MiniMax-M3.1-Flash vs MiniMax-M3: metà del prezzo, nessuno dei pesi

MiniMax-M3.1-Flash costa esattamente la metà di MiniMax-M3 per token, ottiene tredici punti in più sull'Artificial Analysis Intelligence Index ed è il modello verso cui MiniMax sta ora indirizzando i propri abbonati legacy. È anche il primo modello di questa linea che non puoi scaricare. MiniMax-M3, rilasciato il 1º giugno 2026, è un mixture-of-experts da 428 miliardi di parametri con 23 miliardi di parametri attivi, pesi pubblicati su Hugging Face e una tariffa che puoi leggere da una tabella; MiniMax-M3.1-Flash, rilasciato il 19 ottobre 2026, è un modello chiuso con un punteggio di benchmark migliore, un percorso di servizio più rapido e la promessa che i pesi arriveranno "più tardi". Quella frase è l'intera decisione, e il divario di prezzo è una distrazione da essa — anche se una distrazione abbastanza grande da rendere utile fare i calcoli prima di decidere. I guasti 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, il livello di gravità, il grado di confidenza e il flag di contestazione.

Cosa dicono effettivamente le due schede tariffarie

Parti dai soldi, perché è sui soldi che la promessa del marketing e la fattura divergono.

• Input standard — MiniMax-M3.1-Flash $0.15 per 1M rispetto a MiniMax-M3 $0.30 per 1M fino a 512.000 token di input

Output standard — $0,60 per 1M vs $1,20 per 1M, stessa soglia di 512.000 token

• Oltre 512.000 token di input — MiniMax-M3 raddoppia a $0,60 in input e $2,40 in output; MiniMax-M3.1-Flash non pubblica alcun sovrapprezzo per il contesto lungo

• Letture dalla cache — 0,015 $ per 1M vs 0,06 $ per 1M

• Accesso prioritario — non offerto su MiniMax-M3.1-Flash; MiniMax-M3 lo vende a 1,5× la tariffa standard, quindi $0,45/$1,80 sotto la soglia e $0,90/$3,60 sopra di essa

• Indice di Intelligenza — 42 contro 29, secondo Artificial Analysis

• Costo per attività Index: $0.22 contro $0.51, una riduzione del 57% anziché del 50% che il tariffario lascerebbe intendere

• Finestra di contesto — 1.000.000 di token per entrambi, anche se il nostro catalogo riporta MiniMax-M3 a 1.048.576

• Velocità di output — 125.5 token al secondo rispetto a 106.4, entrambi misurati in modo indipendente

• Pesi — promessi in seguito vs pubblicati, aperti, su Hugging Face

• Parametri — non divulgati, descritti solo come "sparsità più aggressiva" rispetto a 428B totali e 23B attivi

Due righe di quell’elenco pesano più di quanto la loro lunghezza suggerisca. La prima è il sovrapprezzo per il contesto lungo. Se il tuo carico di lavoro supera regolarmente i 512.000 token di input — un passaggio di codifica sull’intero repository, una lunga trascrizione, un insieme di documenti — il divario effettivo non è di 2× ma di 4× sull’input e di 4× sull’output, perché MiniMax-M3.1-Flash non applica alcuno scaglionamento del prezzo. La seconda è l’ammissione prioritaria. MiniMax-M3 può acquistare una corsia di servizio più rapida a 1,5×; MiniMax-M3.1-Flash non può acquistarne una a nessun prezzo. La sua documentazione API elenca service_tier come non supportato. Se la latenza sotto carico era il motivo per cui hai pagato per M3, il modello più recente non ti vende quella leva — ti vende un percorso di servizio sottostante più rapido e poi ti toglie la leva.

Raggiungere metà del costo è più facile che raggiungere metà della bolletta

Dimezzare il listino prezzi non dimezza la fattura, e questo è l'errore più comune nella pianificazione della migrazione per questa coppia. MiniMax-M3.1-Flash ragiona su ogni richiesta con uno sforzo predefinito impostato su max, non è possibile dirgli di fermarsi ed è dimostrabilmente prolisso: ha consumato 180 milioni di token in output nell'Intelligence Index, dove il modello mediano ne ha consumati 99 milioni. MiniMax-M3 consente di disattivare completamente il ragionamento e, per impostazione predefinita, lo tiene disattivato sull'endpoint compatibile con Anthropic.

