MiniMax-M3.1-Flash против MiniMax-M3: вдвое дешевле, но без весов

MiniMax-M3.1-Flash стоит ровно вдвое меньше, чем MiniMax-M3, за токен, набирает на тринадцать пунктов больше в Artificial Analysis Intelligence Index и является той моделью, на которую MiniMax теперь переводит собственных старых подписчиков. Это также первая модель в этой линейке, которую нельзя скачать. MiniMax-M3, выпущенная 1 июня 2026 года, — это смесь экспертов на 428 млрд параметров с 23 млрд активных параметров, опубликованными весами на Hugging Face и тарифной сеткой, которую можно прочитать в таблице; MiniMax-M3.1-Flash, выпущенная 19 октября 2026 года, — закрытая модель с лучшим результатом бенчмарка, более быстрым путём обслуживания и обещанием, что веса появятся «позже». Эта фраза — и есть всё решение, а ценовой разрыв лишь отвлекает от него, хотя отвлекает настолько сильно, что стоит посчитать, прежде чем решать. Задокументированные сбои ИИ и инциденты с агентами, стоящие за подобными релизами, собраны в OrcaRouter AI Incident Archive, где каждая запись сопровождается собственными источниками, уровнем серьёзности, степенью уверенности и отметкой об оспаривании.

Что на самом деле написано в двух тарифных картах

Начнём с денег — потому что именно в деньгах маркетинговые обещания и счёт расходятся.

• Стандартный ввод — MiniMax-M3.1-Flash $0,15 за 1 млн против MiniMax-M3 $0,30 за 1 млн при объёме до 512 000 входных токенов

• Стандартный вывод — $0.60 за 1 млн против $1.20 за 1 млн, тот же порог в 512 000 токенов

Свыше 512 000 входных токенов — MiniMax-M3 удваивает тарифы до $0,60 за вход и $2,40 за выход; для MiniMax-M3.1-Flash надбавка за длинный контекст не публикуется

• Кэшированные чтения — $0.015 за 1 млн против $0.06 за 1 млн

• Приоритетный доступ — не предлагается для MiniMax-M3.1-Flash; MiniMax-M3 предоставляет его по цене в 1,5× выше стандартной ставки, то есть $0.45/$1.80 ниже порога и $0.90/$3.60 выше него.

• Индекс интеллекта — 42 против 29, по данным Artificial Analysis

Стоимость одной задачи Index — $0.22 против $0.51, снижение на 57%, а не на 50%, как следует из тарифной карты

• Контекстное окно — 1 000 000 токенов в обоих случаях, хотя в нашем каталоге MiniMax-M3 указан как 1 048 576

• Скорость вывода — 125,5 токена в секунду против 106,4, оба показателя измерены независимо

• Веса — обещаны позже vs опубликованы, открыто, на Hugging Face

• Параметры — не раскрыты; указано лишь «более агрессивная разреженность» по сравнению с 428B общих и 23B активных.

Две строки в этом списке весят больше, чем предполагает их длина. Первая — надбавка за длинный контекст. Если ваша рабочая нагрузка регулярно превышает 512 000 входных токенов — проход по всему репозиторию, длинная расшифровка, набор документов — эффективный разрыв составляет не 2×, а 4× на входе и 4× на выходе, потому что MiniMax-M3.1-Flash вообще не применяет ступенчатую тарификацию. Вторая — приоритетный доступ. MiniMax-M3 может купить более быстрое обслуживание за 1,5×; MiniMax-M3.1-Flash не может купить его ни за какую цену. В его справочнике API указано, что service_tier не поддерживается. Если задержка под нагрузкой была причиной, по которой вы платили за M3, более новая модель не продаёт вам этот рычаг — она продаёт вам более быстрый базовый путь обслуживания, а затем отбирает рычаг.

Достичь половины стоимости легче, чем достичь половины суммы счёта.

Сокращение тарифной сетки вдвое не сокращает счёт вдвое, и это самая распространённая ошибка при планировании миграции для этой пары. MiniMax-M3.1-Flash обдумывает каждый запрос с уровнем усилий по умолчанию max, его нельзя заставить остановиться, и он демонстративно многословен: он израсходовал 180 миллионов выходных токенов в Intelligence Index, тогда как медианная модель израсходовала 99 миллионов. MiniMax-M3 позволяет полностью отключить обдумывание, и по умолчанию оно отключено на Anthropic-совместимой конечной точке.

