MiniMax-M3.1-Flash svarar nu på dina M2.7-anrop: Vad som ändrades den 19 oktober

Om du idag skickar MiniMax-M2.7 till en nyckel för MiniMax M Plan eller Token Plan har modellen bakom det namnet ändrats. MiniMaxs eget meddelande om modellavveckling anger den 19 oktober 2026 som det datum då förfrågningar som adresseras till MiniMax-M2.7 och MiniMax-M2.5 på dessa planer automatiskt dirigeras till MiniMax-M3.1-Flash — samma modell-ID i din kod, en annan modell i andra änden, med en tänkbudget som är maximal som standard och inget sätt att stänga av tänkandet alls. Själva modellen är inte ny: MiniMax-M3.1-Flash har funnits i leverantörens dokumentation sedan den 27 september 2026, då vi först bekräftade den där under namnet MiniMax-M3.1-Flash-Preview. Det som är nytt, och det som är daterat i dag, är utbytet — och det faktum att två äldre modellfamiljer införlivas i den enligt samma tidsplan. De dokumenterade AI-felen och agentincidenterna bakom versioner som den här samlas i OrcaRouter AI Incident Archive där varje post har sina egna källor, allvarlighetsgrad, konfidensbetyg och markering för omtvistat.

Vad meddelandet faktiskt förpliktar sig till

MiniMax publicerar schemat i sin egen dokumentation över modellistan, och det är ovanligt specifikt för en avveckling. Tre datum gör hela arbetet.

• 19 oktober 2026 – M2.5- och M2.7-familjerna slutar vara tillgängliga för nya användare. • 19 oktober 2026 – varje begäran till M2.5 eller M2.7 under M Plan och Token Plan dirigeras automatiskt om till M3.1 Flash. Befintliga modellnamn fortsätter att fungera, och leverantören uppger att planernas användningskvoter är oförändrade. • 18 november 2026 – båda familjerna tas ur bruk. API-begäranden till dem slutar fungera helt.

Pay-as-you-go behandlas separat: MiniMax säger att befintliga pay-as-you-go-användare behåller åtkomsten fram till avvecklingsdatumet, medan nya användare stängs av idag. Företagets råd är precis vad man kan förvänta sig – kontrollera om dina applikationer är beroende av dessa modeller och börja planera migreringen – vilket är lite sent för alla vars produktionstrafik var riktad mot M2.7 i morse.

Det viktiga ordet i meddelandet är automatiskt. Det här är inte en utfasning som returnerar ett fel och tvingar fram en kodändring. Det är en tyst substitution: din begäran fortsätter att lyckas, din användning fortsätter att förbruka samma kvot, och det som producerar tokens är något annat. Om du loggar den efterfrågade modellen men inte modellen i svaret, kommer din övervakning att visa en frisk tjänst som kör en modell du inte valde.

Tre saker ändras i svaret

Leverantörens API-referens dokumenterar båda modellerna på samma sida, vilket gör det enkelt att ange skillnaden exakt. MiniMax-M3.1-Flash är en banbrytande multimodal kodningsmodell med ett kontextfönster på 1 000 000 tokens och justerbart tänkandedjup; MiniMax-M2.7 är en äldre text- och verktygsmodell med ett fönster på 204 800 tokens.

