MiniMax-M3.1-Flash vs MiniMax-M3: połowa ceny, zero wag

MiniMax-M3.1-Flash kosztuje za token dokładnie połowę tego, co MiniMax-M3, uzyskuje trzynaście punktów więcej w Artificial Analysis Intelligence Index i jest modelem, do którego M​iniMax obecnie kieruje swoich dotychczasowych subskrybentów. To także pierwszy model w tej linii, którego nie można pobrać. MiniMax-M3, wydany 1 czerwca 2026 r., to model typu mixture-of-experts o 428 miliardach parametrów i 23 miliardach aktywnych parametrów, z opublikowanymi wagami na Hugging Face oraz cennikiem, który można odczytać z tabeli; MiniMax-M3.1-Flash, wydany 19 października 2026 r., to model zamknięty z lepszym wynikiem w benchmarku, szybszą ścieżką serwowania i obietnicą, że wagi pojawią się „później”. To zdanie to cała decyzja, a różnica w cenie jest od niego odwróceniem uwagi — choć na tyle dużym, że warto wykonać obliczenia, zanim podejmiesz decyzję. Udokumentowane awarie AI i incydenty z agentami, które stały za takimi wydaniami jak to, są zebrane w OrcaRouter AI Incident Archive gdzie każdy wpis zawiera własne źródła, poziom istotności, stopień pewności i oznaczenie sporu.

Co faktycznie mówią dwie karty stawek

Zacznij od pieniędzy, bo właśnie w kwestii pieniędzy rozjeżdża się to, co głosi marketing, z tym, co jest na fakturze.

• Standardowe dane wejściowe — MiniMax-M3.1-Flash $0,15 za 1 mln vs MiniMax-M3 $0,30 za 1 mln do 512 000 tokenów wejściowych

• Standardowe wyjście — $0.60 za 1 mln vs $1.20 za 1 mln, ten sam próg 512 000 tokenów

• Powyżej 512 000 tokenów wejściowych — MiniMax-M3 podwaja stawkę do 0,60 USD za wejście i 2,40 USD za wyjście; MiniMax-M3.1-Flash nie publikuje dopłaty za długi kontekst

• Odczyt z pamięci podręcznej — 0,015 USD za 1 mln vs 0,06 USD za 1 mln

• Priorytetowe przyjęcie — niedostępne w MiniMax-M3.1-Flash; MiniMax-M3 oferuje je w cenie 1,5× stawki standardowej, czyli 0,45 USD/1,80 USD poniżej progu i 0,90 USD/3,60 USD powyżej niego

• Indeks Inteligencji — 42 vs 29, według Artificial Analysis

• Koszt na zadanie Index — $0.22 vs $0.51, obniżka o 57%, a nie o 50%, jak sugeruje cennik stawek

• Okno kontekstu — 1 000 000 tokenów w obu przypadkach, choć nasz katalog podaje dla MiniMax-M3 wartość 1 048 576

• Szybkość generowania — 125,5 tokena na sekundę w porównaniu z 106,4; obie wartości zmierzono niezależnie

• Wagi — obiecane później vs opublikowane, otwarte, na Hugging Face

• Parametry — nieujawnione, opisane jedynie jako „bardziej agresywna rzadkość” w porównaniu z 428B łącznie i 23B aktywnymi

Dwie pozycje na tej liście mają większe znaczenie, niż sugerowałaby ich długość. Pierwsza to dopłata za długi kontekst. Jeśli Twoje obciążenie robocze regularnie przekracza 512 000 tokenów wejściowych — np. przebieg kodowania w całym repozytorium, długi transkrypt, zestaw dokumentów — rzeczywista różnica to nie 2×, lecz 4× na wejściu i 4× na wyjściu, ponieważ MiniMax-M3.1-Flash w ogóle nie różnicuje ceny progami. Druga to priorytetowy dostęp. MiniMax-M3 może wykupić szybszą ścieżkę obsługi za 1,5×; MiniMax-M3.1-Flash nie może wykupić takiej za żadną cenę. W jego dokumentacji API parametr service_tier figuruje jako nieobsługiwany. Jeśli opóźnienie pod obciążeniem było powodem, dla którego zapłaciłeś za M3, nowszy model nie sprzedaje Ci tej dźwigni — sprzedaje szybszą bazową ścieżkę obsługi, a potem zabiera dźwignię.

