MiniMax-M3.1-Flash: A documentação já o utiliza, a página de preços ainda não

Em 19 de outubro de 2026, um observador de modelos com um bom histórico publicou que a MiniMax está "se preparando para lançar o MiniMax-M3.1-Flash", apontando para a referência de API do fornecedor. A referência de API é real, e a linha que ela cita — "Modelo de codificação multimodal de fronteira com janela de contexto de 1M e profundidade de pensamento ajustável" — é exatamente o texto da documentação da própria MiniMax. Mas "se preparando para lançar" subestima o que está de fato na página. O MiniMax-M3.1-Flash não é um codinome à espera em um changelog: é o modelo em todos os exemplos de código do guia de geração de texto, aparece acima do MiniMax-M3 na lista de modelos, compartilha a linha de limite de taxa do M3 e, a partir de hoje, é o destino para o qual a MiniMax encaminha automaticamente o tráfego de assinaturas do M2.5 e do M2.7. O que ele não é: precificado, avaliado em benchmarks, disponível para download ou mencionado uma única vez nas notas de lançamento do fornecedor. Essa lacuna — documentado e invocável em uma página, ausente de todas as páginas comerciais na seguinte — é a história toda, e vale a pena ser preciso sobre quais partes estão confirmadas e quais são inferência. As falhas de IA documentadas e os incidentes com agentes 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 sinalização de contestação.

O que está realmente nas páginas do fornecedor hoje

Quatro páginas separadas da M​iniMax trazem o nome do modelo, e nem todas o trazem da mesma forma. Essa divergência é a evidência mais útil disponível, porque cada página é escrita por uma equipe diferente para um leitor diferente.

• A referência da API e o guia de invocação de modelos listam ambos o MiniMax-M3.1-Flash como um modelo atual, acima do MiniMax-M3, com uma janela de contexto de 1.000.000 de tokens e a descrição de profundidade de raciocínio ajustável. Todos os exemplos em curl, Python e Node nessas páginas enviam exatamente essa string.

• A lista de modelos na FAQ o apresenta como um modelo disponível, sem qualificador de pré-visualização, e seu aviso de descontinuação — datado de 19 de outubro de 2026 — indica "M3.1 Flash" como o destino para onde as solicitações de M2.5 e M2.7 no M Plan e no Token Plan agora são encaminhadas.

A tabela de limites de taxa coloca o MiniMax-M3.1-Flash e o MiniMax-M3 na mesma linha: 200 solicitações por minuto, 10.000.000 de tokens por minuto. As famílias M2.7 e M2.5 que ele substitui estão listadas com 500 RPM e 20.000.000 TPM, o que vale lembrar caso você tenha presumido uma migração ascendente em todas as dimensões.

• As páginas do M Plan e do Token Plan ainda chamam o modelo de texto de "M3.1 Flash Preview" — na visão geral do plano, nas perguntas frequentes do plano, no aviso de atualização do Token Plan e nas regras de uso do M Plan, nos quatro lugares.

Então o nome perdeu o sufixo "Preview" na documentação técnica e o manteve na documentação comercial. Nenhuma página anuncia uma mudança de nome, uma data de disponibilidade geral ou um lançamento, e a página de notas de versão é o indício revelador: sua entrada mais recente de modelo de linguagem ainda é o MiniMax-M3, em 1º de junho de 2026, sendo a única entrada posterior o H3, em 31 de julho. Independentemente do que tenha acontecido com esse modelo no final de setembro, a MiniMax nunca o registrou como um lançamento. Trate "M3.1-Flash abandonou o rótulo Preview" como uma observação sobre a documentação, não como uma notícia que o fornecedor tenha anunciado.

A única coisa que é genuinamente nova em relação ao MiniMax-M3

Tirando a nomenclatura, existe uma diferença real de capacidade, e é a que o post original notou. O MiniMax-M3 trata o pensamento como um interruptor: omitido significa desligado, {"type": "adaptive"} o ativa, {"type": "disabled"} o mantém desligado. O MiniMax-M3.1-Flash trata o pensamento como um botão regulável que não pode ser desligado de forma alguma. Envie thinking: {"type": "disabled"} — ou reasoning_effort: "none" no endpoint compatível com OpenAI — e a API retorna HTTP 400 com o código de erro 2013 e a mensagem de que o modelo "requer pensamento adaptativo".

O que você recebe em vez disso é uma escala de esforço com cinco níveis: low, medium, high, xhigh, max. O fornecedor documenta que níveis mais altos pensam com mais profundidade e emitem mais tokens de raciocínio, com maior latência. O padrão, quando você omite o campo completamente, é max. O nome do campo muda conforme o protocolo — output_config.effort no endpoint compatível com Anthropic, reasoning_effort no compatível com OpenAI, reasoning.effort no endpoint Responses —, mas a escala tem os mesmos cinco valores nos três.

