MiniMax-M3.1-Flash: la documentazione lo usa già, la pagina dei prezzi ancora no

Il 19 ottobre 2026, un osservatore di modelli con un buon storico ha pubblicato che MiniMax si sta «preparando a rilasciare MiniMax-M3.1-Flash», indicando il riferimento API del fornitore. Il riferimento API è reale, e la riga che cita — «Modello frontier di coding multimodale con finestra di contesto da 1M e profondità di pensiero regolabile» — è ripresa testualmente dalla documentazione di MiniMax stessa. Ma l'espressione «prepararsi a rilasciare» sottovaluta ciò che c'è davvero sulla pagina. MiniMax-M3.1-Flash non è un nome in codice che attende in un changelog: è il modello presente in ogni esempio di codice nella guida alla generazione di testo, si trova sopra MiniMax-M3 nell'elenco dei modelli, condivide la riga dei limiti di frequenza di M3 e, da oggi, è la destinazione verso cui MiniMax instrada automaticamente il traffico degli abbonamenti M2.5 e M2.7. Quello che nonè prezzato, benchmarkato, scaricabile o menzionato una volta nelle note di rilascio del fornitore. Questo divario — documentato e invocabile su una pagina, assente da ogni pagina commerciale in quella successiva — è l'intera storia, e vale la pena essere precisi su quali parti siano confermate e quali inferenze. I fallimenti documentati dell'AI e gli incidenti degli agenti dietro rilasci come questo sono raccolti in l'OrcaRouter AI Incident Archive dove ogni voce riporta le proprie fonti, la gravità, il grado di confidenza e il flag di contestazione.

Cosa c’è effettivamente oggi sulle pagine del fornitore?

Quattro pagine M​iniMax distinte riportano il nome del modello, e non tutte lo riportano allo stesso modo. Questa divergenza è la prova più utile a disposizione, perché ogni pagina è scritta da un team diverso per un lettore diverso.

• Il riferimento API e la guida all'invocazione dei modelli elencano entrambi MiniMax-M3.1-Flash come modello corrente, al di sopra di MiniMax-M3, con una finestra di contesto di 1.000.000 di token e la descrizione della profondità di ragionamento regolabile. Ogni esempio curl, Python e Node in quelle pagine invia esattamente quella stringa.

• L'elenco dei modelli nella sezione FAQ lo definisce un modello disponibile senza alcun qualificatore di anteprima, e il suo avviso di dismissione — datato 19 ottobre 2026 — indica "M3.1 Flash" come il modello a cui vengono ora indirizzate le richieste a M2.5 e M2.7 nell'ambito di M Plan e Token Plan.

• La tabella dei limiti di frequenza colloca MiniMax-M3.1-Flash e MiniMax-M3 in un'unica riga: 200 richieste al minuto, 10.000.000 di token al minuto. Le famiglie M2.7 e M2.5 che sostituisce sono elencate a 500 RPM e 20.000.000 TPM, un dettaglio che vale la pena ricordare se si dava per scontata una migrazione verso l'alto su ogni fronte.

• Le pagine M Plan e Token Plan chiamano ancora il modello di testo "M3.1 Flash Preview" — nella panoramica del piano, nelle FAQ del piano, nell'avviso di upgrade del Token Plan e nelle regole di utilizzo del M Plan, in tutti e quattro i punti.

Quindi il nome ha perso il suffisso "Preview" nella documentazione tecnica e lo ha mantenuto in quella commerciale. Nessuna pagina annuncia una ridenominazione, una data di disponibilità generale o un lancio, e la pagina delle note di rilascio è il dettaglio rivelatore: la sua voce più recente relativa a un modello linguistico è ancora MiniMax-M3 al 1 giugno 2026, con l'unica voce successiva costituita da H3 al 31 luglio. Qualunque cosa sia successa a questo modello alla fine di settembre, MiniMax non l'ha mai registrata come rilascio. Considerare "M3.1-Flash ha abbandonato l'etichetta Preview" come un'osservazione sulla documentazione, non come una notizia annunciata dal fornitore.

