MiniMax-M3.1-Flash ora risponde alle tue chiamate M2.7: cosa è cambiato il 19 ottobre

Se stai inviando MiniMax-M2.7 a una chiave MiniMax M Plan o Token Plan oggi, il modello dietro quel nome è cambiato. L'avviso di ritiro dei modelli di MiniMax fissa il 19 ottobre 2026 come data in cui le richieste indirizzate a MiniMax-M2.7 e MiniMax-M2.5 su tali piani vengono automaticamente instradate a MiniMax-M3.1-Flash — lo stesso ID modello nel tuo codice, un modello diverso dall'altra parte, con un budget di ragionamento che per impostazione predefinita è massimo e nessun modo di disattivare del tutto il ragionamento. Il modello in sé non è nuovo: MiniMax-M3.1-Flash è presente nella documentazione del fornitore dal 27 settembre 2026, quando lo abbiamo confermato per la prima volta lì con il nome MiniMax-M3.1-Flash-Preview. Ciò che è nuovo, e datato oggi, è la sostituzione — e il fatto che due famiglie di modelli più vecchie vengono inglobate in essa secondo lo stesso calendario. I fallimenti documentati dell'IA e gli incidenti degli agenti dietro rilasci come questo sono raccolti in l'OrcaRouter AI Incident Archive dove ogni voce riporta le proprie fonti, gravità, grado di affidabilità e flag di contestazione.

A cosa l'avviso si impegna effettivamente

MiniMax pubblica il programma nella propria documentazione dell'elenco dei modelli, ed è insolitamente specifico per una deprecazione. Tre date fanno tutto il lavoro.

• 19 ottobre 2026 — le famiglie M2.5 e M2.7 non saranno più disponibili per i nuovi utenti. • 19 ottobre 2026 — ogni richiesta a M2.5 o M2.7 nell'ambito di M Plan e Token Plan viene automaticamente instradata a M3.1 Flash. I nomi dei modelli esistenti continuano a funzionare e il fornitore dichiara che le quote di utilizzo dei piani restano invariate. • 18 novembre 2026 — entrambe le famiglie vengono ritirate. Le richieste API a esse smettono completamente di funzionare.

Il pagamento a consumo è trattato separatamente: MiniMax afferma che gli utenti esistenti con pagamento a consumo mantengono l'accesso fino alla data di dismissione, mentre i nuovi utenti vengono esclusi da oggi. Il consiglio dell'azienda è quello che ci si aspetterebbe — verificare se le proprie applicazioni si basano su questi modelli e iniziare a pianificare la migrazione — il che arriva un po' tardi per chiunque avesse il traffico di produzione puntato su M2.7 questa mattina.

La parola importante nell'avviso è automaticamente. Non si tratta di una deprecazione che restituisce un errore e forza una modifica al codice. È una sostituzione silenziosa: la tua richiesta continua ad andare a buon fine, il tuo utilizzo continua a consumare la stessa quota e la cosa che produce i token è diversa. Se registri il modello richiesto ma non quello restituito, il tuo monitoraggio mostrerà un servizio sano che esegue un modello che non hai scelto.

Tre cose cambiano all'interno della risposta

Il riferimento API del fornitore documenta entrambi i modelli nella stessa pagina, il che rende semplice indicare con precisione il delta. MiniMax-M3.1-Flash è un modello di coding multimodale all'avanguardia con una finestra di contesto di 1.000.000 di token e profondità di ragionamento regolabile; MiniMax-M2.7 è un modello legacy di testo e strumenti con una finestra di 204.800 token.