Посчитаем в цифрах. Возьмём задачу разметки документов, которая при каждом вызове отправляет 2000 входных токенов схемы и инструкций и возвращает 80 токенов JSON. На MiniMax-M3 с отключённым мышлением вы платите 2000 × $0,30 за миллион плюс 80 × $1,20 за миллион — около $0,0007 за вызов. На MiniMax-M3.1-Flash та же задача, где нет способа отключить мышление, тратит вход по $0,15 за миллион, но затем выдаёт блок рассуждений, который разрастается до нескольких сотен токенов перед ответом. При 500 токенах мышления плюс 80 токенах ответа счёт за выход составляет 580 × $0,60 за миллион — примерно $0,00065. Едва дешевле, и это при консервативной оценке объёма мышления. При 1500 токенах мышления более новая модель стоит дороже старой при идентичном выводе, потому что возможность старой отключать рассуждения стоит больше, чем более низкая ставка новой.

Теперь изменим нагрузку. Запуск многошагового агента, который уже израсходовал 40 000 токенов вывода на M3 на вызовы инструментов и рассуждения, с включённым режимом обдумывания, поскольку ему нужно было думать. M3 тарифицирует 40 000 × $1,20 за миллион, то есть $0,048. M3.1-Flash при том же объёме обойдётся в $0,024 — а на практике расходует меньше, потому что траектории короче, поэтому независимый показатель стоимости выполнения одной задачи снижается на 57%, а не на 50%. Именно здесь и кроется экономия: длительная работа с интенсивными рассуждениями, а не короткие детерминированные вызовы.

Отсюда следует правило: если вашу нагрузку можно описать как «много маленьких ответов», MiniMax-M3.1-Flash может оказаться более дорогой моделью. Если её можно описать как «мало длинных ответов», она однозначно дешевле.

Веса — это та часть, которую невозможно обойти.

Все приведённые выше цифры можно изменить в обратную сторону. MiniMax завтра может снизить цену на MiniMax-M3 — или поднять цену на M3.1-Flash. Необратима только лицензия. MiniMax-M3 можно скачать — 428 млрд параметров всего, 23 млрд активных, на Hugging Face и в зеркальной сборке MXFP8, — а значит, его можно квантовать, дообучать, запускать на собственном оборудовании, продолжать обслуживать после того, как поставщик двинется дальше, и проверять, что у него внутри. MiniMax-M3.1-Flash — это размещённый у поставщика эндпоинт, который, по словам MiniMax, позже получит веса, без даты, без лицензии и без указания числа параметров.

Эта асимметрия проявляется в трёх аспектах, которые сравнение стоимости не отразит. Соблюдение нормативных требований: команда, работающая в регулируемой сфере, которой нужно запускать инференс внутри собственного периметра или документировать артефакт модели, от которого она зависит, сегодня не может использовать MiniMax-M3.1-Flash ни за какую цену. Непрерывность: согласно собственному графику вывода из эксплуатации MiniMax, два целых семейства моделей — M2.5 и M2.7 — уже были свёрнуты в MiniMax-M3.1-Flash 19 октября, а полный вывод из эксплуатации назначен на 18 ноября. Модели действительно отключают, и единственный гарантированный способ пережить это — владеть копией. Воспроизводимость: результат бенчмарка, который нельзя перезапустить на замороженном чекпоинте, приходится принимать на веру, и все показатели MiniMax-M3.1-Flash в этой статье именно таковы.

Если MiniMax выложит веса, этот раздел устареет, а память о 428B-модели, доступной для скачивания по $0,30 за миллион, станет куда более интересной сноской. Пока этого не произошло, «позже» — лишь обещание, и в руках у вас остаётся только старая модель.

Разрыв в возможностях реален и уже, чем предполагает индекс.

Тринадцать пунктов в Intelligence Index — это большой скачок, примерно на одно поколение модели на этом ценовом уровне. Но часть этого разрыва отражает изменение того, как моделям разрешено работать, а не того, что они знают. MiniMax-M3.1-Flash оценивается с принудительно включённым рассуждением на максимальных усилиях; результат MiniMax-M3 в индексе получен при его собственных настройках по умолчанию, что в одном протоколе означает отключённое мышление. Некоторые из этих тринадцати пунктов — это лестница, а не веса.

