MiniMax-M3.1-Flash Meraih Skor 42 pada Intelligence Index — dengan Biaya $0,22 per Tugas

MiniMax-M3.1-Flash hadir pada 19 Oktober 2026 dengan skor Artificial Analysis Intelligence Index sebesar 42, tiga belas poin di atas MiniMax-M3 yang berada di 29, dengan tarif per token setengahnya dan — angka yang benar-benar penting — kurang dari setengah biaya per tugas, $0,22 versus $0,51. Model ini menyamai GLM-5.3-Flash di 42, berada tiga poin di belakang DeepSeek V4.1 Flash 1017 di 45, dan biayanya lebih rendah daripada keduanya untuk menyelesaikan tugas benchmark. Keempat angka itu adalah seluruh ceritanya dalam satu baris. Bagian yang menarik adalah apa yang terjadi saat Anda berhenti membaca indeks dan mulai membaca tagihan, karena model ini murah per token dan sekaligus luar biasa mahal per token pada saat yang sama. Kegagalan AI dan insiden agen yang terdokumentasi di balik rilis seperti ini dikumpulkan dalam OrcaRouter AI Incident Archive yang setiap entrinya memuat sumbernya sendiri, tingkat keparahan, tingkat keyakinan, dan penanda sengketa.

Angka yang tidak M​iniMax cantumkan dalam postingan blog

Postingan peluncuran M​iniMax adalah karya pemasaran vendor yang kompeten: inferensi lebih cepat, skor agentic lebih kuat, biaya tugas agentic 70% lebih rendah dibanding pendahulunya. Yang tidak dimuatnya adalah satu angka pun yang memungkinkan Anda membandingkan model tersebut dengan apa pun yang tidak dibuatnya.Itu kini telah disediakan dari luar, oleh Artificial Analysis, yang menjalankan MiniMax-M3.1-Flash melalui rangkaian evaluasi standarnya dan menerbitkannya pada 19 Oktober 2026.

• Intelligence Index — 42, peringkat keempat dari 173 model di pelacak

• Biaya per tugas Intelligence Index — $0.22, dibandingkan $0.51 untuk MiniMax-M3 dan $0.28 untuk GLM-5.3-Flash

• Harga daftar — $0,15 per juta token masukan, $0,60 per juta token keluaran, $0,015 per juta pembacaan cache

• Harga campuran — $0,10 per juta berdasarkan campuran cache-hit/input/output 7:2:1 pada pelacak

• Jendela konteks — 1.000.000 token

• Kecepatan keluaran — 125,5 token per detik, dengan waktu 1,04 detik hingga token pertama

• Verbositas — 180 juta token keluaran yang dikonsumsi di seluruh Index, dibandingkan dengan median 99 juta

• Modalitas input — teks dan gambar, sesuai tracker; referensi API MiniMax sendiri juga mencantumkan video

Peringkat adalah bagian lemah dari headline. Peringkat keempat dari 173 terdengar seperti podium, dan dalam pengertian sempit bahwa pelacak membandingkan model dari segala ukuran dan harga, memang demikian. Namun tiga model di atasnya — DeepSeek V4.1 Flash 1017 di peringkat 45, dan dua sistem frontier yang lebih besar — bukanlah pesaingnya dalam keputusan pengadaan. Model yang benar-benar akan menjadi pesaingnya dalam daftar pendek adalah model pada titik harga yang sama, dan di sana situasinya adalah persaingan sangat ketat dengan GLM-5.3-Flash serta kekalahan tipis dari Flash terbaru DeepSeek.

42 dua kali, untuk dua alasan berbeda

GLM-5.3-Flash dan MiniMax-M3.1-Flash sama-sama memperoleh skor 42 pada indeks yang sama, sehingga hasil imbang itu tidak seberguna yang terlihat. Keduanya mencapainya melalui jalur yang berlawanan.

GLM-5.3-Flash adalah model berbobot terbuka: 320 miliar parameter total, 18 miliar aktif, lisensi MIT, bobotnya tersedia di Hugging Face sejak rilisnya pada 26 Agustus 2026. Model ini berjalan pada 78 token per detik dengan waktu hingga token pertama 2,52 detik, berbiaya $0,15 per juta token masuk dan $0,50 keluar, serta menghabiskan $0,28 per tugas indeks. MiniMax-M3.1-Flash saat ini tertutup — MiniMax mengatakan bobotnya "akan dirilis nanti" — berjalan pada 125,5 token per detik, dan menghabiskan $0,22 per tugas. Jadi, hasil seri ini adalah seri dalam hal kemampuan dan keputusan terbelah dalam segala hal yang dipedulikan tim produksi: satu dapat diunduh dan dikuantisasi, yang lain 60% lebih cepat dan 20% lebih murah per tugas.