• Kontext — 1,000,000 token på MiniMax-M3.1-Flash jämfört med 204,800 på MiniMax-M2.7, ungefär en femfaldig ökning. • Indata — text, bild och video på MiniMax-M3.1-Flash jämfört med endast text och verktygsanrop på M2.x-familjen, som enligt leverantörens äldre notering uttryckligen inte accepterar bild- eller videoindata. • Tänkande — alltid på och kan inte inaktiveras på MiniMax-M3.1-Flash; att skicka thinking: {"type": "disabled"} returnerar HTTP 400 med felkod 2013. • Tänkandedjup — effort accepterar low, medium, high, xhigh och max, och standardvärdet är max när det utelämnas. M2.7 har ingen motsvarande inställning. • Resonemangsutdata — returneras i reasoning_content i det O​penAI-kompatibla protokollet och i ett thinking-block i det A​nthropic-kompatibla protokollet. reasoning_split: false accepteras inte, så tänkande kan inte flyttas tillbaka till content som <think>-taggar. • Utdatatak — rekommenderat 131,072 token och ett hårt maximum på 524,288 för generering på MiniMax-M3.1-Flash, jämfört med 204,800 total kontext på M2.7. • Admission-nivåer — service_tier: "priority" (nivån för 1.5× snabbare admission) stöds inte på MiniMax-M3.1-Flash. En arbetsbelastning som förlitade sig på prioriterad admission förlorar den. • Sampling — top_p har standardvärdet 0.95 på MiniMax-M3.1-Flash, jämfört med 0.9 på M2.x-modellerna.

Två av dem är kosmetiska. Standardinställningarna för tänkande är det inte. En arbetsbelastning byggd för M2.7 behövde aldrig fundera över resonemangsansträngning, eftersom det inte fanns något att ställa in. Samma arbetsbelastning, oförändrad, körs nu med maximal ansträngning vid varje begäran – och MiniMax räknar tänkandetokens mot genereringsgränsen, vilket är anledningen till att leverantörens egen dokumentation varnar för att ett för litet max_tokens ger en max_tokens-stopporsak utan någon textutdata alls.

Standardinställningen är den dyra inställningen

Här är fällan i en mening: migreringsmeddelandet säger att dina användningskvoter är oförändrade, och det stämmer, men de tokens som varje begäran förbrukar är det inte.

MiniMaxs FAQ för M-planen är tydlig med att förbrukningen beror på tankdjupet, och att ett högre djup för M3.1 Flash genererar mer tankeinnehåll och förbrukar mer. Med ansträngning inställd på max som standard, körs en migrerad M2.7-arbetsbelastning nu på den dyraste inställningen som modellen erbjuder, som ingen har valt.

En grov illustration, med runda tal och tydligt angiven som aritmetik snarare än mätning: ta 40 000 förfrågningar per dag, en prompt på 6 000 token och 3 000 tänk-token vid max mot ungefär 600 vid low. Det är 96 miljoner extra tänk-token per dag, eller cirka 2,9 miljarder i månaden. Med MiniMax-M3:s publicerade pris för utdata på 1,20 USD per miljon token – den närmaste publicerade prisuppgift som finns, eftersom MiniMax inte publicerar något per-token-pris för M3.1 Flash – är den skillnaden drygt 3 400 USD i månaden. Ändra två av antagandena och talet förändras kraftigt; poängen är att tecknet inte gör det.

Åtgärden är ett enda fält, och det skiljer sig beroende på protokoll: output_config.effort på den A​nthropic-kompatibla endpointen, reasoning_effort på den O​penAI-kompatibla, reasoning.effort på Responses-endpointen. M​iniMaxs egna guider för kodverktyg rekommenderar precis detta – sänk ansträngningsnivån för enkla uppgifter i stället för att försöka stänga av tänkandet, eftersom det inte är ett alternativ.

Det finns en andra ordningens effekt värd att kontrollera innan du justerar något. Om din klient skickar max_tokens dimensionerat för ett M2.7-svar kan en modell med maximal ansträngning lägga hela budgeten på resonemang och returnera ett tomt meddelande. MiniMaxs Anthropic-kompatibla referens säger att du ska ställa in output_config.effort till max uttryckligen; parametertabellen på samma sida varnar för att tanketokens räknas mot max_tokens. De två påståendena ligger några rader ifrån varandra, och kombinationen är hur du får ett 200-svar utan något i.

