3.1-Flash vs MiniMax-M3: la mitad del precio, ninguno de los pesos

MiniMax-M3.1-Flash cuesta exactamente la mitad que MiniMax-M3 por token, obtiene trece puntos más en el Artificial Analysis Intelligence Index y es el modelo al que MiniMax está redirigiendo ahora a sus propios suscriptores heredados. También es el primer modelo de esta línea que no se puede descargar. MiniMax-M3, publicado el 1 de junio de 2026, es un modelo de mezcla de expertos de 428 mil millones de parámetros con 23 mil millones de parámetros activos, pesos publicados en Hugging Face y una tarifa que se puede consultar en una tabla; MiniMax-M3.1-Flash, publicado el 19 de octubre de 2026, es un modelo cerrado con una mejor puntuación de benchmark, una ruta de servicio más rápida y la promesa de que los pesos llegarán "más tarde". Esa frase es toda la decisión, y la diferencia de precio es una distracción al respecto —aunque una distracción lo bastante grande como para que merezca la pena hacer las cuentas antes de decidir. Los fallos documentados de IA 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, calificación de confianza e indicador de disputa.

Lo que realmente dicen las dos tarjetas de tarifas

Empieza por el dinero, porque el dinero es donde la promesa publicitaria y la factura divergen.

Entrada estándar — MiniMax-M3.1-Flash $0.15 por 1M frente a MiniMax-M3 $0.30 por 1M hasta 512.000 tokens de entrada

• Salida estándar — $0.60 por 1M frente a $1.20 por 1M, mismo umbral de 512,000 tokens

• Por encima de 512.000 tokens de entrada, MiniMax-M3 se duplica a 0,60 $ de entrada y 2,40 $ de salida; MiniMax-M3.1-Flash no publica ningún recargo por contexto largo

• Lecturas en caché — $0.015 por 1M vs $0.06 por 1M

• Admisión prioritaria: no se ofrece en MiniMax-M3.1-Flash; MiniMax-M3 la vende a 1,5× la tarifa estándar, por lo que $0.45/$1.80 por debajo del umbral y $0.90/$3.60 por encima de este

• Índice de Inteligencia — 42 vs 29, según Artificial Analysis

• Costo por tarea de Index — $0.22 vs $0.51, una reducción del 57% en lugar del 50% que implica la tarjeta de tarifas

• Ventana de contexto — 1.000.000 de tokens en ambos, aunque nuestro catálogo indica que MiniMax-M3 tiene 1.048.576

• Velocidad de salida — 125,5 tokens por segundo frente a 106,4, ambas medidas de forma independiente

• Pesos — prometidos para más tarde frente a publicados, abiertos, en Hugging Face

• Parámetros — no revelados, descritos únicamente como «una dispersión más agresiva» frente a 428B en total y 23B activos

Dos líneas de esa lista pesan más de lo que su longitud sugiere. La primera es el recargo por contexto largo. Si tu carga de trabajo supera habitualmente los 512.000 tokens de entrada —una pasada de codificación en todo el repositorio, una transcripción larga, un conjunto de documentos—, la diferencia efectiva no es de 2× sino de 4× en la entrada y de 4× en la salida, porque MiniMax-M3.1-Flash no aplica precios por niveles en absoluto. La segunda es la admisión prioritaria. MiniMax-M3 puede comprar un carril de servicio más rápido por 1,5×; MiniMax-M3.1-Flash no puede comprar uno a ningún precio. Su referencia de API indica service_tier como no compatible. Si la latencia bajo carga fue la razón por la que pagaste por M3, el modelo más reciente no te vende esa palanca: te vende una ruta de servicio subyacente más rápida y luego te quita la palanca.

Alcanzar la mitad del costo es más fácil que alcanzar la mitad de la factura.

Reducir a la mitad la tarifa no reduce a la mitad la factura, y este es el error más común en la planificación de la migración para este par. MiniMax-M3.1-Flash piensa en cada solicitud con un esfuerzo predeterminado de máximo, no se le puede indicar que se detenga y es demostrablemente verboso: consumió 180 millones de tokens de salida en el Intelligence Index, donde el modelo mediano consumió 99 millones. MiniMax-M3 permite desactivar el pensamiento por completo y, de forma predeterminada, está desactivado en el endpoint compatible con Anthropic.