Osiągnięcie połowy kosztu jest łatwiejsze niż osiągnięcie połowy rachunku.

Zmniejszenie o połowę cennika nie zmniejsza o połowę faktury i jest to najczęstszy błąd w planowaniu migracji dla tej pary. MiniMax-M3.1-Flash myśli przy każdym żądaniu, domyślnie z maksymalnym poziomem wysiłku, nie można mu nakazać zatrzymania, a do tego jest wyraźnie gadatliwy: zużył 180 milionów tokenów wyjściowych w całym Intelligence Index, podczas gdy mediana modeli zużyła 99 milionów. MiniMax-M3 pozwala całkowicie wyłączyć myślenie i domyślnie jest ono wyłączone w punkcie końcowym zgodnym z Anthropic.

Przeliczmy to na liczby. Weźmy zadanie tagowania dokumentów, które przy każdym wywołaniu wysyła 2000 tokenów wejściowych ze schematem i instrukcjami i zwraca 80 tokenów JSON. W MiniMax-M3 przy wyłączonym myśleniu płacisz 2000 × 0,30 USD za milion plus 80 × 1,20 USD za milion — około 0,0007 USD za wywołanie. W MiniMax-M3.1-Flash to samo zadanie, bez możliwości wyłączenia myślenia, zużywa tokeny wejściowe po 0,15 USD za milion, ale potem emituje blok rozumowania, który rozciąga się na kilkaset tokenów przed odpowiedzią. Przy 500 tokenach myślenia plus 80 tokenach odpowiedzi rachunek za wyjście wynosi 580 × 0,60 USD za milion — około 0,00065 USD. Ledwie taniej, i to przy ostrożnym szacunku liczby tokenów myślenia. Przy 1500 tokenach myślenia nowszy model kosztuje więcej niż starszy przy identycznej odpowiedzi, ponieważ możliwość wyłączenia rozumowania w starszym modelu jest warta więcej niż niższa stawka nowszego.

Teraz zmieńmy obciążenie. Przebieg wieloetapowego agenta, który zużył już 40 000 tokenów wyjściowych na M3 na wywołania narzędzi i rozumowanie, z włączonym myśleniem, ponieważ musiał myśleć. M3 nalicza 40 000 × 1,20 USD za milion, czyli 0,048 USD. M3.1-Flash przy tym samym wolumenie nalicza 0,024 USD — a w praktyce zużywa mniej, ponieważ trajektorie są krótsze, dlatego niezależny wskaźnik kosztu na zadanie spada o 57%, a nie o 50%. Tu tkwią oszczędności: w długiej pracy wymagającej intensywnego rozumowania, a nie w krótkich deterministycznych wywołaniach.

Zasada, która z tego wynika: jeśli możesz opisać swoje obciążenie pracą jako „wiele małych odpowiedzi”, MiniMax-M3.1-Flash może być droższym modelem. Jeśli możesz je opisać jako „kilka długich odpowiedzi”, jest on jednoznacznie tańszym modelem.

Wagi to ta część, której nie da się obejść.

Każda z powyższych liczb jest odwracalna. MiniMax może jutro obniżyć cenę MiniMax-M3; może też podnieść cenę M3.1-Flash. Nieodwracalna jest licencja. MiniMax-M3 można pobrać — łącznie 428 miliardów parametrów, 23 miliardy aktywne, z Hugging Face i w lustrzanej kopii w wersji MXFP8 — co oznacza, że można go skwantyzować, dostroić, uruchomić na własnym sprzęcie, nadal go udostępniać, gdy dostawca pójdzie dalej, oraz sprawdzić, co się w nim znajduje. MiniMax-M3.1-Flash to hostowany endpoint, który według MiniMax później otrzyma wagi, bez daty, bez licencji i bez podanej liczby parametrów.

