MiniMax-M3.1-Flash : la documentation l'utilise déjà, la page des tarifs pas encore

Le 19 octobre 2026, un observateur de modèles qui a fait ses preuves a publié que M​iniMax « se prépare à sortir MiniMax-M3.1-Flash », en renvoyant à la référence API du fournisseur. La référence API existe bien, et la ligne qu’elle cite — « Modèle de codage multimodal de pointe avec une fenêtre de contexte de 1 M et une profondeur de réflexion réglable » — est reprise mot pour mot de la documentation de M​iniMax elle-même. Mais « se préparer à sortir » minimise ce qui figure réellement sur la page. MiniMax-M3.1-Flash n’est pas un nom de code en attente dans un journal des modifications : c’est le modèle utilisé dans chaque exemple de code du guide de génération de texte, il figure au-dessus de MiniMax-M3 dans la liste des modèles, il partage la ligne de limite de débit de M3 et, à partir d’aujourd’hui, il est la destination vers laquelle M​iniMax achemine automatiquement le trafic des abonnements M2.5 et M2.7. Ce qu’il n’est pas, c’est tarifé, évalué par des benchmarks, téléchargeable ou mentionné une seule fois dans les notes de version du fournisseur. Cet écart — sur une page, documenté et appelable ; sur la suivante, absent de toutes les pages commerciales — résume toute l’histoire, et il vaut la peine de préciser quelles parties sont confirmées et lesquelles relèvent de l’inférence. Les défaillances documentées de l’IA et les incidents d’agents à l’origine de versions comme celle-ci sont recensés dans l’OrcaRouter AI Incident Archive où chaque entrée comporte ses propres sources, son niveau de gravité, son niveau de confiance et son indicateur de contestation.

Qu'y a-t-il réellement sur les pages du fournisseur aujourd'hui ?

Quatre pages MiniMax distinctes portent le nom du modèle, et elles ne le portent pas toutes de la même manière. Ce désaccord est la preuve la plus utile dont on dispose, car chaque page est rédigée par une équipe différente pour un lecteur différent.

• La référence de l’API et le guide d’invocation des modèles indiquent tous deux MiniMax-M3.1-Flash comme modèle actuel, au-dessus de MiniMax-M3, avec une fenêtre de contexte de 1 000 000 de tokens et la description de la profondeur de réflexion réglable. Chaque exemple curl, Python et Node de ces pages envoie exactement cette chaîne.

• La liste des modèles dans la FAQ le présente comme un modèle disponible sans mention d’aperçu, et son avis de retrait — daté du 19 octobre 2026 — désigne « M3.1 Flash » comme la destination vers laquelle les requêtes M2.5 et M2.7 au titre de M Plan et Token Plan sont désormais acheminées.

• Le tableau des limites de débit place MiniMax-M3.1-Flash et MiniMax-M3 sur une même ligne : 200 requêtes par minute, 10 000 000 de jetons par minute. Les familles M2.7 et M2.5 qu’il remplace y sont indiquées à 500 RPM et 20 000 000 TPM, ce qu’il vaut la peine de garder en mémoire si vous supposiez une migration à la hausse sur tous les plans.

• Les pages M Plan et Token Plan continuent d’appeler le modèle textuel « M3.1 Flash Preview » — dans l’aperçu du forfait, la FAQ du forfait, l’avis de mise à niveau du Token Plan et les règles d’utilisation du M Plan, aux quatre endroits.

Ainsi, le nom a perdu son suffixe « Preview » dans la documentation technique et l’a conservé dans la documentation commerciale. Aucune page n’annonce de renommage, de date de disponibilité générale ni de lancement, et la page des notes de version est révélatrice : sa plus récente entrée de modèle de langage est toujours MiniMax-M3 au 1er juin 2026, la seule entrée postérieure étant H3 le 31 juillet. Quoi qu’il soit arrivé à ce modèle fin septembre, MiniMax ne l’a jamais consigné comme une sortie. Considérez « M3.1-Flash a abandonné l’étiquette Preview » comme une observation sur la documentation, et non comme une nouvelle annoncée par le fournisseur.