L'unica cosa davvero nuova rispetto a MiniMax-M3

Togliete l'etichetta e c'è una vera differenza di capacità, ed è quella che il post originale ha notato. MiniMax-M3 tratta il thinking come un interruttore: se omesso è disattivato, {"type": "adaptive"} lo attiva, {"type": "disabled"} lo mantiene disattivato. MiniMax-M3.1-Flash tratta il thinking come una manopola che non può essere disattivata in alcun modo. Inviate thinking: {"type": "disabled"} — oppure reasoning_effort: "none" sull'endpoint compatibile OpenAI — e l'API restituisce HTTP 400 con codice di errore 2013 e il messaggio secondo cui il modello "richiede adaptive thinking".

Quello che si ottiene invece è una scala di effort a cinque livelli: low, medium, high, xhigh, max. Il fornitore documenta che i livelli più alti ragionano in modo più approfondito ed emettono più token di thinking con una latenza maggiore. Il valore predefinito, quando si omette completamente il campo, è max. Il nome del campo cambia con il protocollo — output_config.effort sull'endpoint compatibile con A​nthropic, reasoning_effort su quello compatibile con O​penAI, reasoning.effort sull'endpoint Responses — ma la scala è la stessa, con gli stessi cinque valori su tutti e tre.

Due dettagli stanno accanto a quella scala e sono facili da trascurare. Innanzitutto, i token di ragionamento vengono conteggiati ai fini di max_tokens; la documentazione di riferimento di M​iniMax stessa segnala che un budget dimensionato per una risposta breve può essere interamente consumato dal ragionamento e restituire un messaggio vuoto con stop_reason: "max_tokens". In secondo luogo, reasoning_split non può essere impostato su false su questo modello, quindi sul percorso compatibile con O​penAI il ragionamento arriva sempre in reasoning_content anziché all'interno dei tag <think> in content. Se hai un parser che estrae quei tag dall'output di M3, qui non ha nulla da fare.

Questo è un vero vantaggio ergonomico e allo stesso tempo un vero rischio di fatturazione, e i due sono la stessa funzionalità. Una rinomina di routine a low e un refactoring a livello di repository a xhigh sono lo stesso modello che fa compromessi diversi — è esattamente ciò che un tier Flash dovrebbe offrire. Ma il valore predefinito è il livello più costoso, quindi un chiamante che non imposta mai il campo paga per la massima ponderazione su ogni richiesta, comprese quelle banali. Qualsiasi modello di costo basato sul conteggio dei token di M3 sottostimerà M3.1-Flash finché l'effort non viene fissato.

Cosa significa "Flash" in questa riga, e cosa non significa

M​iniMax ha già usato una volta il suffisso Flash, nell'anteprima del 27 settembre di cui questo modello sembra essere la continuazione, e la proposta di quel livello era lo sviluppo quotidiano anziché il lavoro di frontiera: veloce e affidabile, dalle rapide correzioni di bug allo sviluppo completo di funzionalità. È un brief plausibile. È anche, a oggi, non misurato.

La riga M3 nella stessa documentazione riporta una velocità di output dichiarata di "circa 100+ tps". La riga M3.1-Flash non riporta alcun dato di velocità. La tabella dei limiti di frequenza assegna a entrambi i modelli gli stessi 200 RPM e 10M TPM, quindi la throughput per account è documentata e la latenza per token non lo è. Le misurazioni indipendenti non colmano la lacuna: Artificial Analysis elenca MiniMax-M3 con un punteggio Intelligence Index e non ha alcuna voce per MiniMax-M3.1-Flash — la pagina del modello restituisce un 404 e il modello non compare nell'indice dei modelli. Non esiste nemmeno una scheda di benchmark del fornitore, quindi la colonna è vuota anziché semplicemente prematura. Un tier chiamato Flash senza alcun dato di velocità pubblicato è una posizione di marketing, non una specifica.