• Contesto — 1,000,000 token su MiniMax-M3.1-Flash rispetto a 204,800 su MiniMax-M2.7, un aumento di circa cinque volte. • Input — testo, immagini e video su MiniMax-M3.1-Flash rispetto a solo testo e chiamate agli strumenti sulla famiglia M2.x, che, secondo quanto afferma esplicitamente la nota legacy del fornitore, non accetta input di immagini o video. • Ragionamento — sempre attivo e non disattivabile su MiniMax-M3.1-Flash; l'invio di thinking: {"type": "disabled"} restituisce HTTP 400 con codice di errore 2013. • Profondità di ragionamento — effort accetta low, medium, high, xhigh e max, e il valore predefinito è max quando viene omesso. M2.7 non ha un controllo equivalente. • Output di ragionamento — restituito in reasoning_content sul protocollo compatibile con O​penAI e in un blocco thinking su quello compatibile con A​nthropic. reasoning_split: false non è accettato, quindi il ragionamento non può essere reinserito in content come tag <think>. • Limite di output — un valore consigliato di 131,072 token e un massimo assoluto di 524,288 per la generazione su MiniMax-M3.1-Flash, rispetto a un contesto totale di 204,800 su M2.7. • Livelli di ammissione — service_tier: "priority" (il livello con ammissione 1,5× più rapida) non è supportato su MiniMax-M3.1-Flash. Un carico di lavoro che faceva affidamento sull'ammissione prioritaria ne perde il vantaggio. • Campionamento — top_p ha come valore predefinito 0.95 su MiniMax-M3.1-Flash, rispetto a 0.9 sui modelli M2.x.

Due di questi sono cosmetici. I valori predefiniti del thinking non lo sono. Un carico di lavoro creato per M2.7 non ha mai dovuto preoccuparsi dello sforzo di ragionamento, perché non c'era nulla da impostare. Lo stesso carico di lavoro, invariato, ora viene eseguito con lo sforzo massimo a ogni richiesta — e MiniMax conteggia i token di thinking ai fini del limite di generazione, motivo per cui la documentazione del fornitore avverte che un valore troppo piccolo max_tokens produce un motivo di arresto max_tokens senza alcun output testuale.

L'impostazione predefinita è quella costosa.

Ecco la trappola in una frase: l'avviso di migrazione dice che le tue quote di utilizzo restano invariate, e questo è vero, ma i token consumati da ogni richiesta no.

Le FAQ sul piano M di M​iniMax sono esplicite sul fatto che il consumo dipende dalla profondità di pensiero e che una profondità maggiore per M3.1 Flash genera più contenuto di pensiero e consuma di più. Con sforzo impostato per impostazione predefinita su max, un carico di lavoro M2.7 migrato ora viene eseguito con l'impostazione più costosa offerta dal modello, che nessuno ha scelto.

Un'illustrazione approssimativa, che usa numeri arrotondati ed è chiaramente indicata come aritmetica anziché misurazione: prendiamo 40.000 richieste al giorno, un prompt da 6.000 token e 3.000 token di ragionamento a max contro circa 600 a low. Sono 96 milioni di token di ragionamento in più al giorno, ovvero circa 2,9 miliardi al mese. Al prezzo della tariffa di output pubblicata di MiniMax-M3 di 1,20 $ per milione di token — la tariffa pubblicata più vicina che esista, perché M​iniMax non pubblica alcuna tariffa per token per M3.1 Flash — quella differenza è poco più di 3.400 $ al mese. Basta cambiare due di queste ipotesi e il numero si sposta parecchio; il punto è che il segno no.

La soluzione è un solo campo, e cambia a seconda del protocollo: output_config.effort sull'endpoint compatibile con A​nthropic, reasoning_effort su quello compatibile con O​penAI, reasoning.effort sull'endpoint Responses. Le guide degli strumenti di programmazione di M​iniMax consigliano esattamente questo — ridurre lo sforzo per le attività semplici invece di provare a disattivare il ragionamento, perché disattivarlo non è un'opzione.

C'è un effetto di secondo ordine che vale la pena verificare prima di regolare qualsiasi cosa. Se il tuo client invia max_tokens dimensionato per una risposta M2.7, un modello con effort massimo può spendere l'intero budget nel ragionamento e restituire un messaggio vuoto. Il riferimento compatibile con A​nthropic di M​iniMax ti dice di impostare output_config.effort su max esplicitamente; la tabella dei parametri della stessa pagina avverte che i token di thinking contano ai fini di max_tokens. Queste due affermazioni si trovano a poche righe di distanza, e la combinazione è il modo in cui ottieni una risposta 200 senza nulla dentro.

