MiniMax-M3.1-Flash: Dokumentationen använder det redan, prissidan gör det fortfarande inte

Den 19 oktober 2026 skrev en modellbevakare med god historik att MiniMax "förbereder lanseringen av MiniMax-M3.1-Flash" och hänvisade till leverantörens API-referens. API-referensen är verklig, och raden som citeras – "Frontier multimodal kodningsmodell med 1M kontextfönster och justerbart tänkandedjup" – är ordagrant hämtad från MiniMax egen dokumentation. Men "förbereder lanseringen av" förminskar vad som faktiskt står på sidan. MiniMax-M3.1-Flash är inte ett kodnamn som väntar i en ändringslogg: det är modellen i varje kodexempel i textgenereringsguiden, den ligger ovanför MiniMax-M3 i modellistan, den delar M3:s rad för hastighetsbegränsning, och från och med idag är den destinationen som MiniMax automatiskt dirigerar prenumerationstrafik för M2.5 och M2.7 till. Den är inte prissatt, benchmarkad, nedladdningsbar eller nämnd ens en gång i leverantörens versionsinformation. Det gapet – dokumenterat och anropbart på en sida, frånvarande på varje kommersiell sida på nästa – är hela historien, och det är värt att vara precis om vilka delar som är bekräftade och vilka som är slutledningar. De dokumenterade AI-felen och agentincidenterna bakom releaser som denna samlas i OrcaRouter AI Incident Archive där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och flagga för omstridd status.

Vad finns det egentligen på leverantörens sidor idag

Fyra separata MiniMax-sidor innehåller modellnamnet, och de har det inte alla på samma sätt. Den oenigheten är det mest användbara beviset som finns, eftersom varje sida skrivs av ett annat team för en annan läsare.

• API-referensen och guiden för modellanrop listar båda MiniMax-M3.1-Flash som en aktuell modell, ovanför MiniMax-M3, med ett kontextfönster på 1 000 000 tokens och beskrivningen av justerbart tankedjup. Varje curl-, Python- och Node-exempel på dessa sidor skickar exakt den strängen.

• Modelllistan under FAQ kallar den en tillgänglig modell utan förhandsvisningsbeteckning, och dess avvecklingsmeddelande – daterat 19 oktober 2026 – anger "M3.1 Flash" som dit förfrågningar för M2.5 och M2.7 under M Plan och Token Plan nu dirigeras.

• I tabellen över hastighetsbegränsningar står MiniMax-M3.1-Flash och MiniMax-M3 i samma rad: 200 förfrågningar per minut, 10 000 000 token per minut. Familjerna M2.7 och M2.5 som den ersätter anges till 500 RPM och 20 000 000 TPM, vilket är värt att komma ihåg om man antog att en migrering innebar en uppgradering i alla dimensioner.

• Sidorna för M Plan och Token Plan kallar fortfarande textmodellen "M3.1 Flash Preview" – på planöversikten, i planens FAQ, i uppgraderingsmeddelandet för Token Plan och i användningsreglerna för M Plan, på alla fyra ställena.

Namnet har tappat sitt "Preview"-suffix i den tekniska dokumentationen och behållit det i den kommersiella dokumentationen. Ingen sida tillkännager ett namnbyte, ett datum för allmän tillgänglighet eller en lansering, och sidan med versionsinformation är avslöjandet: dess senaste post för språkmodeller är fortfarande MiniMax-M3 den 1 juni 2026, och den enda senare posten är H3 den 31 juli. Vad som än hände med den här modellen i slutet av september registrerade MiniMax det aldrig som en release. Betrakta "M3.1-Flash har tagit bort etiketten Preview" som en observation om dokumentationen, inte som nyheter som leverantören har tillkännagivit.

Det enda som verkligen är nytt jämfört med MiniMax-M3

Bortser man från namngivningen finns det en verklig kapacitetsskillnad, och det är den som det ursprungliga inlägget uppmärksammade. MiniMax-M3 behandlar tänkande som en strömbrytare: utelämnad betyder avstängt, {"type": "adaptive"} slår på det, {"type": "disabled"} håller det avstängt. MiniMax-M3.1-Flash behandlar tänkande som en ratt som inte alls kan stängas av. Skicka thinking: {"type": "disabled"} – eller reasoning_effort: "none" på den OpenAI-kompatibla endpointen – och API:et returnerar HTTP 400 med felkod 2013 och meddelandet att modellen "requires adaptive thinking."

Det du får i stället är en ansträngningsstege med fem steg: low, medium, high, xhigh, max. Leverantören dokumenterar att högre nivåer tänker mer grundligt och sänder ut fler tänkandetokens vid högre latens. Standardvärdet, när du utelämnar fältet helt, är max. Fältnamnet ändras med protokollet – output_config.effort på den Anthropic-kompatibla endpointen, reasoning_effort på den OpenAI-kompatibla och reasoning.effort på Responses-endpointen – men stegen är samma fem värden på alla tre.

