MiniMax-M3.1-Flash 대 MiniMax-M3: 가격은 절반, 가중치는 없음

MiniMax-M3.1-Flash는 토큰당 비용이 MiniMax-M3의 정확히 절반이고, Artificial Analysis Intelligence Index에서 13점 더 높은 점수를 받으며, MiniMax가 현재 자사의 레거시 구독자들을 이 모델로 라우팅하고 있는 모델입니다. 또한 이 라인에서 다운로드할 수 없는 첫 모델입니다. 2026년 6월 1일 출시된 MiniMax-M3는 활성 매개변수 230억 개를 갖춘 4,280억 매개변수 규모의 전문가 혼합(MoE) 모델로, Hugging Face에 가중치가 공개되어 있으며, 표에서 확인할 수 있는 요금표를 갖추고 있습니다; 2026년 10월 19일 출시된 MiniMax-M3.1-Flash는 더 나은 벤치마크 점수, 더 빠른 서빙 경로, 그리고 가중치가 "나중에" 공개될 것이라는 약속을 갖춘 폐쇄형 모델입니다. 그 한 문장이 결정의 전부이며, 가격 격차는 그로부터 주의를 돌리는 요소입니다 — 다만 결정하기 전에 계산을 해볼 만큼 충분히 큰 방해 요소이기는 합니다. 이번과 같은 릴리스의 배경이 된 문서화된 AI 장애 및 에이전트 사건들은 다음에 수집되어 있습니다: the OrcaRouter AI Incident Archive 여기서 각 항목은 자체 출처, 심각도, 신뢰도 등급, 이의 제기 플래그를 함께 제공합니다.

두 요율표가 실제로 말하는 것

돈부터 시작하자. 마케팅에서 내세우는 주장과 청구서가 서로 어긋나는 지점이 바로 돈이기 때문이다.

• 표준 입력 — MiniMax-M3.1-Flash 100만 토큰당 $0.15 vs MiniMax-M3 100만 토큰당 $0.30, 최대 512,000 입력 토큰

• 표준 출력 — 1M당 $0.60 대 1M당 $1.20, 동일한 512,000토큰 임계값

• 입력 토큰 512,000 초과 시 — MiniMax-M3는 입력 $0.60, 출력 $2.40으로 두 배가 되며; MiniMax-M3.1-Flash는 장문맥 추가 요금을 공개하지 않습니다

• 캐시된 읽기 — 100만 건당 $0.015 vs 100만 건당 $0.06

• 우선 이용 — MiniMax-M3.1-Flash에서는 제공되지 않음; MiniMax-M3는 이를 표준 요금의 1.5배로 판매하므로, 임계값 이하에서는 $0.45/$1.80, 초과 시 $0.90/$3.60

• 인텔리전스 지수 — 42 대 29, Artificial Analysis 기준

• 인덱스 작업당 비용 — $0.22 vs $0.51, 요율표가 시사하는 50%가 아닌 57% 절감

• 컨텍스트 윈도우 — 두 모델 모두 1,000,000 토큰이지만, 저희 카탈로그에는 MiniMax-M3가 1,048,576으로 기재되어 있습니다

• 출력 속도 — 초당 125.5토큰 대 106.4, 둘 모두 독립적으로 측정됨

• 가중치 — 나중에 공개하겠다고 약속 vs Hugging Face에 공개·오픈

• 파라미터 — 미공개, 428B 총계 및 23B 활성 대비 "더 공격적인 희소성"이라고만 설명됨

그 목록의 두 줄은 길이만으로 짐작되는 것보다 더 큰 비중을 차지한다. 첫째는 롱 컨텍스트 할증이다. 워크로드가 일상적으로 512,000 입력 토큰을 넘어선다면 — 저장소 전체 코딩 패스, 긴 트랜스크립트, 문서 세트 등 — 실효 격차는 입력에서 2×가 아니라 4×, 출력에서 4×다. MiniMax-M3.1-Flash는 가격을 전혀 구간화하지 않기 때문이다. 둘째는 우선순위 어드미션이다. MiniMax-M3는 1.5×로 더 빠른 서빙 레인을 구매할 수 있지만, MiniMax-M3.1-Flash는 어떤 가격으로도 구매할 수 없다. 해당 API 레퍼런스에는 service_tier가 미지원으로 기재되어 있다. 부하 시 지연 시간이 M3에 비용을 지불한 이유였다면, 최신 모델은 그 레버를 팔지 않는다 — 더 빠른 기반 서빙 경로를 판매한 뒤 그 레버를 빼앗아 간다.