Ponle una cifra. Toma un trabajo de etiquetado de documentos que envía 2.000 tokens de entrada de esquema e instrucciones por llamada y devuelve 80 tokens de JSON. En MiniMax-M3 con el razonamiento desactivado pagas 2.000 × $0,30 por millón más 80 × $1,20 por millón — unos $0,0007 por llamada. En MiniMax-M3.1-Flash, el mismo trabajo, sin forma de desactivar el razonamiento, gasta la entrada a $0,15 por millón, pero luego emite un bloque de razonamiento que llega a varios cientos de tokens antes de la respuesta. Con 500 tokens de razonamiento más 80 tokens de respuesta, la factura de salida es de 580 × $0,60 por millón — aproximadamente $0,00065. Apenas más barato, y eso con una estimación conservadora del razonamiento. Con 1.500 tokens de razonamiento, el modelo más nuevo cuesta más que el anterior para una salida idéntica, porque la capacidad del anterior de desactivar el razonamiento vale más que la tarifa más barata del nuevo.

Ahora cambia la carga de trabajo. Una ejecución de agente de varios pasos que ya consumió 40.000 tokens de salida en M3 para llamadas a herramientas y razonamiento, con el pensamiento activado porque necesitaba pensar. M3 factura 40.000 × $1,20 por millón, o $0,048. M3.1-Flash, con el mismo volumen, factura $0,024 —y, en la práctica, gasta menos, porque las trayectorias son más cortas, que es la razón por la que la cifra independiente de costo por tarea cae un 57 % en lugar de un 50 %. Ahí es donde están los ahorros: en el trabajo largo con mucho razonamiento, no en las llamadas cortas y deterministas.

La regla que se desprende de esto: si puedes describir tu carga de trabajo como «muchas respuestas pequeñas», MiniMax-M3.1-Flash puede ser el modelo más caro. Si puedes describirla como «pocas respuestas largas», es inequívocamente el más barato.

Los pesos son la parte que no se puede eludir.

Todos los números anteriores son reversibles. MiniMax podría bajar el precio de MiniMax-M3 mañana; podría subir el de M3.1-Flash. Lo que no es reversible es la licencia. MiniMax-M3 es descargable —428 mil millones de parámetros en total, 23 mil millones activos, en Hugging Face y replicado en una compilación MXFP8—, lo que significa que puedes cuantizarlo, afinarlo, ejecutarlo en tu propio hardware, seguir sirviéndolo después de que el proveedor avance y auditar qué contiene. MiniMax-M3.1-Flash es un endpoint alojado del que MiniMax dice que recibirá los pesos más adelante, sin fecha, sin licencia y sin una cifra de parámetros.

Esa asimetría se manifiesta en tres puntos que una comparación de costes no captará. Cumplimiento normativo: un equipo sujeto a regulación que necesita ejecutar inferencia dentro de su propio perímetro, o documentar el artefacto del modelo del que depende, no puede usar MiniMax-M3.1-Flash hoy a ningún precio. Continuidad: el propio calendario de retirada de MiniMax ya ha integrado dos familias completas de modelos —M2.5 y M2.7— en MiniMax-M3.1-Flash el 19 de octubre, con retirada total el 18 de noviembre. Los modelos sí se desactivan, y la única forma garantizada de sobrevivir a eso es tener una copia propia. Reproducibilidad: una puntuación de benchmark que no puedes volver a ejecutar contra un checkpoint congelado es una puntuación que tienes que aceptar por confianza, y todas las cifras de MiniMax-M3.1-Flash de este artículo son de ese tipo.

Si MiniMax publica los pesos, esta sección queda obsoleta y el recuerdo de un modelo descargable de 428B a 0,30 $ por millón se convierte en la nota a pie de página más interesante. Hasta que lo haga, «más adelante» es una promesa, y el modelo más antiguo es el que puedes tener en tus manos.

La brecha de capacidades es real, y más estrecha de lo que sugiere el índice.

Trece puntos en el Intelligence Index suponen un salto enorme: más o menos, una generación de modelos en este rango de precios. Pero parte de esa diferencia mide el cambio en cómo se permite que funcionen los modelos, y no lo que saben. MiniMax-M3.1-Flash se puntúa con el razonamiento forzado a su máximo esfuerzo; el resultado de MiniMax-M3 en el índice se genera con sus propios valores predeterminados, lo que en uno de los protocolos significa desactivar el pensamiento. Parte de esos trece puntos son la escalera, no los pesos.