Två detaljer ligger bredvid den där stegen och är lätta att missa. För det första räknas tänk-token mot max_tokens; M​iniMaxs egen referens noterar att en budget anpassad för ett kort svar helt kan förbrukas av resonemang och returnera ett tomt meddelande med stop_reason: "max_tokens". För det andra kan reasoning_split inte sättas till false på den här modellen, så på den O​penAI-kompatibla vägen kommer tänkandet alltid i reasoning_content i stället för inuti <think>-taggar i content. Om du har en parser som skrapar ut de taggarna från M3-utdata har den inget att göra här.

Detta är en verklig ergonomisk vinst och en verklig faktureringsrisk samtidigt, och de två är samma funktion. En rutinmässig namnändring vid low och en repoövergripande refaktorering vid xhigh är samma modell som gör olika avvägningar – det är precis vad en Flash-nivå bör erbjuda. Men standardinställningen är den dyraste nivån, så en anropare som aldrig anger fältet betalar för maximal eftertanke vid varje begäran, även de triviala. Alla kostnadsmodeller som bygger på M3:s tokenantal kommer att underskatta M3.1-Flash tills ansträngningsnivån har fastställts.

Vad "Flash" betyder i den här raden, och vad det inte betyder

M​iniMax har använt suffixet Flash en gång tidigare, i förhandsversionen den 27 september som den här modellen verkar vara en fortsättning på, och nivåns budskap där var vardaglig utveckling snarare än arbete i framkanten: snabb och pålitlig, från snabba buggfixar till fullständig funktionsutveckling. Det är en rimlig beskrivning. Den är också, i dag, omätt.

Raden för M3 i samma dokumentation har en angiven utdatahastighet på "cirka 100+ tps". Raden för M3.1-Flash har ingen hastighetssiffra alls. Hastighetsbegränsningstabellen ger båda modellerna samma 200 RPM och 10M TPM, så genomströmning per konto är dokumenterad och latens per token är det inte. Oberoende mätning fyller inte luckan: Artificial Analysis listar MiniMax-M3 med en poäng i Intelligence Index och har ingen post för MiniMax-M3.1-Flash — modellsidan returnerar 404 och den förekommer inte i modellindexet. Det finns inte heller något benchmarkblad från leverantören, så kolumnen är tom snarare än bara tidig. En nivå som kallas Flash utan publicerad hastighetssiffra är en marknadsföringsposition, inte en specifikation.

Tre nummer saknas fortfarande, och vad var och en av dem blockerar

Detta är de fakta som avgör om modellen är användbar snarare än bara anropbar, och alla tre går att verifiera på en minut.

• Pris. Prisöversikten för M​iniMax har en rad för språkmodell: MiniMax-M3 till $0.30 per miljon indatatoken och $1.20 per miljon utdatatoken upp till 512 000 indatatoken, vilket fördubblas till $0.60 och $2.40 däröver, med cacheläsningar till $0.06 och $0.12. Det finns ingen rad för M3.1-Flash någonstans i tabellen, oavsett om det gäller standard eller prioritet. Det som finns i stället är prenumerationsprissättning – M Plan för $22 i månaden för Go, $55 för Explore och $132 för Build, där alla tre nivåerna anger textmodellen ”M3.1 Flash Preview”, med Explore på 3× och Build på 7,5× Go:s användningskvot. Du kan köpa åtkomst till modellen; du kan inte beräkna ett per-token-pris för den.

• Tak för utdata. Kontexten är dokumenterad till 1 000 000 token. Maximal utdata är inte dokumenterad för M3.1-Flash, medan vår egen katalogpost för MiniMax-M3 anger 512 000. En miljon token av läsning med en icke angiven skrivgräns är ett löfte om indata, inte utdata, och för arbetsbelastningar med kodgenerering är utdatasiffran den som avgör om en enda körning kan slutföra jobbet.

• Vikter. Det finns inga. De offentliga repositorierna i MiniMaxAI-organisationen sträcker sig som högst till MiniMax-Music3 (uppdaterad 14 augusti 2026) och MiniMax-H3 (13 augusti), och en begäran om en MiniMax-M3.1-checkpoint returnerar plattformens 401-svar ”not visible to you” i stället för ett modellkort. MiniMax-M3 har däremot kunnat laddas ned från MiniMaxAI-organisationen sedan 2 juni 2026 med cirka 427 miljarder parametrar, under en licens som Hugging Face helt enkelt registrerar som ”other”. Alternativet med öppna vikter som gjorde M3 intressant för team med egna GPU:er förs inte vidare till efterföljaren.