Данные со стороны поставщика указывают в том же направлении. Собственные стартовые показатели MiniMax для MiniMax-M3.1-Flash — BankerToolBench 76.2, DeepSWE v1.1 на 73.7%, OSWorld V2 на 61.7, Agents' Last Exam на 29.6, CyberGym на 82% — все относятся к агентным оценкам, и каждая из них — это условие, где принудительное включение максимального рассуждения помогает. Опубликованного сравнения с MiniMax-M3 на тех же стендах нет, поэтому честно будет сказать, что новая модель лучше в агентной работе на величину, которую никто за пределами MiniMax не измерял относительно её предшественника, и что индекс указывает на реальное улучшение менее чем на тринадцать пунктов, если политику рассуждения держать неизменной.

А вот где разница не вызывает споров — так это в эксплуатационных показателях. 125,5 токена в секунду против 106,4 — это на 18% более быстрый путь обслуживания, измеренный третьей стороной, и это сохраняется независимо от рабочей нагрузки. Для интерактивного инструмента программирования это та разница, которую ощущает пользователь.

Где MiniMax-M3.1-Flash — неправильный ответ

Три рабочие нагрузки должны остаться на MiniMax-M3 даже после этого запуска, и их стоит назвать, поскольку в материалах о запуске об этом не говорится.

Первое — это всё, что находится внутри вашей собственной сети. Не существует версии более новой модели, которую вы могли бы запустить, и нет никаких указаний на то, когда она появится.

Второй — это высокообъёмная, малотокенная, детерминированная работа — классификация, извлечение, маршрутизация, форматирование — где возможность отключить мышление является решающей стоимостной функцией, и у MiniMax-M3 она есть.

Третий — всё, что зависит от приоритетного допуска. Если ваше приложение купило уровень 1,5× у MiniMax-M3, чтобы удерживать p99-задержку в рамках SLA, то MiniMax-M3.1-Flash убирает эту возможность; вы обменяете управляемый рычаг на более быстрый базовый уровень, который не сможете настроить.

Все остальные — агентные пайплайны, циклы computer-use, сессии программирования с длинным контекстом, команды, чьи рабочие нагрузки длительные, а не многочисленные, — должны переходить. Новая модель быстрее, дешевле в расчёте на выполненную задачу и лучше именно в тех оценках, которые описывают такую работу.

Запуск обоих без запуска двух интеграций

Реалистичный ответ для большинства команд — не переключение, а разделение: MiniMax-M3 для коротких детерминированных вызовов и всего, что должно оставаться на собственной инфраструктуре, MiniMax-M3.1-Flash для длительных агентных запусков. Оба варианта от одного поставщика, относятся к одному семейству протоколов, а в случае Anthropic-совместимой конечной точки имеют одинаковую структуру запроса — так что это правило маршрутизации, а не две интеграции SDK.

Для этого и нужен OrcaRouter: один API-ключ для более чем 200 моделей, а цены из прайс-листов провайдеров передаются без наценки — 0%, так что $0.30/$1.20 за MiniMax-M3 — это ровно то, что вы платите, и изменение цен у поставщика попадает в ваш счёт в тот же день, когда оно появляется у них. MiniMax-M3 уже есть в нашем каталоге сегодня. MiniMax-M3.1-Flash — нет: вызывайте его через собственный API M​iniMax, M Plan или M​iniMax Code, поэтому описанное выше разделение работает как правило маршрутизации, где одно плечо находится вне нас, пока мы его не поддерживаем. Автоматическое переключение при сбое всё равно реально работает в такой схеме: если новый endpoint ограничен по частоте запросов или id меняется у вас под ногами, запрос переключается на MiniMax-M3, а не на страницу ошибки.

Разделение стоит реализовывать, а не теоретизировать о нём, потому что две модели действительно различаются по форме, а не только по оценкам. Маршрутизатор, который направляет короткие вызовы модели, способной прекращать размышление, а длинные — модели, которая этого не может, делает то, что уже оправдано результатами бенчмарков.

Краткая версия

MiniMax-M3.1-Flash — лучшая модель и худший актив. Она набирает 42 против 29, работает на 18% быстрее и стоит меньше за выполненную задачу — на 57% меньше по индексу, построенному на длительных задачах с интенсивными рассуждениями. MiniMax-M3 можно скачать, она дешевле для коротких вызовов и принадлежит вам. На следующие несколько месяцев разумная стратегия — использовать обе, длительную работу поручать новой и следить за выпуском весов, потому что в день, когда MiniMax опубликует чекпойнт, единственным аргументом в пользу старой модели останется приоритетный доступ.