MiniMax-M3.1-Flash vs MiniMax-M3: de helft van de prijs, geen van de gewichten

MiniMax-M3.1-Flash kost per token precies de helft van wat MiniMax-M3 kost, scoort dertien punten hoger op de Artificial Analysis Intelligence Index, en is het model waar MiniMax nu zijn eigen legacy-abonnees naartoe leidt. Het is ook het eerste model in deze reeks dat je niet kunt downloaden. MiniMax-M3, uitgebracht op 1 juni 2026, is een mixture-of-experts met 428 miljard parameters en 23 miljard actieve parameters, gepubliceerde gewichten op Hugging Face, en een tariefkaart die je uit een tabel kunt lezen; MiniMax-M3.1-Flash, uitgebracht op 19 oktober 2026, is een gesloten model met een betere benchmarkscore, een sneller serveerpad, en de belofte dat de gewichten "later" komen. Die zin is de hele beslissing, en het prijsverschil is een afleiding daarvan — zij het een grote genoeg afleiding dat het de moeite waard is de rekensom te maken voordat je beslist. De gedocumenteerde AI-fouten en agentincidenten achter releases zoals deze zijn verzameld in the OrcaRouter AI Incident Archive waarbij elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en betwist-vlag heeft.

Wat de twee tariefkaarten eigenlijk zeggen

Begin bij het geld, want het geld is waar de marketingclaim en de factuur uiteenlopen.

• Standaardinvoer — MiniMax-M3.1-Flash $0,15 per 1M vs MiniMax-M3 $0,30 per 1M tot 512.000 invoertokens

• Standaarduitvoer — $0,60 per 1M vs $1,20 per 1M, dezelfde drempel van 512.000 tokens

• Boven 512.000 inputtokens — MiniMax-M3 verdubbelt naar $0,60 voor invoer en $2,40 voor uitvoer; MiniMax-M3.1-Flash rekent geen toeslag voor lange context

• Gecachte leesbewerkingen — $0,015 per 1 mln vs. $0,06 per 1 mln

• Voorrangstoegang — niet aangeboden op MiniMax-M3.1-Flash; MiniMax-M3 biedt het aan tegen 1,5× het standaardtarief, dus $0.45/$1.80 onder de drempel en $0.90/$3.60 daarboven

• Intelligentie-index — 42 tegenover 29, volgens Artificial Analysis

• Kosten per Index-taak — $0,22 vs $0,51, een verlaging van 57% in plaats van de 50% die de tariefkaart impliceert

• Contextvenster — 1.000.000 tokens bij beide, al vermeldt onze catalogus MiniMax-M3 met 1.048.576

• Uitvoersnelheid — 125,5 tokens per seconde vs. 106,4, beide onafhankelijk gemeten

• Gewichten — later beloofd vs. gepubliceerd, open, op Hugging Face

• Parameters — niet bekendgemaakt, alleen beschreven als "agressievere sparsity" tegenover 428B totaal en 23B actief

Twee regels in die lijst wegen zwaarder dan hun lengte doet vermoeden. De eerste is de toeslag voor lange context. Als je workload regelmatig boven de 512.000 invoertokens uitkomt — een codepass over een heel repository, een lang transcript, een set documenten — dan is het effectieve verschil geen 2× maar 4× op input en 4× op output, omdat MiniMax-M3.1-Flash zijn prijs helemaal niet in tiers opdeelt. De tweede is prioriteitsadmissie. MiniMax-M3 kan een sneller bediende lane kopen voor 1,5×; MiniMax-M3.1-Flash kan er tegen geen enkele prijs een kopen. In de API-referentie staat service_tier als niet-ondersteund. Als latency onder belasting de reden was dat je voor M3 betaalde, dan verkoopt het nieuwere model je die hefboom niet — het verkoopt je een sneller onderliggend servingpad en neemt de hefboom daarna weg.

De helft van de kosten bereiken is eenvoudiger dan de helft van de rekening bereiken.

Het halveren van de tariefkaart halveert de factuur niet, en dit is de meest voorkomende fout bij migratieplanning voor deze combinatie. MiniMax-M3.1-Flash denkt bij elk verzoek na met een standaardinspanning van max, kan niet worden opgedragen te stoppen en is aantoonbaar breedsprakig: het verbruikte 180 miljoen outputtokens in de Intelligence Index, terwijl het mediane model 99 miljoen verbruikte. Met MiniMax-M3 kun je het denken volledig uitschakelen, en op het Anthropic-compatibele endpoint staat het standaard uit.