Tre numeri ancora mancanti, e cosa blocca ciascuno

Questi sono i fatti che stabiliscono se il modello è utilizzabile anziché semplicemente richiamabile, e tutti e tre sono verificabili in un minuto.

• Prezzo. La panoramica dei prezzi di M​iniMax presenta un'unica riga per modello linguistico: MiniMax-M3 a $0,30 per milione di token di input e $1,20 per milione di token di output fino a 512.000 token di input, con un raddoppio a $0,60 e $2,40 oltre tale soglia, e letture dalla cache a $0,06 e $0,12. Non c'è alcuna riga M3.1-Flash da nessuna parte nella tabella, né standard né prioritaria. Quello che esiste invece è un prezzo in abbonamento — M Plan a $22 al mese per Go, $55 per Explore e $132 per Build, con tutti e tre i livelli che citano il modello testuale "M3.1 Flash Preview", con Explore a 3× e Build a 7,5× la quota di utilizzo di Go. Puoi acquistare l'accesso al modello; non puoi calcolare una tariffa per token.

• Limite di output. Il contesto è documentato a 1.000.000 di token. L'output massimo non è documentato per M3.1-Flash, mentre la nostra voce di catalogo per MiniMax-M3 riporta 512.000. Un milione di token in lettura con un limite di scrittura non dichiarato è una promessa sull'input, non sull'output, e per i carichi di lavoro di generazione di codice è il dato sull'output a decidere se una singola passata può completare il lavoro.

• Pesi. Non ce ne sono. Le repository pubbliche dell'organizzazione MiniMaxAI arrivano al massimo a M​iniMax-Music3 (aggiornato al 14 agosto 2026) e M​iniMax-H3 (13 agosto), e una richiesta per un checkpoint MiniMax-M3.1 restituisce la risposta 401 della piattaforma «non visibile a te» anziché una model card. MiniMax-M3, al contrario, è scaricabile dall'organizzazione MiniMaxAI dal 2 giugno 2026 con circa 427 miliardi di parametri, con una licenza che Hugging Face classifica semplicemente come «other». L'opzione open-weight che rendeva M3 interessante per i team con GPU proprie non passa al successore.

C’è una quarta lacuna che conta per chiunque integri questo in uno stack esistente: il tipo di chiave. Gli esempi di codice della guida alla generazione di testo indicano api_key su «Get Subscription Key», e le FAQ sull’account di M​iniMax stesso sono esplicite: le Subscription Key e le API Key pay-as-you-go sono credenziali separate che non possono essere sostituite l’una con l’altra. Le FAQ del piano M aggiungono la regola corrispondente: per qualsiasi cosa al di fuori della copertura del piano, usare una chiave pay-as-you-go. Nulla nella documentazione di M3.1-Flash dice quale delle due raggiunga il modello su base per token. Non abbiamo chiamato l’endpoint per scoprirlo, e un lettore non dovrebbe dare per scontato che una chiave API standard funzioni solo perché il modello compare in un blocco di codice compatibile con O​penAI.

La migrazione è reale, ed è iniziata oggi.

Separatamente dalla questione del nome, M​iniMax si è impegnata a un calendario con date definite che colloca questo modello in percorsi di produzione per i quali non era mai stato scelto esplicitamente. Dal 19 ottobre 2026, le richieste a M2.5 e M2.7 nell'ambito di M Plan e Token Plan vengono automaticamente indirizzate a M3.1 Flash, mentre i nomi dei modelli esistenti continuano a funzionare per la compatibilità con le versioni precedenti e le quote di utilizzo dei piani restano invariate. Le due famiglie smettono di essere disponibili per i nuovi utenti lo stesso giorno. Il 18 novembre 2026 vengono ritirate del tutto, dopo di che le richieste API a esse smettono di funzionare; gli utenti esistenti con pagamento a consumo mantengono l'accesso fino ad allora.