Dois detalhes ficam ao lado dessa escada e são fáceis de passar despercebidos. Primeiro, os tokens de raciocínio contam para max_tokens; as próprias notas de referência da M​iniMax observam que um orçamento dimensionado para uma resposta curta pode ser consumido inteiramente pelo raciocínio e retornar uma mensagem vazia com stop_reason: "max_tokens". Segundo, reasoning_split não pode ser definido como false neste modelo, portanto, no caminho compatível com a O​penAI, o pensamento sempre chega em reasoning_content em vez de dentro das tags <think> em content. Se você tem um parser que extrai essas tags da saída do M3, ele não tem nada a fazer aqui.

Isso é, ao mesmo tempo, um ganho ergonômico genuíno e um risco de cobrança genuíno, e os dois são a mesma funcionalidade. Um rename rotineiro em low e uma refatoração de todo o repositório em xhigh são o mesmo modelo fazendo trade-offs diferentes — é exatamente isso que uma camada Flash deveria oferecer. Mas o padrão é o degrau mais caro, então um chamador que nunca define o campo paga por deliberação máxima em toda requisição, inclusive nas triviais. Qualquer modelo de custo baseado nas contagens de tokens do M3 subestimará o M3.1-Flash até que o esforço seja fixado.

O que "Flash" significa nesta linha, e o que não significa

A M​iniMax já usou o sufixo Flash uma vez antes, na prévia de 27 de setembro da qual este modelo parece ser a continuação, e a proposta desse nível ali era o desenvolvimento cotidiano, e não o trabalho de fronteira: rápido e confiável, de correções rápidas de bugs ao desenvolvimento completo de funcionalidades. Esse é um briefing plausível. Também é, até hoje, não medido.

A linha do M3 na mesma documentação traz uma velocidade de saída declarada de “aproximadamente 100+ tps”. A linha do M3.1-Flash não traz nenhum número de velocidade. A tabela de limites de taxa atribui aos dois modelos os mesmos 200 RPM e 10M TPM, portanto a vazão por conta está documentada e a latência por token não está. Medições independentes não preenchem a lacuna: a Artificial Analysis lista o MiniMax-M3 com uma pontuação no Intelligence Index e não tem entrada para o MiniMax-M3.1-Flash — a página do modelo retorna 404 e ele não aparece no índice de modelos. Também não há uma planilha de benchmark do fornecedor, então a coluna está vazia, e não apenas prematura. Um nível chamado Flash sem nenhum número de velocidade publicado é uma posição de marketing, não uma especificação.

Ainda faltam três números, e o que cada um bloqueia

Estes são os fatos que decidem se o modelo é utilizável, e não apenas chamável, e todos os três são verificáveis em um minuto.

• Preço. A visão geral de preços da MiniMax tem uma linha de modelo de linguagem: MiniMax-M3 a US$ 0,30 por milhão de entrada e US$ 1,20 por milhão de saída até 512.000 tokens de entrada, dobrando para US$ 0,60 e US$ 2,40 acima disso, com leituras de cache a US$ 0,06 e US$ 0,12. Não há nenhuma linha M3.1-Flash em lugar algum da tabela, padrão ou prioritária. O que existe, em vez disso, é o preço por assinatura — M Plan a US$ 22 por mês para Go, US$ 55 para Explore e US$ 132 para Build, com todos os três níveis nomeando o modelo de texto "M3.1 Flash Preview", sendo Explore 3× e Build 7,5× o limite de uso do Go. Você pode comprar acesso ao modelo; não pode calcular uma taxa por token para ele.

• Teto de saída. O contexto está documentado em 1.000.000 de tokens. A saída máxima não está documentada para o M3.1-Flash, enquanto a entrada do nosso próprio catálogo para o MiniMax-M3 registra 512.000. Um milhão de tokens de leitura com um limite de escrita não divulgado é uma promessa sobre a entrada, não sobre a saída, e, para cargas de trabalho de geração de código, é o número da saída que decide se uma única passagem consegue concluir o trabalho.

Pesos. Não há nenhum. Os repositórios públicos da organização MiniMaxAI chegam no máximo ao MiniMax-Music3 (atualizado em 14 de agosto de 2026) e ao MiniMax-H3 (13 de agosto), e uma solicitação por um checkpoint do MiniMax-M3.1 retorna a resposta 401 da plataforma, "não visível para você", em vez de um cartão de modelo. O MiniMax-M3, por outro lado, está disponível para download na organização MiniMaxAI desde 2 de junho de 2026, com aproximadamente 427 bilhões de parâmetros, sob uma licença que o Hugging Face registra simplesmente como "other". A opção de pesos abertos que tornava o M3 interessante para equipes com suas próprias GPUs não se transfere para o sucessor.