Non c'è ancora un prezzo per token

Questa è la parte che rende la migrazione difficile da preventivare più che difficile da programmare. La tabella dei prezzi a consumo di MiniMax elenca un solo modello linguistico: MiniMax-M3, a 0,30 $ per milione di token di input e 1,20 $ per milione di token di output per prompt fino a 512.000 token di input, che raddoppiano a 0,60 $ e 2,40 $ oltre tale soglia, con uno sconto permanente del 50% già applicato alle tariffe di listino barrate. Le letture dalla cache dei prompt costano rispettivamente 0,06 $ e 0,12 $ per milione. MiniMax-M3.1-Flash non compare affatto in quella tabella.

Quello che è pubblicato è il prezzo dell’abbonamento. M Plan costa $22 al mese per Go, $55 per Explore e $132 per Build, tutti e tre includono il modello testuale M3.1 Flash Preview, con Explore che offre una quota di utilizzo pari a tre volte quella di Go e Build sette volte e mezzo. Token Plan esiste ancora per gli abbonati esistenti ma non è più venduto ai nuovi, e la nota di aggiornamento del fornitore afferma che i piani mantengono comunque il prezzo e i limiti testuali attuali.

Quindi la risposta onesta a «quanto costa M3.1 Flash per token» è che nessuno al di fuori di MiniMax può ancora dirtelo, perché il numero non è indicato nella pagina. Se ti serve un valore per token per costruire un business case questa settimana, l'unico approccio difendibile è misurare: esegui un set di valutazione fisso a ogni livello di effort, registra usage dalla risposta e converti al tasso che il tuo piano implica. Un fornitore che pubblica la model card ma non il listino prezzi ti sta dicendo che vuole parlare di abbonamento, non di consumo a consumo.

Quale ID del modello invii effettivamente?

La documentazione di MiniMax non è coerente con se stessa, e questo fa male esattamente nel momento sbagliato. Il riferimento API, la guida all'invocazione dei modelli e l'elenco dei modelli chiamano tutti il modello MiniMax-M3.1-Flash. Le pagine di M Plan, la guida alla configurazione di Claude Code e la guida alla configurazione di Codex lo chiamano tutte MiniMax-M3.1-Flash-Preview, inclusa una configurazione di Claude Code che imposta quattro variabili d'ambiente separate su MiniMax-M3.1-Flash-Preview[1m].

Nessuna delle due denominazioni è annotata come deprecata e nessuna pagina della documentazione annuncia una data di disponibilità generale o una rinomina. Vale la pena dirlo chiaramente invece di tirare a indovinare: allo stato attuale il fornitore utilizza entrambe le stringhe e non siamo riusciti a stabilire dalla documentazione pubblica quale delle due accetterà una chiave pay-as-you-go. L'unico test che chiarisce la questione richiede circa dieci secondi e non costa nulla:

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

Leggi gli ID restituiti e usane uno alla lettera. Se stai integrando il modello in C​laude Code, Cursor, Codex o OpenCode, le guide del fornitore prevedono la forma -Preview, e la guida di C​laude Code nota inoltre che lo strumento dovrebbe riportare MiniMax-M3.1-Flash-Preview come modello attivo quando la configurazione è corretta.

Se ospiti autonomamente, niente di tutto questo ti raggiunge

MiniMax-M2.7 è un modello open-weight. Il suo checkpoint è su Hugging Face da aprile 2026 sotto l'organizzazione MiniMaxAI, e l'avviso che ritira l'endpoint API non riguarda una copia in esecuzione sul tuo hardware. Lo stesso vale per M2.5. Se il tuo traffico M2.7 è servito dal tuo cluster o da un deployment privato, il cambio di routing di oggi è un problema di qualcun altro.

MiniMax-M3.1-Flash non si trova in quella posizione. I due repository pubblici più recenti dell'organizzazione MiniMaxAI sono M​iniMax-Music3, creato il 7 agosto 2026, e M​iniMax-H3, creato il 28 luglio 2026, e una ricerca su Hugging Face per M3.1 non restituisce nulla. Non c'è alcun checkpoint, alcun file di licenza né alcuna via di fuga per il self-hosting per il modello su cui vieni ora instradato. Se i pesi aperti erano il motivo per cui hai scelto M2.7, la migrazione è un vero downgrade in autonomia anche dove è un upgrade in capacità.