DeepSeek V4.1 Flash 1017, yang dirilis dua hari sebelumnya pada 17 Oktober, adalah perbandingan yang lebih sulit. Model ini mencetak skor 45, berjalan pada 222 token per detik — hampir dua kali lipat — dan berbiaya $0,30 untuk input dan $1,20 untuk output, tepat dua kali lipat tarif MiniMax, dengan diskon cache 98% yang menurunkan biaya per tugasnya menjadi $0,26. Model ini juga merupakan bobot terbuka berlisensi MIT dengan total 552 miliar parameter dan 16 miliar parameter aktif. Dalam hal kemampuan mentah dan kecepatan mentah, model ini menang mutlak. Dalam hal biaya per tugas yang diselesaikan, MiniMax masih unggul empat sen, margin yang cukup tipis sehingga perilaku caching dan panjang output akan menentukannya dalam beban kerja nyata, bukan harga daftar.

Perlu dinyatakan dengan jelas: DeepSeek V4.1 Flash yang lebih lama, dirilis 10 September 2026, mendapat skor 39 — di bawah MiniMax-M3.1-Flash. Akhiran "1017" itu penting. Siapa pun yang membandingkan dengan checkpoint September berarti membandingkan dengan model yang lebih lemah.

Benchmark vendor, dan seberapa bernilai itu

M​iniMax menerbitkan enam evaluasi bersamaan dengan peluncuran. Tidak ada satu pun yang direproduksi secara independen, dan postingan itu tidak menyertakan kolom perbandingan, jadi angka-angka tersebut terutama berguna sebagai gambaran tentang untuk apa M​iniMax menganggap model ini ditujukan.

• BankerToolBench — 76.2, rangkaian alur kerja perusahaan yang mencakup perencanaan multi-langkah, konsistensi dokumen, dan panggilan alat berantai

• DeepSWE v1.1 — 73,7%, pemahaman kode, pekerjaan fitur, perbaikan bug, dan validasi pengujian

• OSWorld V2 — 61.7, pengoperasian komputer lintas aplikasi; MiniMax mengklaim peringkat pertama di antara model Tiongkok

• Agents' Last Exam — 29,6, tugas profesional berhorizon panjang; klaim "pertama di antara model-model Tiongkok" yang sama

• CyberGym — 82%, penemuan dan validasi kerentanan

• AutomationBench-AA — disebut sebagai yang berkinerja teratas, skor tidak dipublikasikan

Baris terakhir itu adalah petunjuknya. AutomationBench adalah benchmark yang menopang posisi "agentic", dan itulah satu angka yang tidak dicantumkan dalam tulisan tersebut. Lima angka lainnya nyata dan spesifik, tetapi skor benchmark tanpa kumpulan pembanding hanya memberi tahu Anda apa yang bisa dilakukan sebuah model di laboratorium dan tidak memberi tahu apa pun tentang apakah model itu mengalahkan model yang sudah Anda bayar. Perhatikan juga bahwa model tersebut berada di tangan para penguji selama tiga minggu sebagai MiniMax-M3.1-Flash-Preview sebelum peluncuran ini, dan tidak ada evaluasi independen atas checkpoint itu yang dipublikasikan juga — pengukuran pihak ketiga pertama untuk model M3.1 mana pun adalah angka 42 yang muncul pada hari peluncuran.

Mengapa harga token dan harga tugas tidak sesuai

Inilah jebakan pada model ini, dan ini bukan perkara kecil. Daftar tarif MiniMax-M3.1-Flash tepat setengah dari MiniMax-M3: $0,15/$0,60 dibandingkan $0,30/$1,20 hingga 512.000 token masukan. Inferensi wajarnya adalah bahwa suatu beban kerja memakan biaya setengahnya. Kenyataannya tidak demikian, karena dua alasan yang saling memperkuat.

Yang pertama adalah verbositas. Pada Intelligence Index, model ini mengonsumsi 180 juta token output, sedangkan model median mengonsumsi 99 juta. Model ini berpikir pada tingkat upaya default yaitu max, dan token berpikir ditagih sebagai output serta diperhitungkan terhadap max_tokens. Jalankan perhitungannya pada beban kerja yang padat output: pada 180 juta token output, MiniMax-M3 dengan $1.20 per juta ditagih $216. Sepuluh juta dengan $0.60 ditagih $108 — pengurangan setengahnya tetap berlaku. Jadi tarifnya jujur; volumenya yang berpengaruh.

Alasan kedua adalah bahwa Anda sama sekali tidak dapat mematikan thinking. Referensi API M​iniMax menyatakan secara eksplisit: mengirim thinking: {"type": "disabled"} mengembalikan HTTP 400, dan reasoning_effort: "none" ditolak dengan cara yang sama. Tangga lima tingkat — low, medium, high, xhigh, max — adalah satu-satunya kendali yang Anda dapatkan, dan menghilangkan field tersebut berarti max. Sebaliknya, MiniMax-M3 memungkinkan Anda mematikan thinking sepenuhnya dan secara default mematikannya pada endpoint yang kompatibel dengan Anthropic.