Ta asymetria ujawnia się w trzech miejscach, których porównanie kosztów nie wychwyci. Zgodność z przepisami: zespół podlegający regulacjom, który musi uruchamiać wnioskowanie we własnym perymetrze albo udokumentować artefakt modelu, od którego zależy, nie może dziś używać MiniMax-M3.1-Flash za żadną cenę. Ciągłość: własny harmonogram wycofywania MiniMax już 19 października scalił dwie całe rodziny modeli — M2.5 i M2.7 — w MiniMax-M3.1-Flash, a pełne wycofanie nastąpi 18 listopada. Modele bywają wyłączane, a jedynym gwarantowanym sposobem przetrwania tego jest posiadanie własnej kopii. Odtwarzalność: wynik benchmarku, którego nie można ponownie uruchomić względem zamrożonego checkpointu, jest wynikiem, który trzeba przyjąć na wiarę, a każda liczba dotycząca MiniMax-M3.1-Flash w tym artykule jest właśnie taka.

Jeśli M​iniMax udostępni wagi, ta sekcja staje się nieaktualna, a wspomnienie o możliwym do pobrania modelu 428B w cenie 0,30 USD za milion staje się ciekawszym przypisem. Dopóki tego nie zrobi, „później” jest obietnicą, a starszy model to ten, który możesz mieć.

Luka w możliwościach jest realna i mniejsza, niż sugeruje indeks.

Trzynaście punktów w Intelligence Index to duży skok — w przybliżeniu jedna generacja modelu w tym przedziale cenowym. Jednak część tej różnicy odzwierciedla zmianę w sposobie działania modeli, a nie to, co wiedzą. MiniMax-M3.1-Flash jest oceniany z wymuszonym rozumowaniem przy maksymalnym wysiłku; wynik MiniMax-M3 w indeksie powstaje przy jego własnych ustawieniach domyślnych, co w przypadku jednego protokołu oznacza wyłączone myślenie. Część z tych trzynastu punktów to drabinka, a nie wagi.

Dowody po stronie dostawcy wskazują na to samo. Własne liczby premierowe MiniMax dla MiniMax-M3.1-Flash — BankerToolBench 76.2, DeepSWE v1.1 na poziomie 73.7%, OSWorld V2 na poziomie 61.7, Agents' Last Exam na poziomie 29.6, CyberGym na poziomie 82% — to wyłącznie ewaluacje agentowe, a każda z nich to ustawienie, w którym wymuszanie maksymalnego rozumowania pomaga. Nie opublikowano porównania z MiniMax-M3 na tych samych zestawach testowych, więc uczciwie można stwierdzić, że nowszy model jest lepszy w pracy agentowej o margines, którego nikt spoza MiniMax nie zmierzył względem jego poprzednika, a indeks sugeruje rzeczywistą poprawę o coś poniżej trzynastu punktów, gdy polityka rozumowania pozostaje stała.

To, że różnica nie budzi sporów, ma wymiar operacyjny. 125,5 tokena na sekundę w porównaniu z 106,4 to o 18% szybsza ścieżka obsługi, zmierzona przez stronę trzecią, i utrzymuje się niezależnie od obciążenia. W przypadku interaktywnego narzędzia do kodowania to różnica, którą użytkownik odczuwa.

Gdzie MiniMax-M3.1-Flash jest błędną odpowiedzią

Trzy rodzaje obciążeń powinny pozostać na MiniMax-M3 nawet po tej premierze i warto je wymienić, ponieważ omówienia premiery tego nie robią.