Há uma quarta lacuna que importa para qualquer pessoa que esteja integrando isto a uma stack existente: o tipo de chave. Os exemplos de código do guia de geração de texto apontam api_key para "Get Subscription Key", e o FAQ da própria conta da M​iniMax é explícito ao dizer que Subscription Keys e API Keys de pay-as-you-go são credenciais separadas que não podem ser substituídas uma pela outra. O FAQ do M Plan acrescenta a regra correspondente — para qualquer coisa fora da cobertura do plano, use uma chave pay-as-you-go. Nada na documentação do M3.1-Flash diz qual das duas é aceita pelo modelo em chamadas por token. Não chamamos o endpoint para descobrir, e o leitor não deve presumir que uma chave de API padrão funciona só porque o modelo aparece em um bloco de código compatível com a O​penAI.

A migração é real, e começou hoje.

À parte da questão da nomenclatura, a M​iniMax assumiu um calendário com datas definidas que coloca este modelo em fluxos de produção para os quais nunca foi explicitamente escolhido. A partir de 19 de outubro de 2026, as solicitações de M2.5 e M2.7 no âmbito do M Plan e do Token Plan são automaticamente encaminhadas para o M3.1 Flash, com os nomes de modelos existentes continuando a funcionar para compatibilidade retroativa e com as cotas de uso dos planos inalteradas. As duas famílias deixam de estar disponíveis para novos usuários no mesmo dia. Em 18 de novembro de 2026, elas são descontinuadas de forma definitiva, após o que as solicitações de API para elas deixam de funcionar; os usuários existentes de pagamento conforme o uso mantêm o acesso até lá.

A palavra que faz o trabalho nesse aviso é "automaticamente". Seu cliente continua enviando o MiniMax-M2.7, a requisição continua tendo sucesso, a franquia continua sendo consumida — e o modelo do outro lado é um que sempre pensa, usa esforço máximo por padrão e tem um teto de requisições por conta menor do que o modelo que ele substituiu. Se você registrar o modelo que pediu, mas não o modelo que respondeu, nada no seu monitoramento vai lhe dizer que isso aconteceu. A mitigação de uma linha é fixar o esforço em baixo ou médio para cargas de trabalho migradas antes que a fatura de tokens descubra isso por você.

Se você quiser avaliá-lo sem comprar uma assinatura

Esta é a parte incômoda. Um modelo que você só consegue acessar por meio de uma chave de assinatura, sem preço por token e sem latência publicada, é difícil de comparar com qualquer coisa no eixo que importa — custo por tarefa concluída. A posição honesta é que o MiniMax-M3.1-Flash não está no catálogo do OrcaRouter hoje; uma solicitação pela página do modelo para ele retorna um 404, e os modelos MiniMax que atendemos são a linha por token — minimax/minimax-m3 a $0.30/$1.20 com contexto de 1M, além dos endpoints M2.7, M2.5 e H3.

O que isso tem de bom é a comparação que o modelo de assinatura esconde. Coloque o modelo que você consegue medir de fato ao lado daquele que não consegue, na mesma chave e no mesmo conjunto de prompts, e você obtém um número de custo por tarefa para o MiniMax-M3 que pode comparar com o que a assinatura do M Plan realmente está gastando. Os preços aqui são a tarifa de tabela do provedor repassada com 0% de margem, então a aritmética que você faz é a aritmética que a MiniMax publica, e não uma versão dela com margem adicionada. O failover automático mantém uma dependência não comprovada ou condicionada por assinatura ao lado de um caminho de produção, em vez de abaixo dele, e a DSL de roteamento permite fixar um modelo barato para chamadas rotineiras e enviar apenas as difíceis para algo mais caro — que é a mesma decisão de estratificação por esforço que o M3.1-Flash expõe como parâmetro, tomada uma camada acima. A página do modelo MiniMax-M3 no nosso site tem a tabela de tarifas e as especificações em um só lugar, se você quiser começar por lá.

O que tornaria isto num lançamento?

Três publicações resolveriam a questão, e nenhuma existe hoje. Uma linha de preço para o MiniMax-M3.1-Flash na visão geral de preços tornaria o modelo comparável e diria se o sufixo Flash significa mais barato que o M3 ou apenas mais rápido. Uma entrada nas notas de versão datada depois de 1º de junho de 2026 estabeleceria que houve um lançamento, e não apenas uma edição de documentação. Um checkpoint no Hugging Face restauraria a opção de auto-hospedagem que o M3 oferecia e que este modelo remove. Uma quarta, independente, ajudaria mais: uma entrada no Artificial Analysis com um número de latência, porque "Flash" é uma alegação sobre velocidade e só uma das partes não publicou nenhum número para isso.

Até então, o resumo preciso é mais restrito do que a publicação original e mais útil do que um texto de lançamento: o MiniMax-M3.1-Flash é um modelo multimodal de um milhão de tokens, documentado e acessível por assinatura, com uma escada de pensamento de cinco degraus que não pode ser desativada; ele está recebendo tráfego migrado de M2.5 e M2.7 a partir de hoje; e não tem preço publicado, nem pesos, nem teto de saída, nem nota de versão e nem pontuação independente. Isso é suficiente para experimentar, e ainda não é suficiente para padronizar.