La seule chose véritablement nouvelle par rapport à MiniMax-M3

Derrière les appellations, il existe une véritable différence de capacités, et c’est celle qu’a relevée la publication d’origine. MiniMax-M3 traite la réflexion comme un interrupteur : l’omettre signifie la désactiver, {"type": "adaptive"} l’active, {"type": "disabled"} la maintient désactivée. MiniMax-M3.1-Flash traite la réflexion comme un paramètre que l’on ne peut pas désactiver du tout. Envoyez thinking : {"type": "disabled"} — ou reasoning_effort : "none" sur le point de terminaison compatible OpenAI — et l’API renvoie HTTP 400 avec le code d’erreur 2013 et le message indiquant que le modèle « nécessite une réflexion adaptative ».

Vous obtenez à la place une échelle d’effort à cinq niveaux : low, medium, high, xhigh, max. Le fournisseur indique dans sa documentation que les niveaux plus élevés réfléchissent plus minutieusement et produisent davantage de jetons de réflexion, avec une latence plus élevée. La valeur par défaut, lorsque vous omettez entièrement le champ, est max. Le nom du champ change selon le protocole — output_config.effort sur le point de terminaison compatible Anthropic, reasoning_effort sur celui compatible OpenAI, reasoning.effort sur le point de terminaison Responses — mais l’échelle est la même, avec ces cinq valeurs sur les trois.

Deux détails se trouvent à côté de cette échelle et sont faciles à manquer. Premièrement, les tokens de réflexion comptent dans max_tokens ; les notes de référence de MiniMax elles-mêmes indiquent qu'un budget dimensionné pour une réponse courte peut être entièrement consommé par le raisonnement et renvoyer un message vide avec stop_reason : "max_tokens". Deuxièmement, reasoning_split ne peut pas être défini sur false sur ce modèle, donc sur la voie compatible OpenAI, la réflexion arrive toujours dans reasoning_content plutôt que dans des balises <think> au sein de content. Si vous avez un analyseur qui extrait ces balises de la sortie de M3, il n'a rien à faire ici.

C’est à la fois un véritable gain ergonomique et un véritable risque de facturation, et les deux relèvent de la même fonctionnalité. Un renommage de routine en low et une refactorisation à l’échelle du dépôt en xhigh, c’est le même modèle qui fait des compromis différents — c’est exactement ce qu’un niveau Flash devrait offrir. Mais la valeur par défaut est l’échelon le plus coûteux, si bien qu’un appelant qui ne définit jamais le champ paie pour une délibération maximale à chaque requête, y compris les plus triviales. Tout modèle de coût fondé sur les décomptes de tokens de M3 sous-estimera M3.1-Flash tant que l’effort n’est pas fixé.

Ce que « Flash » signifie dans cette ligne, et ce qu’il ne signifie pas

MiniMax a déjà utilisé le suffixe Flash une fois auparavant, sur l’aperçu du 27 septembre dont ce modèle semble être la suite, et l’argumentaire de ce niveau y était le développement quotidien plutôt que le travail de pointe : rapide et fiable, des corrections de bogues rapides au développement complet de fonctionnalités. C’est un cahier des charges plausible. Il est aussi, à ce jour, non mesuré.

La ligne M3 de la même documentation indique une vitesse de sortie déclarée d’« environ 100+ tps ». La ligne M3.1-Flash ne comporte aucun chiffre de vitesse. Le tableau des limites de débit attribue aux deux modèles les mêmes 200 RPM et 10M TPM ; le débit par compte est donc documenté, mais pas la latence par token. Les mesures indépendantes ne comblent pas ce vide : Artificial Analysis répertorie MiniMax-M3 avec un score Intelligence Index, mais ne dispose d’aucune entrée pour MiniMax-M3.1-Flash — la page du modèle renvoie un 404 et il n’apparaît pas dans l’index des modèles. Il n’existe pas non plus de fiche de référence du fournisseur ; la colonne est donc vide, et non simplement précoce. Un palier appelé Flash sans chiffre de vitesse publié relève d’un positionnement marketing, pas d’une spécification.