비용의 절반에 도달하는 것이 청구서의 절반에 도달하는 것보다 더 쉽다

요금표를 절반으로 줄여도 청구서가 절반이 되지는 않으며, 이는 이 조합의 마이그레이션 계획에서 가장 흔한 오류입니다. MiniMax-M3.1-Flash는 모든 요청에서 기본 effort인 max로 사고하며, 중지하도록 지시할 수 없고, 입증될 정도로 장황합니다. Intelligence Index 전체에서 중앙값 모델이 9,900만 개의 출력 토큰을 소비했을 때 이 모델은 1억 8,000만 개의 출력 토큰을 소비했습니다. MiniMax-M3는 사고를 완전히 끌 수 있으며 Anthropic 호환 엔드포인트에서는 기본적으로 꺼져 있습니다.

숫자로 따져 보자. 호출할 때마다 스키마와 지침으로 입력 토큰 2,000개를 보내고 JSON 80토큰을 반환하는 문서 태깅 작업이 있다고 하자. 사고 기능을 끈 MiniMax-M3에서는 입력 2,000 × 백만 토큰당 $0.30에 출력 80 × 백만 토큰당 $1.20을 더해 호출당 약 $0.0007을 낸다. 같은 작업을 MiniMax-M3.1-Flash에서 하면 사고를 비활성화할 방법이 없어서 입력은 백만 토큰당 $0.15로 처리하지만, 답변 전에 수백 토큰에 달하는 추론 블록을 출력한다. 사고 토큰 500개에 답변 토큰 80개를 더하면 출력 비용은 580 × 백만 토큰당 $0.60으로 대략 $0.00065다. 겨우 조금 저렴한 수준이며, 그것도 보수적으로 사고 토큰을 추정한 경우다. 사고 토큰이 1,500개가 되면 동일한 출력에 대해 최신 모델이 구형 모델보다 더 비싸진다. 구형 모델의 추론을 꺼 둘 수 있는 능력이 최신 모델의 더 저렴한 요율보다 더 가치 있기 때문이다.

이제 워크로드를 바꿔 보겠습니다. M3에서 도구 호출과 추론에 이미 출력 토큰 40,000개를 사용한 다단계 에이전트 실행으로, 사고가 필요했기 때문에 thinking이 활성화된 경우입니다. M3는 40,000 × 100만 개당 $1.20, 즉 $0.048을 청구합니다. 같은 볼륨에서 M3.1-Flash는 $0.024를 청구하며, 실제로는 궤적이 더 짧기 때문에 더 적게 지출합니다. 이것이 독립적인 작업당 비용 수치가 50%가 아니라 57% 떨어지는 이유입니다. 바로 여기에 절감 효과가 있습니다: 짧고 결정적인 호출이 아니라, 추론 비중이 높은 긴 작업입니다.

여기서 도출되는 규칙은 다음과 같습니다. 워크로드를 "많은 작은 답변"으로 설명할 수 있다면 MiniMax-M3.1-Flash가 더 비싼 모델일 수 있습니다. "적은 수의 긴 답변"으로 설명할 수 있다면 그것은 명백히 더 저렴한 모델입니다.

가중치는 우회할 수 없는 부분이다.

위의 모든 숫자는 되돌릴 수 있습니다. MiniMax는 내일 MiniMax-M3의 가격을 내릴 수도 있고, M3.1-Flash의 가격을 올릴 수도 있습니다. 되돌릴 수 없는 것은 라이선스입니다. MiniMax-M3는 다운로드할 수 있습니다. 총 4280억 개 매개변수, 활성 230억 개이며, Hugging Face에 있고 MXFP8 빌드로 미러링되어 있습니다. 즉, 양자화하고, 미세 조정하고, 자체 하드웨어에서 실행하고, 공급업체가 다음으로 넘어간 뒤에도 계속 서비스하고, 내부를 감사할 수 있습니다. MiniMax-M3.1-Flash는 호스팅 엔드포인트로, MiniMax는 나중에 가중치를 공개할 것이라고 말하지만 날짜도, 라이선스도, 매개변수 수치도 없습니다.