La checklist di migrazione, nell'ordine che conta

• Oggi — verifica se utilizzi una chiave in abbonamento o una chiave pay-as-you-go. L'auto-routing si applica a M Plan e Token Plan; il pay-as-you-go continua a servire M2.5 e M2.7 agli utenti esistenti fino al 18 novembre. • Oggi — registra l'ID del modello restituito dall'API, non solo quello che hai inviato, così una sostituzione silenziosa diventa visibile nei tuoi dati. • Questa settimana — imposta effort esplicitamente a ogni chiamata. Scegli il livello per classe di attività invece di ereditare max. • Questa settimana — aumenta max_tokens o max_completion_tokens prima di aumentare effort, e verifica la presenza di completamenti vuoti con un motivo di stop max_tokens. • Prima del 18 novembre — se hai ancora bisogno del comportamento di M2.7, portalo su un checkpoint self-hosted o accetta il comportamento del nuovo modello. Dopo tale data l'endpoint non è più disponibile. • Prima del 18 novembre — testa di nuovo tutto ciò che usava service_tier: "priority". Non è disponibile su M3.1 Flash, quindi il profilo di latenza cambia anche quando il modello non cambia.

Dove un livello di routing ripaga il suo costo

La lezione di questa settimana non è che MiniMax abbia rilasciato un modello migliore. È che un ID di modello nel tuo codice è una promessa che il fornitore può riscrivere, e che la riscrittura non è accompagnata da una voce di changelog nella cronologia dei tuoi deploy.

È questo il caso d'uso per mettere la scelta del modello dietro un router anziché codificare a mano una stringa di fornitore in dodici servizi. Su OrcaRouter, MiniMax-M3 e gli endpoint M2.5 e M2.7 si trovano accanto a oltre 200 altri modelli dietro un'unica chiave, a 0% di ricarico — il prezzo di listino del fornitore viene trasferito direttamente, ed è per questo che MiniMax-M3 compare agli stessi $0.30 e $1.20 per milione di token applicati dal fornitore, e che una variazione di prezzo del fornitore arriva lo stesso giorno anziché al ciclo di fatturazione successivo.

Due cose davvero utili in questo contesto. Innanzitutto, il DSL di routing consente di fissare un modello specifico per una classe di attività e passare a un secondo quando il primo non è disponibile, così una valutazione di un modello non ancora collaudato viene eseguita accanto a quello attuale invece di sostituirlo. In secondo luogo, il failover automatico tra provider significa che un pomeriggio problematico a monte è una route degradata anziché un'interruzione.

Una cosa da chiarire: oggi MiniMax-M3.1-Flash non è nel nostro catalogo. Quello che offriamo è la linea MiniMax per token — M3, M2.7, M2.5 e H3 — quindi, se vuoi confrontare il modello su cui sei appena stato migrato con quello da cui sei stato migrato, il lato del modello precedente è a una sola chiave di distanza. Al nuovo modello si accede tramite i piani di MiniMax stessi.

Cosa cambierebbe questa lettura

Tre pubblicazioni trasformerebbero questa da una storia di migrazione in una storia di lancio, e nessuna di esse esiste ancora. Un prezzo per token per MiniMax-M3.1-Flash consentirebbe a chiunque di calcolare davvero il costo del passaggio. Un checkpoint su Hugging Face ripristinerebbe l'opzione di self-hosting che gli utenti di M2.7 stanno perdendo. Una voce su Artificial Analysis darebbe al modello il suo primo punteggio di intelligenza indipendente — MiniMax-M3 si trova a 29,2 su quell'indice, e la documentazione di M​iniMax stessa dichiara risultati all'avanguardia su SWE, BrowseComp e xBench per M3.1 Flash senza pubblicare un solo numero a corredo.

Fino ad allora, trattate il modello per quello che è: invocabile, documentato, non benchmarkizzato e senza prezzo per token, che ora riceve traffico che non ha chiesto per nome. Le squadre che ne escono bene sono quelle che il primo giorno si sono accorte che il loro ID del modello era diventato un alias.