Det finns en fjärde lucka som spelar roll för alla som kopplar in detta i en befintlig stack: nyckeltyp. Kodexemplen i textgenereringsguiden pekar api_key mot "Get Subscription Key", och M​iniMaxs egen konto-FAQ är tydlig med att Subscription Keys och pay-as-you-go-API-nycklar är separata autentiseringsuppgifter som inte kan ersätta varandra. FAQ:n för M-planen lägger till den motsvarande regeln – för allt som ligger utanför planens täckning, använd en pay-as-you-go-nyckel. Inget i dokumentationen för M3.1-Flash säger vilken av de två som når modellen per token. Vi anropade inte slutpunkten för att ta reda på det, och en läsare bör inte utgå från att en vanlig API-nyckel fungerar bara för att modellen visas i ett O​penAI-kompatibelt kodexempel.

Migrationen är verklig, och den började idag

Bortsett från namnfrågan har MiniMax åtagit sig en tidsatt plan som för in den här modellen i produktionsflöden som den aldrig uttryckligen valdes för. Från och med den 19 oktober 2026 dirigeras förfrågningar till M2.5 och M2.7 under M Plan och Token Plan automatiskt till M3.1 Flash, medan befintliga modellnamn fortsätter att fungera för bakåtkompatibilitet och planernas användningskvoter förblir oförändrade. De två familjerna slutar vara tillgängliga för nya användare samma dag. Den 18 november 2026 avvecklas de helt, varefter API-förfrågningar till dem slutar fungera; befintliga pay-as-you-go-användare behåller åtkomsten till dess.

Det avgörande ordet i det meddelandet är "automatiskt". Din klient fortsätter skicka MiniMax-M2.7, begäran fortsätter lyckas, kvoten fortsätter minska – och modellen i andra änden är en som alltid tänker, som standard använder maximal insats och har ett lägre tak för begäranden per konto än modellen den ersatte. Om du loggar modellen du bad om men inte modellen som svarade, kommer inget i din övervakning att berätta att detta hände. Den enradiga åtgärden är att låsa insatsen till låg eller medel för migrerade arbetsbelastningar innan tokenräkningen upptäcker det åt dig.

Om du vill utvärdera det utan att köpa en prenumeration

Det här är den besvärliga delen. En modell som man bara kan nå via en prenumerationsnyckel, utan pris per token och utan publicerad latens, är svår att jämföra med något på den axel som spelar roll – kostnad per slutförd uppgift. Det ärligaste svaret är att MiniMax-M3.1-Flash inte finns i OrcaRouters katalog i dagsläget; en begäran om en modellsida för den returnerar 404, och de MiniMax-modeller vi tillhandahåller är per-token-linjen – minimax/minimax-m3 till $0.30/$1.20 med 1M kontext, plus M2.7-, M2.5- och H3-endpunkterna.

Det den är bra för är jämförelsen som prenumerationsmodellen döljer. Ställ modellen du faktiskt kan mäta bredvid den du inte kan, med samma nyckel och samma promptuppsättning, och du får ett kostnad-per-uppgift-tal för MiniMax-M3 som du kan hålla mot vad M Plan-platsen egentligen spenderar. Priserna här är leverantörens listpris som skickas vidare med 0 % påslag, så aritmetiken du gör är aritmetiken MiniMax publicerar i stället för en uppskriven version av den. Automatisk failover håller en oprövad eller prenumerationslåst beroende vid sidan av en produktionsväg i stället för under den, och routnings-DSL:en låter dig fästa en billig modell för rutinanrop och bara skicka de svåra till något dyrare – vilket är samma beslut om ansträngningsnivåer som M3.1-Flash exponerar som en parameter, fattat ett lager upp. Modellsidan för MiniMax-M3 på vår webbplats har prislistan och specifikationerna på ett ställe om du vill börja där.

Vad skulle göra detta till en lansering?

Tre publiceringar skulle avgöra saken, och ingen finns i dag. En prisrad för MiniMax-M3.1-Flash i prisöversikten skulle göra modellen jämförbar och visa om suffixet Flash betyder billigare än M3 eller bara snabbare. En post i versionsinformationen daterad efter 1 juni 2026 skulle fastställa att en release över huvud taget har skett, snarare än en dokumentationsändring. En checkpoint på Hugging Face skulle återställa möjligheten till självhosting som M3 erbjöd och som den här modellen tar bort. En fjärde, oberoende sådan skulle hjälpa mest: en post i Artificial Analysis med en latenssiffra, eftersom "Flash" är ett påstående om hastighet och det bara är en part som inte har publicerat någon siffra för den.

Fram till dess är den korrekta sammanfattningen snävare än originalinlägget och mer användbar än en lanseringsartikel: MiniMax-M3.1-Flash är en dokumenterad multimodell modell med en miljon tokens som går att nå via prenumeration, med en femstegs tanketrappa som inte kan stängas av; den tar från och med i dag emot migrerad trafik från M2.5 och M2.7; och den har inget publicerat pris, inga vikter, inget tak för utdata, ingen versionsnotis och inget oberoende resultat. Det räcker för att prova, men ännu inte för att standardisera på.