Zet er een getal op. Neem een taak voor documenttagging die per aanroep 2.000 invoertokens aan schema en instructies verstuurt en 80 tokens JSON teruggeeft. Op MiniMax-M3 met thinking uitgeschakeld betaal je 2.000 × $0,30 per miljoen plus 80 × $1,20 per miljoen — ongeveer $0,0007 per aanroep. Op MiniMax-M3.1-Flash verbruikt dezelfde taak, zonder mogelijkheid om thinking uit te schakelen, de invoer tegen $0,15 per miljoen, maar genereert vervolgens een reasoning-blok dat oploopt tot enkele honderden tokens voordat het antwoord komt. Bij 500 thinking-tokens plus 80 antwoordtokens bedraagt de outputrekening 580 × $0,60 per miljoen — ruwweg $0,00065. Nauwelijks goedkoper, en dat is nog met een conservatieve schatting van het thinking. Bij 1.500 thinking-tokens kost het nieuwere model meer dan het oudere voor identieke output, omdat het vermogen van het oudere model om redeneren uit te schakelen meer waard is dan het lagere tarief van het nieuwere.

Verander nu de werklast. Een meerstaps agentuitvoering die op M3 al 40.000 output-tokens had gebruikt voor tool-aanroepen en redeneren, met thinking ingeschakeld omdat er moest worden nagedacht. M3 rekent 40.000 × $1,20 per miljoen, ofwel $0,048. M3.1-Flash rekent bij hetzelfde volume $0,024 — en besteedt in de praktijk minder, omdat de trajecten korter zijn, waardoor het onafhankelijke kosten-per-taakcijfer met 57% daalt in plaats van met 50%. Daar zit de besparing: langdurig, redeneerintensief werk, niet korte deterministische aanroepen.

De regel die hieruit voortvloeit: als je je werklast kunt omschrijven als "veel kleine antwoorden", kan MiniMax-M3.1-Flash het duurdere model zijn. Als je het kunt omschrijven als "weinig lange antwoorden", is het ondubbelzinnig het goedkopere model.

De gewichten zijn het onderdeel waar je niet omheen kunt.

Elk getal hierboven is omkeerbaar. M​iniMax zou morgen de prijs van MiniMax-M3 kunnen verlagen; die van M3.1-Flash kunnen verhogen. Wat niet omkeerbaar is, is de licentie. MiniMax-M3 is downloadbaar — 428 miljard parameters in totaal, 23 miljard actief, op Hugging Face en gespiegeld in een MXFP8-build — wat betekent dat je het kunt quantiseren, fine-tunen, op je eigen hardware kunt draaien, het kunt blijven aanbieden nadat de leverancier verdergaat, en kunt controleren wat erin zit. MiniMax-M3.1-Flash is een gehost endpoint waarvan M​iniMax zegt dat het later gewichten krijgt, zonder datum, zonder licentie en zonder parameteraantal.

Die asymmetrie komt op drie plekken naar voren die een kostenvergelijking niet vangt. Compliance: een gereguleerd team dat inferentie binnen zijn eigen perimeter moet uitvoeren, of het modelartefact waarvan het afhankelijk is moet documenteren, kan MiniMax-M3.1-Flash vandaag tegen geen enkele prijs gebruiken. Continuïteit: MiniMax' eigen uitfaseringsschema heeft op 19 oktober al twee volledige modelfamilies — M2.5 en M2.7 — in MiniMax-M3.1-Flash ondergebracht, met volledige uitfasering op 18 november. Modellen worden nu eenmaal uitgeschakeld, en de enige gegarandeerde manier om dat te overleven is een kopie in eigen bezit hebben. Reproduceerbaarheid: een benchmarkscore die je niet opnieuw kunt draaien tegen een bevroren checkpoint, is een score die je op vertrouwen moet aannemen, en elk MiniMax-M3.1-Flash-cijfer in dit artikel is van dat soort.

Als M​iniMax de gewichten vrijgeeft, is deze sectie achterhaald en wordt de herinnering aan een downloadbaar model van 428B voor $0,30 per miljoen de interessantere voetnoot. Tot die tijd is "later" een belofte, en het oudere model is het model dat je kunt vasthouden.

De capaciteitskloof is reëel, en smaller dan de index doet vermoeden.

Dertien punten op de Intelligence Index is een grote sprong — grofweg één modelgeneratie in deze prijsklasse. Maar een deel van die kloof meet de verandering in hoe de modellen mogen draaien, niet wat ze weten. MiniMax-M3.1-Flash wordt gescoord met redeneren geforceerd aan op maximale inspanning; het indexresultaat van MiniMax-M3 komt tot stand onder zijn eigen standaardinstellingen, wat bij één protocol betekent dat denken uit staat. Een deel van die dertien punten is de ladder, niet de gewichten.