Trois chiffres manquent encore, et ce que chacun bloque

Ce sont là les faits qui déterminent si le modèle est utilisable plutôt que simplement appelable, et tous les trois sont vérifiables en une minute.

Prix. L’aperçu tarifaire de MiniMax ne comporte qu’une seule ligne de modèle de langage : MiniMax-M3 à 0,30 $ par million de jetons d’entrée et 1,20 $ par million de jetons de sortie jusqu’à 512 000 jetons d’entrée, puis 0,60 $ et 2,40 $ au-delà, avec des lectures de cache à 0,06 $ et 0,12 $. Il n’y a aucune ligne M3.1-Flash dans le tableau, ni standard ni prioritaire. Ce qui existe à la place, ce sont des tarifs d’abonnement : M Plan à 22 $ par mois pour Go, 55 $ pour Explore et 132 $ pour Build, les trois niveaux mentionnant le modèle textuel « M3.1 Flash Preview », avec Explore à 3× et Build à 7,5× le quota d’utilisation de Go. Vous pouvez acheter l’accès au modèle ; vous ne pouvez pas en calculer un tarif par jeton.

• Plafond de sortie. Le contexte est documenté à 1 000 000 de tokens. La sortie maximale n’est pas documentée pour M3.1-Flash, alors que notre propre fiche de catalogue pour MiniMax-M3 indique 512 000. Un million de tokens en lecture avec une limite d’écriture non divulguée est une promesse sur l’entrée, pas sur la sortie, et pour les charges de travail de génération de code, c’est le chiffre de sortie qui détermine si une seule passe peut venir à bout de la tâche.

• Poids. Il n’y en a aucun. Les dépôts publics de l’organisation MiniMaxAI s’arrêtent à M​iniMax-Music3 (mis à jour le 14 août 2026) et M​iniMax-H3 (13 août), et une demande de checkpoint MiniMax-M3.1 renvoie la réponse 401 « not visible to you » de la plateforme plutôt qu’une fiche de modèle. MiniMax-M3, en revanche, est téléchargeable depuis l’organisation MiniMaxAI depuis le 2 juin 2026, avec environ 427 milliards de paramètres, sous une licence que Hugging Face classe simplement comme « other ». L’option à poids ouverts qui rendait M3 intéressant pour les équipes disposant de leurs propres GPU ne se retrouve pas dans le successeur.

Il existe un quatrième écart qui compte pour quiconque intègre cela dans une stack existante : le type de clé. Les exemples de code du guide de génération de texte font pointer api_key vers « Get Subscription Key », et la FAQ du compte de MiniMax elle-même précise explicitement que les Subscription Keys et les clés API pay-as-you-go sont des identifiants distincts qui ne peuvent pas être substitués l’un à l’autre. La FAQ du M Plan ajoute la règle symétrique : pour tout ce qui sort de la couverture du forfait, utilisez une clé pay-as-you-go. Rien dans la documentation de M3.1-Flash n’indique laquelle des deux atteint le modèle au niveau de chaque jeton. Nous n’avons pas appelé le point de terminaison pour le vérifier, et un lecteur ne devrait pas supposer qu’une clé API standard fonctionne simplement parce que le modèle apparaît dans un bloc de code compatible OpenAI.

La migration est réelle, et elle a commencé aujourd'hui

Indépendamment de la question du nom, M​iniMax s'est engagé sur un calendrier daté qui place ce modèle dans des parcours de production pour lesquels il n'a jamais été explicitement choisi. À compter du 19 octobre 2026, les requêtes M2.5 et M2.7 dans le cadre de M Plan et Token Plan sont automatiquement acheminées vers M3.1 Flash, les noms de modèles existants continuant de fonctionner pour la compatibilité descendante et les quotas d'utilisation des forfaits restant inchangés. Les deux familles cessent d'être disponibles pour les nouveaux utilisateurs le jour même. Le 18 novembre 2026, elles sont définitivement retirées, après quoi les requêtes API qui leur sont adressées cessent de fonctionner ; les utilisateurs existants en paiement à l'usage conservent l'accès jusqu'à cette date.

