MiniMax-M3.1-Flash agora está atendendo suas chamadas do M2.7: o que mudou em 19 de outubro

Se você estiver enviando MiniMax-M2.7 para uma chave do M​iniMax M Plan ou Token Plan hoje, o modelo por trás desse nome mudou. O próprio aviso de descontinuação de modelos da M​iniMax define 19 de outubro de 2026 como a data em que as solicitações endereçadas a MiniMax-M2.7 e MiniMax-M2.5 nesses planos são automaticamente encaminhadas para MiniMax-M3.1-Flash — o mesmo ID de modelo no seu código, um modelo diferente do outro lado, com um orçamento de raciocínio que tem como padrão o máximo e sem nenhuma forma de desativar o raciocínio. O modelo em si não é novo: o MiniMax-M3.1-Flash está na documentação do fornecedor desde 27 de setembro de 2026, quando o confirmamos ali pela primeira vez sob o nome MiniMax-M3.1-Flash-Preview. O que é novo, e o que tem data de hoje, é a substituição — e o fato de duas famílias de modelos mais antigas serem incorporadas a ele no mesmo cronograma. As falhas de IA e os incidentes de agentes documentados por trás de lançamentos como este estão reunidos em o OrcaRouter AI Incident Archive onde cada entrada traz suas próprias fontes, severidade, grau de confiança e indicador de contestação.

A que o aviso realmente se compromete

A M​iniMax publica o cronograma na documentação da sua própria lista de modelos, e ele é incomumente específico para uma descontinuação. Três datas fazem todo o trabalho.

• 19 de outubro de 2026 — as famílias M2.5 e M2.7 deixam de estar disponíveis para novos usuários. • 19 de outubro de 2026 — toda solicitação para M2.5 ou M2.7 no M Plan e no Token Plan é automaticamente encaminhada para o M3.1 Flash. Os nomes de modelo existentes continuam funcionando, e o fornecedor afirma que os limites de uso dos planos permanecem inalterados. • 18 de novembro de 2026 — ambas as famílias são descontinuadas. As solicitações de API para elas deixam de funcionar completamente.

O pagamento conforme o uso é tratado separadamente: {{1}}a M​iniMax afirma que os usuários existentes de pagamento conforme o uso mantêm o acesso até a data de desativação, enquanto os novos usuários perdem o acesso hoje.{{/1}} A recomendação da empresa é a que você esperaria — verifique se seus aplicativos dependem desses modelos e comece a planejar a migração —, o que é um pouco tarde para quem tinha o tráfego de produção apontado para o M2.7 esta manhã.

A palavra importante no aviso é automaticamente. Não se trata de uma descontinuação que retorna um erro e força uma alteração no código. É uma substituição silenciosa: sua requisição continua sendo bem-sucedida, seu uso continua consumindo a mesma cota, e o que produz os tokens é diferente. Se você registra o modelo solicitado, mas não o modelo que respondeu, seu monitoramento mostrará um serviço saudável executando um modelo que você não escolheu.

Três coisas mudam dentro da resposta

A referência de API do fornecedor documenta os dois modelos na mesma página, o que facilita declarar a diferença com precisão. O MiniMax-M3.1-Flash é um modelo de codificação multimodal de ponta com uma janela de contexto de 1.000.000 tokens e profundidade de raciocínio ajustável; o MiniMax-M2.7 é um modelo legado de texto e ferramentas com uma janela de 204.800 tokens.