De aanwijzingen van de leverancierskant wijzen dezelfde kant op. MiniMax' eigen lanceercijfers voor MiniMax-M3.1-Flash — BankerToolBench 76,2, DeepSWE v1.1 op 73,7%, OSWorld V2 op 61,7, Agents' Last Exam op 29,6, CyberGym op 82% — zijn allemaal agentische evaluaties, stuk voor stuk situaties waarin het afdwingen van maximaal redeneren helpt. Er is geen gepubliceerde vergelijking met MiniMax-M3 op dezelfde testopstellingen, dus de eerlijke bewering is dat het nieuwere model beter is op agentisch werk met een marge die niemand buiten MiniMax tegen zijn voorganger heeft gemeten, en dat de index een echte verbetering van iets minder dan dertien punten suggereert zodra het redeneerbeleid constant wordt gehouden.

Waar het verschil niet ter discussie staat, is operationeel. 125,5 tokens per seconde tegenover 106,4 is een 18% sneller servingpad, gemeten door een derde partij, en het geldt ongeacht de werklast. Voor een interactieve codetool is dat het verschil dat een gebruiker voelt.

Waar {{1}}MiniMax-M3.1-Flash{{/1}} het verkeerde antwoord is

Drie workloads zouden op MiniMax-M3 moeten blijven, zelfs na deze lancering, en het is de moeite waard ze te benoemen, omdat de berichtgeving over de lancering dat niet doet.

Het eerste is alles binnen je eigen netwerk. Er is geen versie van het nieuwere model die je kunt draaien, en geen indicatie wanneer die er wel zal zijn.

Het tweede is deterministisch werk met een hoog volume en weinig tokens — classificatie, extractie, routering, formattering — waarbij de mogelijkheid om het denken uit te schakelen de beslissende kostenfactor is, en MiniMax-M3 heeft die.

De derde is alles wat afhankelijk is van prioriteitstoelating. Als je applicatie de 1,5×-tier van MiniMax-M3 heeft gekocht om de p99-latentie binnen een SLA te houden, dan schrapt MiniMax-M3.1-Flash die optie; je zou dan een beheersbare hefboom inruilen voor een snellere basislijn die je niet kunt afstellen.

Alle anderen — agentische pipelines, computer-use-lussen, programmeersessies met lange context, teams met langdurige in plaats van talrijke workloads — zouden moeten overstappen. Het nieuwere model is sneller, goedkoper per voltooide taak en beter op precies de evaluaties die dat werk beschrijven.

Beide uitvoeren zonder twee integraties te draaien

Het realistische antwoord voor de meeste teams is geen overstap maar een splitsing: MiniMax-M3 voor de korte deterministische aanroepen en alles wat on-premises moet blijven, MiniMax-M3.1-Flash voor de lange agentische runs. Beide zijn dezelfde leverancier, dezelfde protocolfamilie en, in het geval van het Anthropic-compatibele endpoint, dezelfde requestvorm — dus de splitsing is een routeringsregel in plaats van twee SDK-integraties.

Daar is OrcaRouter voor bedoeld: één API-sleutel voor meer dan 200 modellen, met de lijstprijzen van providers doorgegeven tegen 0% opslag, dus de $0,30/$1,20 van MiniMax-M3 is wat je betaalt, en een leveranciersherziening komt op jouw factuur op de dag dat die bij hen landt. MiniMax-M3 staat vandaag in onze catalogus. MiniMax-M3.1-Flash niet — roep die aan via de eigen API van M​iniMax, M Plan of M​iniMax Code — dus de bovenstaande splitsing draait als een routeringsregel met één been buiten ons totdat wij die aanbieden. Automatische failover doet in die vorm nog steeds echt werk: als het nieuwere endpoint een rate limit krijgt of een id onder je verandert, valt de aanvraag terug op MiniMax-M3 in plaats van op een foutpagina.

Wat de opsplitsing de moeite van het bouwen waard maakt in plaats van er alleen over te theoretiseren, is dat de twee modellen echt verschillen in vorm, niet alleen in score. Een router die korte aanroepen naar het model stuurt dat kan stoppen met denken, en lange aanroepen naar het model dat dat niet kan, doet iets wat de benchmarks al rechtvaardigen.

De korte versie

MiniMax-M3.1-Flash is het betere model en het slechtere bezit. Het scoort 42 tegenover 29, is 18% sneller en kost minder per voltooide taak — 57% minder op een index die is gebaseerd op langdurig, redeneerintensief werk. MiniMax-M3 is downloadbaar, goedkoper voor korte aanroepen en iets wat je zelf bezit. Voor de komende maanden is de verstandige houding om beide te draaien, het lange werk op het nieuwe model te zetten en de vrijgave van de weights in de gaten te houden, want op de dag dat M​iniMax de checkpoint publiceert, is de priority lane het enige argument dat nog voor het oude model overblijft.