La parola che fa il lavoro in quell'avviso è «automaticamente». Il tuo client continua a inviare MiniMax-M2.7, la richiesta continua ad andare a buon fine, la quota continua a ridursi — e il modello dall'altra parte è uno che pensa sempre, usa per impostazione predefinita lo sforzo massimo e ha un tetto di richieste per account più basso rispetto al modello che ha sostituito. Se registri il modello che hai richiesto ma non quello che ha risposto, nulla nel tuo monitoraggio ti dirà che è successo. La mitigazione in una riga è fissare lo sforzo su basso o medio per i carichi di lavoro migrati prima che il conto dei token te lo faccia scoprire al posto tuo.

Se vuoi valutarlo senza acquistare un abbonamento

Questa è la parte scomoda. Un modello raggiungibile solo tramite una chiave di abbonamento, senza prezzo per token né latenza pubblicata, è difficile da confrontare con qualsiasi altra cosa sull'asse che conta davvero: il costo per attività completata. La posizione onesta è che MiniMax-M3.1-Flash non è nel catalogo OrcaRouter a oggi; una richiesta della pagina del modello restituisce un 404, e i modelli MiniMax che serviamo sono la linea per token — minimax/minimax-m3 a $0.30/$1.20 con contesto 1M, oltre agli endpoint M2.7, M2.5 e H3.

Quello a cui serve è il confronto che il modello in abbonamento nasconde. Metti il modello che puoi effettivamente misurare accanto a quello che non puoi, sulla stessa chiave e con lo stesso set di prompt, e ottieni un numero di costo per attività per MiniMax-M3 che puoi confrontare con quanto sta realmente spendendo la licenza M Plan. I prezzi qui sono la tariffa di listino del fornitore passata a ricarico 0%, quindi l'aritmetica che fai è quella che MiniMax pubblica, non una versione maggiorata. Il failover automatico tiene una dipendenza non collaudata o vincolata all'abbonamento accanto a un percorso di produzione invece che sotto di esso, e il DSL di routing ti permette di fissare un modello economico per le chiamate di routine e di inviare solo quelle difficili a qualcosa di più costoso — che è la stessa decisione di differenziazione per livello di impegno che M3.1-Flash espone come parametro, presa uno strato più in alto. La pagina del modello MiniMax-M3 sul nostro sito ha la scheda tariffaria e le specifiche in un unico posto, se vuoi partire da lì.

Cosa lo trasformerebbe in un lancio?

Tre pubblicazioni risolverebbero la questione, e oggi non ne esiste nessuna. Una riga di prezzo per MiniMax-M3.1-Flash nella panoramica dei prezzi renderebbe il modello confrontabile e ti direbbe se il suffisso Flash significa più economico di M3 o soltanto più veloce. Una voce nelle note di rilascio datata dopo il 1° giugno 2026 stabilirebbe che un rilascio c'è stato davvero, e non si è trattato soltanto di una modifica alla documentazione. Un checkpoint su Hugging Face ripristinerebbe l'opzione di self-hosting che M3 offriva e che questo modello elimina. Una quarta, indipendente, sarebbe la più utile: una voce su Artificial Analysis con un dato di latenza, perché "Flash" è un'affermazione sulla velocità e solo una delle parti non ha pubblicato alcun numero in merito.

Fino a quel momento il riassunto accurato è più circoscritto del post originale e più utile di un articolo di lancio: MiniMax-M3.1-Flash è un modello multimodale da un milione di token, documentato e accessibile tramite abbonamento, con una scala di ragionamento a cinque livelli che non può essere disattivata; da oggi riceve il traffico migrato da M2.5 e M2.7; e non ha alcun prezzo pubblicato, nessun peso, nessun limite massimo di output, nessuna nota di rilascio e nessun punteggio indipendente. Questo basta per provarlo, ma non ancora per adottarlo come standard.