Pierwsza kategoria to wszystko, co znajduje się w obrębie twojej własnej sieci. Nie istnieje żadna wersja nowszego modelu, którą mógłbyś uruchomić, i nic nie wskazuje na to, kiedy taka się pojawi.

Drugi przypadek to praca o dużej skali i małej liczbie tokenów, deterministyczna — klasyfikacja, ekstrakcja, routing, formatowanie — w której możliwość wyłączenia myślenia jest decydującą cechą pod względem kosztów, a MiniMax-M3 ją ma.

Trzecia kwestia to wszystko, co zależy od priorytetowego przyjęcia. Jeśli Twoja aplikacja wykupiła warstwę 1,5× w MiniMax-M3, aby utrzymać opóźnienie p99 w ramach SLA, MiniMax-M3.1-Flash usuwa tę opcję; zamieniłbyś sterowalną dźwignię na szybszy poziom bazowy, którego nie możesz dostroić.

Wszyscy pozostali — pipeline'y agentowe, pętle computer-use, sesje kodowania z długim kontekstem, zespoły, których obciążenie pracą jest długie, a nie liczne — powinni już przechodzić. Nowszy model jest szybszy, tańszy w przeliczeniu na ukończone zadanie i lepszy dokładnie w tych ewaluacjach, które opisują tę pracę.

Uruchamianie obu bez uruchamiania dwóch integracji

Realistyczna odpowiedź dla większości zespołów to nie przełączenie, lecz podział: MiniMax-M3 do krótkich deterministycznych wywołań i wszystkiego, co musi pozostać w infrastrukturze lokalnej, MiniMax-M3.1-Flash do długich przebiegów agentowych. Oba pochodzą od tego samego dostawcy, należą do tej samej rodziny protokołów, a w przypadku punktu końcowego kompatybilnego z Anthropic mają ten sam kształt żądania — więc podział to reguła routingu, a nie dwie integracje SDK.

Właśnie do tego służy OrcaRouter: jeden klucz API do ponad 200 modeli, z cenami listowymi dostawców przekazywanymi z marżą 0%, więc za MiniMax-M3 płacisz $0.30/$1.20, a zmiana cennika dostawcy pojawia się na Twojej fakturze tego samego dnia, w którym pojawia się u niego. MiniMax-M3 jest już dziś w naszym katalogu. MiniMax-M3.1-Flash nie — wywołuj go przez własne API MiniMax, M Plan lub MiniMax Code — więc opisany powyżej podział działa jako reguła routingu, w której jedna odnoga pozostaje poza nami, dopóki nie dodamy go do naszej oferty. Automatyczne przełączanie awaryjne nadal odgrywa realną rolę w takim układzie: jeśli nowszy endpoint jest objęty limitem zapytań lub identyfikator zmieni się w trakcie działania, żądanie jest przekierowywane awaryjnie do MiniMax-M3, a nie na stronę błędu.

To, co sprawia, że podział jest wart zbudowania, a nie tylko teoretyzowania o nim, to fakt, że te dwa modele naprawdę różnią się kształtem, a nie tylko wynikiem. Router, który kieruje krótkie wywołania do modelu potrafiącego przestać myśleć, a długie do modelu, który tego nie potrafi, robi coś, co benchmarki już uzasadniają.

Krótka wersja

MiniMax-M3.1-Flash to lepszy model i gorsze aktywo. Uzyskuje 42 punkty wobec 29, działa o 18% szybciej i kosztuje mniej za ukończone zadanie — o 57% mniej w indeksie zbudowanym z długiej, wymagającej rozumowania pracy. MiniMax-M3 można pobrać, jest tańszy w przypadku krótkich wywołań i jest czymś, co posiadasz. Przez najbliższe kilka miesięcy rozsądnym podejściem jest uruchamiać oba modele, długą pracę zlecać nowemu i wypatrywać wydania wag, ponieważ w dniu, w którym M​iniMax opublikuje checkpoint, jedynym argumentem pozostającym za starym modelem będzie priorytetowa ścieżka.