Facciamo i conti. Prendi un lavoro di tagging di documenti che invia 2.000 token di input tra schema e istruzioni per chiamata e restituisce 80 token di JSON. Su MiniMax-M3 con il thinking disabilitato paghi 2.000 × $0,30 per milione più 80 × $1,20 per milione — circa $0,0007 per chiamata. Su MiniMax-M3.1-Flash lo stesso lavoro, senza possibilità di disabilitare il thinking, spende l'input a $0,15 per milione ma poi emette un blocco di ragionamento che arriva a diverse centinaia di token prima della risposta. Con 500 token di ragionamento più 80 token di risposta, la spesa per l'output è 580 × $0,60 per milione — all'incirca $0,00065. Appena più economico, e questo con una stima prudente del ragionamento. Con 1.500 token di ragionamento, il modello più recente costa più di quello più vecchio a parità di output, perché la capacità del modello più vecchio di disattivare il ragionamento vale più della tariffa più bassa del modello più recente.

Ora cambiamo il carico di lavoro. Un'esecuzione di agente multi-step che ha già utilizzato 40.000 token di output su M3 per chiamate agli strumenti e ragionamento, con il thinking abilitato perché aveva bisogno di pensare. M3 fattura 40.000 × $1,20 per milione, ovvero $0,048. M3.1-Flash, allo stesso volume, fattura $0,024 — e in pratica spende meno, perché le traiettorie sono più brevi, motivo per cui il dato indipendente del costo per attività scende del 57% anziché del 50%. È qui che si trovano i risparmi: lavoro lungo e ad alto contenuto di ragionamento, non chiamate brevi e deterministiche.

La regola che ne deriva: se puoi descrivere il tuo carico di lavoro come "molte risposte brevi", MiniMax-M3.1-Flash potrebbe essere il modello più costoso. Se puoi descriverlo come "poche risposte lunghe", è senza dubbio quello più economico.

I pesi sono la parte che non puoi aggirare

Ogni numero sopra è reversibile. M​iniMax potrebbe tagliare domani il prezzo di MiniMax-M3; potrebbe aumentare quello di M3.1-Flash. Ciò che non è reversibile è la licenza. MiniMax-M3 è scaricabile — 428 miliardi di parametri in totale, 23 miliardi attivi, su Hugging Face e replicato in una build MXFP8 — il che significa che puoi quantizzarlo, fine-tunarlo, eseguirlo sul tuo hardware, continuare a servirlo dopo che il fornitore passa oltre e ispezionare ciò che contiene. MiniMax-M3.1-Flash è un endpoint ospitato che M​iniMax dice che riceverà i pesi in seguito, senza una data, senza una licenza e senza un numero di parametri.

Quell'asimmetria emerge in tre punti che un confronto dei costi non riuscirà a cogliere. Conformità: un team soggetto a regolamentazione che deve eseguire l'inferenza all'interno del proprio perimetro, o documentare l'artefatto del modello da cui dipende, oggi non può usare MiniMax-M3.1-Flash a qualsiasi prezzo. Continuità: il calendario di dismissione di MiniMax ha già fatto confluire due intere famiglie di modelli — M2.5 e M2.7 — in MiniMax-M3.1-Flash il 19 ottobre, con dismissione completa il 18 novembre. I modelli vengono davvero disattivati, e l'unico modo garantito per sopravvivere è possederne una copia. Riproducibilità: un punteggio di benchmark che non puoi rieseguire su un checkpoint congelato è un punteggio che devi accettare sulla fiducia, e ogni numero di MiniMax-M3.1-Flash in questo articolo è di quel tipo.

Se MiniMax rende disponibili i pesi, questa sezione è obsoleta e il ricordo di un modello scaricabile da 428B a $0.30 per milione diventa la nota a piè di pagina più interessante. Finché non lo farà, "più tardi" è una promessa, e il modello più vecchio è quello che puoi tenere con te.

Il divario di capacità è reale, e più ristretto di quanto l'indice implichi

Tredici punti sull’Intelligence Index sono un grande salto — grosso modo, una generazione di modelli a questo punto di prezzo. Ma parte di quel divario misura il cambiamento nel modo in cui è consentito ai modelli di funzionare, anziché ciò che sanno. MiniMax-M3.1-Flash viene valutato con il ragionamento forzato attivo al massimo sforzo; il risultato nell’indice di MiniMax-M3 è prodotto con le sue impostazioni predefinite, che su un protocollo significano pensiero disattivato. Alcuni di quei tredici punti sono la scala, non i pesi.