• Contexto — 1,000,000 tokens no MiniMax-M3.1-Flash vs. 204,800 no MiniMax-M2.7, um aumento de aproximadamente cinco vezes. • Entradas — texto, imagem e vídeo no MiniMax-M3.1-Flash vs. texto e chamadas de ferramentas apenas na família M2.x, sobre a qual a nota legada do fornecedor diz explicitamente que não aceita entrada de imagem ou vídeo. • Raciocínio — sempre ativado e não desativável no MiniMax-M3.1-Flash; enviar thinking: {"type": "disabled"} retorna HTTP 400 com código de erro 2013. • Profundidade de raciocínio — effort aceita low, medium, high, xhigh e max, e assume max quando omitido. O M2.7 não tem controle equivalente. • Saída de raciocínio — retornada em reasoning_content no protocolo compatível com OpenAI e em um bloco thinking no compatível com Anthropic. reasoning_split: false não é aceito, então o raciocínio não pode ser recolocado em content como tags <think>. • Teto de saída — 131,072 tokens recomendados e máximo absoluto de 524,288 para geração no MiniMax-M3.1-Flash, contra 204,800 de contexto total no M2.7. • Níveis de admissão — service_tier: "priority" (o nível de admissão 1.5× mais rápido) não é suportado no MiniMax-M3.1-Flash. Uma carga de trabalho que dependia da admissão prioritária perde esse recurso. • Amostragem — top_p assume 0.95 no MiniMax-M3.1-Flash, contra 0.9 nos modelos M2.x.

Duas dessas são cosméticas. Os padrões de pensamento não são. Uma carga de trabalho criada para o M2.7 nunca precisou se preocupar com esforço de raciocínio, porque não havia nada para configurar. A mesma carga de trabalho, inalterada, agora é executada com esforço máximo em cada solicitação — e a M​iniMax contabiliza os tokens de pensamento no limite de geração, e é por isso que a documentação do próprio fornecedor adverte que um max_tokens muito pequeno resulta em um motivo de parada max_tokens sem nenhuma saída de texto.

O padrão é a configuração cara.

Aqui está a armadilha em uma frase: o aviso de migração diz que suas cotas de uso permanecem inalteradas, e isso é verdade, mas os tokens que cada requisição consome não.

O FAQ do M Plan da MiniMax deixa explícito que o consumo depende da profundidade de raciocínio, e que uma profundidade maior para o M3.1 Flash gera mais conteúdo de raciocínio e consome mais. Com effort tendo como padrão max, uma carga de trabalho M2.7 migrada agora está sendo executada na configuração mais cara oferecida pelo modelo, escolhida por ninguém.

Uma ilustração aproximada, usando números redondos e claramente apresentada como aritmética, e não como medição: considere 40.000 solicitações por dia, um prompt de 6.000 tokens e 3.000 tokens de raciocínio no máximo contra cerca de 600 no mínimo. Isso representa 96 milhões de tokens de raciocínio extras por dia, ou cerca de 2,9 bilhões por mês. Ao preço da tarifa publicada de saída do MiniMax-M3 de US$ 1,20 por milhão de tokens — a tarifa publicada mais próxima disponível, porque a M​iniMax não publica tarifa por token para o M3.1 Flash —, essa diferença é de pouco mais de US$ 3.400 por mês. Mude duas dessas premissas e o número se altera bastante; o ponto é que o sinal não muda.

A correção é um único campo, e ele varia conforme o protocolo: output_config.effort no endpoint compatível com a A​nthropic, reasoning_effort no endpoint compatível com a O​penAI, reasoning.effort no endpoint Responses. Os próprios guias de ferramentas de codificação da M​iniMax recomendam exatamente isso — reduzir o esforço para tarefas simples em vez de tentar desativar o raciocínio, porque desativá-lo não é uma opção.

Há um efeito de segunda ordem que vale a pena verificar antes de ajustar qualquer coisa. Se seu cliente envia max_tokens dimensionado para uma resposta do M2.7, um modelo de esforço máximo pode gastar todo o orçamento em raciocínio e retornar uma mensagem vazia. A referência compatível com Anthropic da MiniMax diz para definir output_config.effort como max explicitamente; a tabela de parâmetros da mesma página avisa que os tokens de raciocínio contam para max_tokens. Essas duas afirmações ficam a algumas linhas de distância, e a combinação é como você obtém uma resposta 200 sem nada nela.