그 비대칭성은 비용 비교로는 포착할 수 없는 세 가지 지점에서 드러난다. 컴플라이언스: 자체 경계 내에서 추론을 실행해야 하거나, 의존하는 모델 아티팩트를 문서화해야 하는 규제 대상 팀은 오늘날 어떤 가격을 지불하더라도 MiniMax-M3.1-Flash를 사용할 수 없다. 연속성: MiniMax 자체의 서비스 종료 일정은 이미 10월 19일자로 두 개의 전체 모델 제품군인 M2.5와 M2.7을 MiniMax-M3.1-Flash로 통합했으며, 11월 18일에는 완전 종료된다. 모델은 실제로 서비스가 중단되며, 그 상황에서 살아남는 유일하게 보장된 방법은 사본을 소유하는 것이다. 재현성: 동결된 체크포인트에 대해 다시 실행할 수 없는 벤치마크 점수는 신뢰에 기대야 하는 점수이며, 이 글의 모든 MiniMax-M3.1-Flash 수치는 그런 종류다.

만약 MiniMax가 가중치를 공개한다면 이 섹션은 무효가 되고, 100만 개당 0.30달러에 428B 다운로드 가능 모델이 있었다는 기억이 오히려 더 흥미로운 각주가 될 것이다. 그렇게 되기 전까지 "나중에"는 약속일 뿐이며, 당신이 손에 쥘 수 있는 것은 더 오래된 모델이다.

역량 격차는 실재하며, 지수가 시사하는 것보다 좁다

Intelligence Index에서 13점은 큰 도약입니다. 이 가격대에서는 대략 한 모델 세대에 해당하는 수준이죠. 하지만 그 격차의 일부는 모델이 무엇을 아는지보다 모델이 어떻게 실행되도록 허용되는지의 변화를 측정한 것입니다. MiniMax-M3.1-Flash는 추론이 최대 강도로 강제 활성화된 상태에서 점수가 매겨집니다. MiniMax-M3의 지수 결과는 자체 기본값으로 산출되며, 한 프로토콜에서는 이는 사고가 꺼진 상태를 의미합니다. 그 13점 중 일부는 가중치가 아니라 사다리입니다.

벤더 측 증거도 같은 방향을 가리킨다. MiniMax가 자사 MiniMax-M3.1-Flash에 대해 내놓은 출시 수치 — BankerToolBench 76.2, DeepSWE v1.1 73.7%, OSWorld V2 61.7, Agents' Last Exam 29.6, CyberGym 82% — 는 모두 에이전트형 평가이며, 그 하나하나가 최대 추론을 강제하는 것이 도움이 되는 설정이다. 동일한 하네스에서 MiniMax-M3와 비교한 자료는 공개되지 않았으므로, 정직한 진술은 최신 모델이 에이전트 작업에서 더 우수하되 그 격차는 MiniMax 외부에서는 전작과 비교해 측정된 적이 없다는 것, 그리고 추론 정책을 고정할 경우 그 지수가 13점 미만의 실질적 개선을 시사한다는 것이다.

차이가 논란의 여지가 없는 부분은 운영 측면이다. 초당 125.5토큰 대 106.4토큰은 제3자가 측정한 18% 더 빠른 서빙 경로이며, 워크로드와 관계없이 유지된다. 대화형 코딩 도구에서 그것은 사용자가 체감하는 차이다.

MiniMax-M3.1-Flash가 잘못된 답이 되는 경우

이번 출시 이후에도 세 가지 워크로드는 MiniMax-M3에 남아 있어야 하며, 출시 관련 보도에서 다루지 않기 때문에 이를 명시할 가치가 있습니다.

첫 번째는 여러분 자신의 네트워크 내부에 있는 모든 것입니다. 여러분이 실행할 수 있는 최신 모델의 버전은 존재하지 않으며, 그것이 언제쯤 가능해질지에 대한 어떤 언급도 없습니다.