Le mot qui fait tout le travail dans cet avis, c'est « automatiquement ». Votre client continue d'envoyer MiniMax-M2.7, la requête continue d'aboutir, le quota continue de fondre — et le modèle qui se trouve à l'autre bout est un modèle qui réfléchit toujours, qui opte par défaut pour l'effort maximal et dont le plafond de requêtes par compte est inférieur à celui du modèle qu'il remplace. Si vous journalisez le modèle que vous avez demandé mais pas celui qui a répondu, rien dans votre supervision ne vous signalera que cela s'est produit. La mesure d'atténuation tient en une ligne : fixer l'effort sur faible ou moyen pour les charges de travail migrées avant que la facture de tokens ne vous le fasse découvrir à vos dépens.

Si vous souhaitez l’évaluer sans acheter d’abonnement

Voici la partie délicate. Un modèle accessible uniquement via une clé d’abonnement, sans prix par token ni latence publiée, est difficile à comparer à quoi que ce soit sur l’axe qui compte — le coût par tâche terminée. La position honnête est que MiniMax-M3.1-Flash ne figure pas au catalogue d’OrcaRouter à ce jour ; une requête pour obtenir une page de modèle le concernant renvoie un 404, et les modèles MiniMax que nous servons constituent la gamme facturée au token — minimax/minimax-m3 à 0,30 $/1,20 $ avec un contexte de 1 M, ainsi que les points de terminaison M2.7, M2.5 et H3.

Tout l’intérêt, c’est la comparaison que le modèle d’abonnement cache. Placez le modèle dont vous pouvez réellement mesurer l’usage à côté de celui dont vous ne pouvez pas, sur la même clé et avec le même ensemble de prompts, et vous obtenez un coût par tâche pour MiniMax-M3 que vous pouvez comparer à ce que le siège M Plan dépense réellement. Les prix indiqués ici correspondent au tarif catalogue du fournisseur, répercuté avec 0 % de marge, de sorte que le calcul que vous faites est celui publié par MiniMax, et non une version majorée. Le basculement automatique maintient une dépendance non éprouvée ou soumise à abonnement à côté d’un chemin de production plutôt qu’en dessous, et le DSL de routage vous permet d’épingler un modèle bon marché pour les appels courants et d’envoyer uniquement les plus difficiles vers un modèle plus coûteux — soit la même décision de hiérarchisation selon l’effort que M3.1-Flash expose sous forme de paramètre, prise un niveau plus haut. La page du modèle MiniMax-M3 sur notre site regroupe la grille tarifaire et les spécifications au même endroit si vous souhaitez commencer par là.

Qu’est-ce qui ferait de ceci un lancement ?

Trois publications permettraient de trancher, et aucune n’existe aujourd’hui. Une ligne de prix pour MiniMax-M3.1-Flash dans l’aperçu des tarifs rendrait le modèle comparable et vous indiquerait si le suffixe Flash signifie moins cher que M3 ou simplement plus rapide. Une entrée dans les notes de version datée d’après le 1er juin 2026 établirait qu’une version est bien sortie, et non qu’il s’agit d’une simple modification de la documentation. Un checkpoint sur Hugging Face rétablirait l’option d’auto-hébergement que proposait M3 et que ce modèle supprime. Une quatrième, indépendante, serait la plus utile : une entrée dans Artificial Analysis avec un chiffre de latence, car « Flash » est une affirmation sur la vitesse et une seule partie n’a publié aucun chiffre à ce sujet.

En attendant, le résumé exact est plus étroit que la publication d’origine et plus utile qu’un article de lancement : MiniMax-M3.1-Flash est un modèle multimodal documenté, accessible par abonnement et doté d’un million de jetons, avec une échelle de réflexion à cinq niveaux qui ne peut pas être désactivée ; il reçoit depuis aujourd’hui le trafic migré de M2.5 et M2.7 ; et il n’a ni prix publié, ni poids, ni plafond de sortie, ni note de version, ni score indépendant. C’est suffisant pour l’essayer, mais pas encore pour en faire un standard.