La evidencia del lado del proveedor apunta en la misma dirección. Las propias cifras de lanzamiento de MiniMax para MiniMax-M3.1-Flash —BankerToolBench 76.2, DeepSWE v1.1 con 73.7%, OSWorld V2 con 61.7, Agents' Last Exam con 29.6, CyberGym con 82%— son todas evaluaciones agénticas, y todas ellas un contexto en el que forzar el razonamiento máximo ayuda. No hay ninguna comparación publicada con MiniMax-M3 en los mismos harnesses, así que la afirmación honesta es que el modelo más nuevo es mejor en trabajo agéntico por un margen que nadie fuera de MiniMax ha medido frente a su predecesor, y que el índice sugiere una mejora real de algo menos de trece puntos una vez que se mantiene constante la política de razonamiento.

Donde la diferencia no admite discusión es en el plano operativo. 125,5 tokens por segundo frente a 106,4 supone una ruta de servicio un 18 % más rápida, medida por un tercero, y se mantiene independientemente de la carga de trabajo. Para una herramienta de programación interactiva, esa es la diferencia que un usuario percibe.

Dónde MiniMax-M3.1-Flash es la respuesta incorrecta

Tres cargas de trabajo deberían permanecer en MiniMax-M3 incluso después de este lanzamiento, y vale la pena nombrarlas porque la cobertura del lanzamiento no lo hace.

El primero es cualquier cosa dentro de tu propia red. No hay ninguna versión del modelo más reciente que puedas ejecutar, ni indicación de cuándo la habrá.

El segundo es trabajo determinista, de alto volumen y pocos tokens —clasificación, extracción, enrutamiento, formato—, donde la capacidad de desactivar el razonamiento es la característica de coste decisiva, y MiniMax-M3 la tiene.

El tercero es cualquier cosa que dependa de la admisión prioritaria. Si tu aplicación compró el nivel de 1,5× de MiniMax-M3 para mantener la latencia p99 dentro de un SLA, MiniMax-M3.1-Flash elimina esa opción; estarías cambiando una palanca controlable por una línea base más rápida que no puedes ajustar.

Todos los demás —pipelines agénticos, bucles de uso de computadoras, sesiones de programación con contexto largo, equipos cuyas cargas de trabajo son extensas en lugar de numerosas— deberían estar migrando. El modelo más nuevo es más rápido, más económico por tarea completada y mejor justamente en las evaluaciones que describen ese trabajo.

Ejecutar ambos sin ejecutar dos integraciones

La respuesta realista para la mayoría de los equipos no es un cambio, sino una división: MiniMax-M3 para las llamadas cortas deterministas y cualquier cosa que deba permanecer en las instalaciones, MiniMax-M3.1-Flash para las ejecuciones agénticas largas. Ambos son el mismo proveedor, la misma familia de protocolos y, en el caso del endpoint compatible con Anthropic, la misma forma de solicitud, así que la división es una regla de enrutamiento en lugar de dos integraciones de SDK.

Para eso sirve OrcaRouter: una sola clave API para más de 200 modelos, con los precios de lista de cada proveedor traspasados con un 0 % de margen, así que los 0,30 $/1,20 $ de MiniMax-M3 es lo que pagas, y una revisión del proveedor llega a tu factura el mismo día que llega a la suya. MiniMax-M3 ya está en nuestro catálogo hoy. MiniMax-M3.1-Flash no lo está: llámalo a través de la propia API de MiniMax, M Plan o MiniMax Code, así que el reparto anterior funciona como una regla de enrutamiento con una parte fuera de nosotros hasta que lo incorporaremos. El failover automático sigue haciendo trabajo real en esa configuración: si el endpoint más reciente tiene límite de peticiones o un id cambia bajo tus pies, la solicitud recurre a MiniMax-M3 en lugar de a una página de error.

Lo que hace que merezca la pena construir la división en lugar de teorizar sobre ella es que los dos modelos difieren genuinamente en forma, no solo en puntuación. Un enrutador que envía llamadas cortas al modelo que puede dejar de pensar, y llamadas largas al modelo que no puede, está haciendo algo que los benchmarks ya justifican.

La versión corta

MiniMax-M3.1-Flash es el mejor modelo y el peor activo. Obtiene 42 frente a 29, se ejecuta un 18 % más rápido y cuesta menos por tarea completada: un 57 % menos en un índice construido a partir de trabajo extenso y con gran carga de razonamiento. MiniMax-M3 es descargable, más barato para llamadas cortas y algo que es tuyo. Durante los próximos meses, la postura sensata es usar ambos, asignar el trabajo largo al nuevo y estar atento a la publicación de los pesos, porque el día que MiniMax publique el checkpoint, el único argumento que le queda al modelo antiguo es el carril prioritario.