두 번째는 대량·저토큰·결정론적 작업 — 분류, 추출, 라우팅, 포맷팅 — 으로, 여기서 사고 기능을 비활성화할 수 있는 능력이 비용을 좌우하는 핵심 기능이며 MiniMax-M3에는 그것이 있습니다.

세 번째는 우선순위 승인에 의존하는 모든 경우입니다. 애플리케이션이 p99 지연 시간을 SLA 내로 유지하기 위해 {{1}}MiniMax-M3의 1.5× 티어{{/1}}를 구매했다면, {{2}}MiniMax-M3.1-Flash{{/2}}는 그 옵션을 제거합니다. 즉, 조정할 수 없는 더 빠른 기준선을 위해 조정 가능한 레버를 맞바꾸는 셈입니다.

그 외 모두 — 에이전트 파이프라인, 컴퓨터 사용 루프, 장문 맥락 코딩 세션, 작업량이 많기보다 긴 팀 — 는 움직여야 합니다. 최신 모델은 더 빠르고, 완료된 작업당 비용이 더 저렴하며, 바로 그 작업을 설명하는 평가에서 더 뛰어납니다.

두 통합을 실행하지 않고 둘 다 실행하기

대부분의 팀에게 현실적인 답은 전환이 아니라 분할입니다. 짧고 결정론적인 호출과 온프레미스에 남아야 하는 모든 작업에는 MiniMax-M3를, 긴 에이전틱 실행에는 MiniMax-M3.1-Flash를 사용하는 것입니다. 둘 다 같은 벤더, 같은 프로토콜 계열이며, Anthropic 호환 엔드포인트의 경우 요청 형태까지 같으므로, 이 분할은 두 개의 SDK 통합이 아니라 하나의 라우팅 규칙입니다.

바로 이것을 위한 것이 OrcaRouter입니다: 200개 이상의 모델에 하나의 API 키로 접근하고, 제공업체 정가를 0% 마진으로 그대로 적용하므로 MiniMax-M3의 $0.30/$1.20이 곧 지불 금액이며, 벤더의 가격 개정은 그들의 인보이스에 반영되는 당일 여러분의 인보이스에도 반영됩니다. MiniMax-M3는 오늘 우리 카탈로그에 있습니다. MiniMax-M3.1-Flash는 없습니다 — MiniMax 자체 API, M Plan 또는 M​iniMax Code를 통해 호출하세요 — 따라서 위의 분할은 우리가 이를 취급할 때까지 한 쪽 경로가 우리 외부에 있는 라우팅 규칙으로 작동합니다. 이런 형태에서도 자동 페일오버는 실제로 제 역할을 합니다: 최신 엔드포인트가 속도 제한에 걸리거나 ID가 도중에 변경되면, 요청은 오류 페이지가 아니라 MiniMax-M3로 폴백됩니다.

이 분할을 이론으로만 따지기보다 실제로 구축할 가치가 있는 이유는 두 모델이 점수에서만이 아니라 형태에서도 진정으로 다르기 때문이다. 짧은 호출은 사고를 멈출 수 있는 모델로, 긴 호출은 그럴 수 없는 모델로 보내는 라우터는 벤치마크가 이미 정당화하는 일을 하고 있다.

짧은 버전

MiniMax-M3.1-Flash는 더 나은 모델이지만 더 나쁜 자산입니다. 점수는 42 대 29이고, 18% 더 빠르게 실행되며, 완료된 작업당 비용도 더 적습니다 — 길고 추론이 많은 작업으로 구성된 지수에서 57% 더 적습니다. MiniMax-M3는 다운로드할 수 있고, 짧은 호출에 더 저렴하며, 직접 소유할 수 있는 것입니다. 앞으로 몇 달 동안 현명한 자세는 둘 다 실행하고, 긴 작업은 새 모델에 맡기고, 가중치 공개를 주시하는 것입니다. 왜냐하면 M​iniMax가 체크포인트를 공개하는 날, 구 모델에 남는 유일한 주장은 우선 레인뿐이기 때문입니다.