Ainda não há preço por token

Esta é a parte que torna a migração difícil de custear, ou seja, difícil de calcular o custo, e não difícil de codificar. A tabela de preços de pagamento conforme o uso da MiniMax lista um modelo de linguagem: MiniMax-M3, a US$ 0,30 por milhão de tokens de entrada e US$ 1,20 por milhão de tokens de saída para prompts de até 512.000 tokens de entrada, dobrando para US$ 0,60 e US$ 2,40 acima disso, com um desconto permanente de 50% já aplicado às tarifas de tabela riscadas. As leituras do cache de prompts custam US$ 0,06 e US$ 0,12 por milhão, respectivamente. O MiniMax-M3.1-Flash não aparece nessa tabela de forma alguma.

O que está publicado é o preço da assinatura. O M Plan custa $22 por mês no Go, $55 no Explore e $132 no Build, com todos os três incluindo o modelo de texto M3.1 Flash Preview, sendo que o Explore tem três vezes a cota de uso do Go e o Build, sete vezes e meia. O Token Plan ainda existe para assinantes atuais, mas não é mais vendido para novos, e a nota de upgrade do fornecedor diz que os planos mantêm seu preço atual e seus limites de texto de qualquer forma.

Então a resposta honesta para "quanto custa o M3.1 Flash por token" é que ninguém fora da MiniMax pode lhe dizer isso ainda, porque o número não está na página. Se você precisa de um número por token para montar um caso de negócio esta semana, a única abordagem defensável é medir: execute um conjunto fixo de avaliação em cada nível de esforço, registre o uso a partir da resposta e converta pela taxa que seu plano implicar. Um fornecedor que publica o model card mas não a tabela de preços está dizendo que quer a conversa de assinatura, não a de cobrança por uso.

Qual ID de modelo você realmente envia?

A documentação da M​iniMax não é coerente consigo mesma, e isso atrapalha exatamente no momento errado. A referência da API, o guia de invocação de modelos e a lista de modelos chamam todos o modelo MiniMax-M3.1-Flash. As páginas do M Plan, o guia de configuração do C​laude Code e o guia de configuração do Codex referem-se todos a ele como MiniMax-M3.1-Flash-Preview, incluindo uma configuração do C​laude Code que define quatro variáveis de ambiente separadas como MiniMax-M3.1-Flash-Preview[1m].

Nenhuma das nomenclaturas está anotada como obsoleta, e nenhuma página da documentação anuncia uma data de disponibilidade geral ou uma renomeação. Vale a pena dizer isso claramente em vez de tentar adivinhar: até hoje, o fornecedor usa ambas as strings, e não conseguimos estabelecer, a partir da documentação pública, qual delas uma chave de pagamento conforme o uso aceitará. O único teste que resolve isso leva cerca de dez segundos e não custa nada:

curl https://api.minimax.io/v1/models -H "Authorization: Bearer $YOUR_KEY"

Leia os IDs retornados e use um deles exatamente como está. Se você estiver integrando o modelo ao C​laude Code, Cursor, Codex ou OpenCode, os guias do fornecedor esperam o formato -Preview, e o guia do C​laude Code observa ainda que a ferramenta deve informar MiniMax-M3.1-Flash-Preview como o modelo ativo quando a configuração estiver correta.

Se você fizer auto-hospedagem, nada disso chega até você

O MiniMax-M2.7 é um modelo de pesos abertos. O seu checkpoint está no Hugging Face desde abril de 2026, sob a organização MiniMaxAI, e o aviso que retira o endpoint da API não afeta uma cópia a correr no seu próprio hardware. O mesmo se aplica ao M2.5. Se o seu tráfego do M2.7 for servido a partir do seu próprio cluster ou de uma implementação privada, a mudança de encaminhamento de hoje é um problema de outra pessoa.

MiniMax-M3.1-Flash não está nessa posição. Os dois repositórios públicos mais recentes da organização MiniMaxAI são M​iniMax-Music3, criado em 7 de agosto de 2026, e M​iniMax-H3, criado em 28 de julho de 2026, e uma busca no Hugging Face por M3.1 não retorna nada. Não há checkpoint, nem arquivo de licença, nem válvula de escape de auto-hospedagem para o modelo para o qual você está sendo roteado agora. Se os pesos abertos eram o motivo pelo qual você escolheu o M2.7, a migração é um downgrade genuíno em autonomia, mesmo onde é um upgrade em capacidade.