Le prove lato fornitore puntano nella stessa direzione. I numeri di lancio di MiniMax stesso per MiniMax-M3.1-Flash — BankerToolBench 76.2, DeepSWE v1.1 al 73.7%, OSWorld V2 a 61.7, Agents' Last Exam a 29.6, CyberGym all'82% — sono tutte valutazioni agentiche, ognuna delle quali è un contesto in cui forzare il massimo ragionamento aiuta. Non esiste alcun confronto pubblicato con MiniMax-M3 sugli stessi harness, quindi l'affermazione onesta è che il modello più recente è migliore sul lavoro agentico per un margine che nessuno al di fuori di MiniMax ha misurato rispetto al suo predecessore, e che l'indice suggerisce un miglioramento reale di qualcosa meno di tredici punti una volta mantenuta costante la politica di ragionamento.

Il punto in cui la differenza non è in discussione è quello operativo. 125,5 token al secondo contro 106,4 rappresentano un percorso di erogazione del servizio più veloce del 18%, misurato da una terza parte, e vale indipendentemente dal carico di lavoro. Per uno strumento interattivo di programmazione, è la differenza che un utente avverte.

Dove MiniMax-M3.1-Flash è la risposta sbagliata

Tre carichi di lavoro dovrebbero restare su MiniMax-M3 anche dopo questo lancio, e vale la pena nominarli perché la copertura del lancio non lo fa.

Il primo è tutto ciò che si trova all'interno della vostra rete. Non esiste una versione del modello più recente che possiate eseguire, né alcuna indicazione di quando ce ne sarà una.

Il secondo è lavoro deterministico ad alto volume e basso consumo di token — classificazione, estrazione, instradamento, formattazione — in cui la possibilità di disattivare il ragionamento è la caratteristica decisiva per i costi e MiniMax-M3 la offre.

Il terzo caso riguarda tutto ciò che dipende dall'ammissione prioritaria. Se la tua applicazione ha acquistato il tier 1,5× di MiniMax-M3 per mantenere la latenza p99 entro un SLA, MiniMax-M3.1-Flash elimina questa opzione; finiresti per scambiare una leva controllabile con una baseline più veloce che non puoi regolare.

Tutti gli altri — pipeline agentiche, cicli di computer-use, sessioni di coding a contesto lungo, team i cui carichi di lavoro sono lunghi anziché numerosi — dovrebbero fare il passaggio. Il modello più recente è più veloce, più economico per attività completata e migliore esattamente nelle valutazioni che descrivono quel tipo di lavoro.

Eseguire entrambi senza eseguire due integrazioni

La risposta realistica per la maggior parte dei team non è un cambio, ma una suddivisione: MiniMax-M3 per le chiamate brevi e deterministiche e per qualsiasi cosa debba rimanere on-premises, MiniMax-M3.1-Flash per le lunghe esecuzioni agentiche. Entrambi fanno capo allo stesso fornitore, alla stessa famiglia di protocolli e, nel caso dell'endpoint compatibile con Anthropic, alla stessa struttura della richiesta — quindi la suddivisione è una regola di routing anziché due integrazioni SDK.

Ecco a cosa serve OrcaRouter: una sola chiave API per oltre 200 modelli, con i prezzi di listino dei provider trasferiti a markup 0%, così i $0.30/$1.20 di MiniMax-M3 sono ciò che paghi e una revisione del fornitore arriva sulla tua fattura lo stesso giorno in cui arriva sulla loro. MiniMax-M3 è già nel nostro catalogo oggi. MiniMax-M3.1-Flash no: chiamalo tramite l'API di MiniMax, M Plan o MiniMax Code, quindi la suddivisione sopra funziona come regola di routing con un ramo fuori da noi finché non lo supportiamo. Il failover automatico fa comunque un lavoro concreto in questa configurazione: se l'endpoint più recente è soggetto a limiti di frequenza o un id cambia sotto di te, la richiesta ricade su MiniMax-M3 invece che su una pagina di errore.

Ciò che rende la suddivisione degna di essere costruita invece che solo teorizzata è che i due modelli differiscono davvero nella struttura, non solo nel punteggio. Un router che indirizza le chiamate brevi al modello che può smettere di pensare, e le chiamate lunghe al modello che non può, sta facendo qualcosa che i benchmark già giustificano.

La versione breve

MiniMax-M3.1-Flash è il modello migliore e l’asset peggiore. Ottiene 42 contro 29, è il 18% più veloce e costa meno per attività completata — il 57% in meno su un indice costruito su lavori lunghi e ad alto ragionamento. MiniMax-M3 è scaricabile, costa meno per le chiamate brevi ed è qualcosa che possiedi. Per i prossimi mesi, l’atteggiamento sensato è usarli entrambi, affidare il lavoro lungo al nuovo modello e tenere d’occhio il rilascio dei pesi, perché il giorno in cui MiniMax pubblicherà il checkpoint l’unico argomento rimasto a favore del vecchio modello sarà la corsia prioritaria.