Det finns fortfarande inget pris per token

Det här är delen som gör migreringen svår att kostnadsberäkna snarare än svår att koda. MiniMaxs prislista för betalning per användning listar en språkmodell: MiniMax-M3, till $0,30 per miljon input och $1,20 per miljon output för prompter på upp till 512 000 inputtokens, vilket fördubblas till $0,60 och $2,40 däröver, med en permanent rabatt på 50 % redan tillämpad på de överstrukna listpriserna. Läsningar från promptcache kostar $0,06 respektive $0,12 per miljon. MiniMax-M3.1-Flash finns inte alls med i den tabellen.

Det som publiceras är prenumerationsprissättning. M Plan kostar 22 USD i månaden för Go, 55 USD för Explore och 132 USD för Build, alla tre inkluderar textmodellen M3.1 Flash Preview, där Explore har tre gånger Go:s användningskvot och Build sju och en halv gånger. Token Plan finns fortfarande för befintliga prenumeranter men säljs inte längre till nya, och leverantörens uppgraderingsmeddelande säger att planerna behåller sitt nuvarande pris och sina textgränser oavsett.

Så det ärliga svaret på "vad kostar M3.1 Flash per token" är att ingen utanför MiniMax kan säga det ännu, eftersom siffran inte finns på sidan. Om du behöver en siffra per token för att bygga ett affärscase den här veckan är det enda försvarbara tillvägagångssättet att mäta: kör en fast utvärderingsuppsättning på varje ansträngningsnivå, registrera användning från svaret och räkna om enligt den avgift som din plan innebär. En leverantör som publicerar modellkortet men inte prislistan talar om för dig att den vill ha prenumerationssamtalet, inte det mätarbaserade samtalet.

Vilket modell-ID skickar du egentligen?

M​iniMaxs dokumentation stämmer inte med sig själv, och det biter till vid precis fel tillfälle. API-referensen, guiden för modellanrop och modellistan kallar alla modellen MiniMax-M3.1-Flash. M Plan-sidorna, installationsguiden för C​laude Code och installationsguiden för Codex kallar alla den MiniMax-M3.1-Flash-Preview, inklusive en konfiguration för C​laude Code som ställer in fyra separata miljövariabler till MiniMax-M3.1-Flash-Preview[1m].

Ingen av beteckningarna är markerad som föråldrad, och ingen sida i dokumentationen tillkännager ett datum för allmän tillgänglighet eller ett namnbyte. Det är värt att säga rakt ut i stället för att gissa: i dag använder leverantören båda strängarna, och vi kunde inte utifrån offentlig dokumentation fastställa vilken av dem en pay-as-you-go-nyckel kommer att acceptera. Det enda test som avgör saken tar ungefär tio sekunder och kostar ingenting:

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

Läs de ID:n som returneras och använd ett av dem ordagrant. Om du kopplar in modellen i C​laude Code, Cursor, Codex eller OpenCode förväntar leverantörens guider -Previewformen, och C​laude Code-guiden noterar dessutom att verktyget ska rapportera MiniMax-M3.1-Flash-Preview som aktiv modell när konfigurationen är korrekt.

Om du självhostar når inget av detta dig

MiniMax-M2.7 är en modell med öppna vikter. Dess checkpoint har funnits på Hugging Face sedan april 2026 under organisationen MiniMaxAI, och meddelandet som avvecklar API-slutpunkten påverkar inte en kopia som körs på din egen hårdvara. Detsamma gäller M2.5. Om din M2.7-trafik hanteras från ditt eget kluster eller en privat distribution, är dagens routingändring någon annans problem.

MiniMax-M3.1-Flash finns inte i den positionen. MiniMaxAI-organisationens två senaste offentliga repon är M​iniMax-Music3, skapat 7 augusti 2026, och M​iniMax-H3, skapat 28 juli 2026, och en sökning på Hugging Face efter M3.1 ger inget resultat. Det finns ingen checkpoint, ingen licensfil och ingen utväg för egen hostning för modellen som du nu dirigeras till. Om öppna vikter var anledningen till att du valde M2.7, är migreringen en verklig nedgradering i autonomi, även där den är en uppgradering i kapacitet.