Konsekuensi praktisnya: untuk pekerjaan klasifikasi, ekstraksi, atau pemformatan ketika Anda membayar untuk enam puluh token keluaran dan tanpa penalaran, MiniMax-M3 dengan mode berpikir dinonaktifkan pada $1,20 per juta token keluaran tetap bisa lebih murah daripada MiniMax-M3.1-Flash pada $0,60, karena model yang lebih baru akan menghabiskan beberapa ratus token berpikir sebelum menjawab. Untuk proses agentic — penggunaan alat bertahap, sesi pengodean panjang, loop penggunaan komputer — model yang lebih baru menang, dan angka independen biaya per tugas mengonfirmasinya: $0,22 dibandingkan $0,51 adalah pemotongan 57%, bukan 50%, karena lintasan yang lebih pendek lebih dari cukup untuk menutup biaya penalaran tambahan.

Cara yang tepat untuk membaca peluncuran seperti ini adalah per tugas yang diselesaikan, bukan per token, dan angka $0.22 dari pelacak tersebut adalah satu-satunya angka dalam artikel ini yang sudah menghitungkan aritmetika itu untuk Anda.

Memastikan biaya tepat tanpa menulis ulang stack Anda

Biaya per tugas lebih merupakan keputusan routing daripada keputusan pembelian. Model-model dalam perbandingan ini tidak dapat dipertukarkan pada satu sumbu: MiniMax-M3.1-Flash cepat dan murah per tugas tetapi tertutup; GLM-5.3-Flash memiliki kemampuan yang sama dengan bobot yang dapat diunduh; DeepSeek V4.1 Flash 1017 lebih cepat dan lebih kuat dengan tarif token dua kali lipat. Sebagian besar tim akhirnya menjalankan dua dari tiga model tersebut, membagi lalu lintas berdasarkan jenis tugas.

Selisih itulah alasan OrcaRouter ada: satu kunci API untuk 200+ model, dengan harga daftar penyedia diteruskan pada markup 0%, sehingga ketika M​iniMax memangkas separuh daftar tarif, angka pada tagihan Anda berubah pada hari yang sama, bukan pada pembaruan kontrak berikutnya. MiniMax-M3.1-Flash sendiri belum ada di katalog kami — model ini dapat dipanggil hari ini melalui API M​iniMax sendiri, M Plan, dan M​iniMax Code, dan tidak di tempat lain yang dapat kami jamin. Yang sudah dapat dirutekan di OrcaRouter adalah sisa daftar pendeknya: MiniMax-M3, GLM-5.3-Flash, dan DeepSeek V4.1 Flash 1017, ketiganya dengan satu kunci, sehingga perbandingan di atas dapat dijalankan pada lalu lintas Anda sendiri alih-alih pada benchmark.

Failover otomatis menjadi lebih penting daripada biasanya ketika model terbaru dalam satu lini juga merupakan model dengan riwayat operasional paling sedikit. MiniMax-M3.1-Flash baru berusia dua hari, jalur migrasi pendahulunya masih berjalan, dan vendor telah menjanjikan model Pro yang lebih mumpuni nanti — yang justru merupakan situasi di mana Anda menginginkan model kedua di belakang model pertama dalam tabel routing alih-alih melakukan penulisan ulang dalam tiga minggu.

Apa yang harus ditonton

Tiga hal akan menentukan apakah 42 tetap menjadi angka yang dikutip orang dalam enam bulan ke depan. Pertama, bobotnya: MiniMax berkomitmen merilisnya "nanti", tanpa tanggal pasti, dan bobot terbuka akan seketika menjadikannya model yang dapat diunduh dengan biaya per tugas termurah di kelasnya. Kedua, model Pro: MiniMax telah menyatakan versi yang lebih kuat akan datang, yang biasanya berarti Flash direposisikan dari sisi harga. Dan yang ketiga adalah replikasi independen atas angka-angka agentic — OSWorld V2, ALE, dan CyberGym justru merupakan benchmark yang paling bervariasi antar-harness, dan saat ini setiap angka pada benchmark tersebut berasal dari perusahaan yang menjual model itu.

Sampai saat itu, ringkasan yang dapat dipertahankan bersifat sempit dan berguna: pada $0,22 per tugas, MiniMax-M3.1-Flash adalah cara termurah untuk membeli skor Intelligence Index 42, ia menyamai GLM-5.3-Flash pada skor itu sekaligus lebih cepat dan tertutup, dan ia kalah dari DeepSeek V4.1 Flash 1017 dalam kemampuan dan kecepatan tetapi mengalahkannya dalam biaya per tugas yang diselesaikan. Jika beban kerja Anda bersifat agentic, pertukaran itu layak dilakukan hari ini. Jika itu seribu panggilan klasifikasi singkat, model yang digantikannya mungkin masih menjadi pilihan yang lebih murah.