A lista de verificação da migração, na ordem que importa

• Hoje — confirme se você está usando uma chave de assinatura ou uma chave de pagamento conforme o uso. O roteamento automático se aplica ao M Plan e ao Token Plan; o pagamento conforme o uso continua atendendo M2.5 e M2.7 aos usuários existentes até 18 de novembro. • Hoje — registre o ID do modelo que a API retorna, não apenas o que você enviou, para que uma substituição silenciosa fique visível nos seus dados. • Esta semana — defina effort explicitamente em cada chamada. Escolha o nível por classe de tarefa em vez de herdar max. • Esta semana — aumente max_tokens ou max_completion_tokens antes de aumentar o effort, e verifique se há completions vazias com um max_tokens como motivo de parada. • Antes de 18 de novembro — se você ainda precisa do comportamento do M2.7, porte-o para um checkpoint auto-hospedado ou aceite o comportamento do novo modelo. Após essa data, o endpoint não existirá mais. • Antes de 18 de novembro — teste novamente qualquer coisa que usava service_tier: "priority". Ele não está disponível no M3.1 Flash, então o perfil de latência muda mesmo quando o modelo não muda.

Onde uma camada de roteamento se paga

A lição desta semana não é que a MiniMax lançou um modelo melhor. É que um ID de modelo no seu código é uma promessa que o fornecedor pode reescrever, e que essa reescrita não vem com uma entrada no registro de alterações do seu histórico de implantação.

Isso justifica colocar a escolha do modelo atrás de um roteador, em vez de fixar no código uma string de fornecedor em doze serviços. No OrcaRouter, o MiniMax-M3 e os endpoints M2.5 e M2.7 ficam ao lado de mais de 200 outros modelos atrás de uma única chave, com 0% de markup — o preço de lista do provedor é repassado diretamente, e é por isso que o MiniMax-M3 aparece com os mesmos $0.30 e $1.20 por milhão de tokens que o fornecedor cobra, e por que uma alteração de preço do fornecedor entra em vigor no mesmo dia, e não no próximo ciclo de cobrança.

Duas coisas que são genuinamente úteis aqui. Primeiro, a DSL de roteamento permite fixar um modelo específico para uma classe de tarefas e recorrer a um segundo quando o primeiro não estiver disponível, de modo que a avaliação de um modelo não comprovado roda ao lado do modelo em uso, em vez de substituí-lo. Segundo, o failover automático entre provedores significa que uma tarde ruim lá em cima é uma rota degradada, não uma indisponibilidade.

Só para deixar claro: o MiniMax-M3.1-Flash não está no nosso catálogo até hoje. O que oferecemos é a linha MiniMax por token — M3, M2.7, M2.5 e H3 —, então, se você quiser comparar o modelo para o qual acabou de migrar com aquele do qual migrou, o lado anterior está a uma chave de distância. O novo modelo em si você acessa pelos planos da própria MiniMax.

O que mudaria essa leitura?

Três publicações transformariam isto de uma história de migração numa história de lançamento, e nenhuma delas existe ainda. Um preço por token para o MiniMax-M3.1-Flash permitiria que qualquer pessoa calculasse de facto o custo da mudança. Um checkpoint no Hugging Face restauraria a opção de auto-hospedagem que os utilizadores do M2.7 estão a perder. Uma entrada no Artificial Analysis daria ao modelo a sua primeira pontuação de inteligência independente — o MiniMax-M3 está em 29,2 nesse índice, e a própria documentação da MiniMax afirma resultados state-of-the-art em SWE, BrowseComp e xBench para o M3.1 Flash sem publicar um único número ao lado deles.

Até lá, trate o modelo pelo que ele é: chamável, documentado, sem benchmark e sem preço por token, agora recebendo tráfego que não pediu, pelo nome. As equipes que saem bem disso são as que perceberam no primeiro dia que o ID do seu modelo havia se tornado um alias.