Migreringschecklistan, i den ordning som spelar roll

• I dag — bekräfta om du använder en prenumerationsnyckel eller en pay-as-you-go-nyckel. Den automatiska routningen gäller M Plan och Token Plan; pay-as-you-go fortsätter att betjäna befintliga användare med M2.5 och M2.7 till 18 november. • I dag — logga modell-ID:t som API:et returnerar, inte bara det du skickade, så att en tyst substitution blir synlig i dina data. • Den här veckan — ange effort explicit vid varje anrop. Välj nivån per uppgiftsklass i stället för att ärva max. • Den här veckan — höj max_tokens eller max_completion_tokens innan du höjer effort, och kontrollera om det finns tomma completions med en max_tokens som stopporsak. • Före 18 november — om du fortfarande behöver M2.7-beteende, portera det till en självhostad checkpoint eller acceptera den nya modellens beteende. Efter det datumet är endpointen borta. • Före 18 november — återtesta allt som använde service_tier: "priority". Det är inte tillgängligt på M3.1 Flash, så latensprofilen ändras även när modellen inte gör det.

Där ett routningslager gör nytta

Veckans lärdom är inte att M​iniMax släppte en bättre modell. Det är att ett modell-ID i din kod är ett löfte som leverantören kan skriva om, och att omskrivningen inte åtföljs av en ändringsloggspost i din driftsättningshistorik.

Det är argumentet för att lägga modellvalet bakom en router i stället för att hårdkoda en leverantörssträng i tolv tjänster. På OrcaRouter finns MiniMax-M3 samt M2.5- och M2.7-endpunkterna tillsammans med över 200 andra modeller bakom en enda nyckel, med 0 % påslag – leverantörens listpris förs vidare direkt, vilket är anledningen till att MiniMax-M3 visas till samma $0,30 och $1,20 per miljon tokens som leverantören tar ut, och till att en ändring av leverantörens pris slår igenom samma dag i stället för vid nästa faktureringscykel.

Två saker som är genuint användbara här. För det första, låter routing-DSL:en dig låsa en specifik modell för en uppgiftsklass och falla över till en andra när den första inte är tillgänglig, så att en utvärdering av en obeprövad modell körs vid sidan av den befintliga i stället för att ersätta den. För det andra, automatisk failover mellan leverantörer innebär att en dålig eftermiddag uppströms blir en försämrad rutt i stället för ett avbrott.

En sak som bör vara tydlig: MiniMax-M3.1-Flash finns inte i vår katalog i dag. Det vi erbjuder är M​iniMax-serien per token – M3, M2.7, M2.5 och H3 – så om du vill jämföra modellen du just migrerades till med den du migrerades från, är den befintliga sidan bara en tangent bort. Själva den nya modellen når du via M​iniMax egna planer.

Vad skulle ändra den här avläsningen?

Tre publikationer skulle förvandla detta från en migreringsberättelse till en lanseringsberättelse, och ingen av dem finns ännu. Ett pris per token för MiniMax-M3.1-Flash skulle göra det möjligt för vem som helst att faktiskt räkna på kostnaden för bytet. En checkpoint på Hugging Face skulle återställa möjligheten att själv hosta som M2.7-användarna håller på att förlora. En post på Artificial Analysis skulle ge modellen dess första oberoende intelligenspoäng — MiniMax-M3 ligger på 29,2 i det indexet, och M​iniMax:s egen dokumentation hävdar toppmoderna resultat på SWE, BrowseComp och xBench för M3.1 Flash utan att publicera en enda siffra tillsammans med dem.

Fram till dess, behandla modellen som det den är: anropbar, dokumenterad, inte benchmarkad och utan pris per token, och som nu tar emot trafik som den inte uttryckligen har bett om. De team som klarar sig väl ur detta är de som redan första dagen märkte att deras modell-ID hade blivit ett alias.