MiniMax-M3.1-Flash hiện đang trả lời các cuộc gọi M2.7 của bạn: Điều gì đã thay đổi vào ngày 19 tháng 10

Nếu bạn đang gửi MiniMax-M2.7 đến một khóa MiniMax M Plan hoặc Token Plan hôm nay, mô hình đằng sau cái tên đó đã thay đổi. Thông báo ngừng mô hình của chính MiniMax đặt ngày 19 tháng 10 năm 2026 là ngày các yêu cầu gửi đến MiniMax-M2.7 và MiniMax-M2.5 trên các gói đó được tự động định tuyến đến MiniMax-M3.1-Flash — cùng một ID mô hình trong mã của bạn, nhưng là một mô hình khác ở đầu bên kia, với ngân sách suy nghĩ mặc định ở mức tối đa và không có cách nào để tắt hẳn suy nghĩ. Bản thân mô hình không mới: MiniMax-M3.1-Flash đã có trong tài liệu của nhà cung cấp kể từ ngày 27 tháng 9 năm 2026, khi chúng tôi lần đầu xác nhận nó ở đó dưới tên MiniMax-M3.1-Flash-Preview. Điều mới, và là điều được ghi ngày hôm nay, là việc thay thế — và việc hai dòng mô hình cũ hơn bị gộp vào nó theo cùng một lịch trình. Những lỗi AI và sự cố agent đã được ghi nhận đằng sau các bản phát hành như bản này được tập hợp trong the OrcaRouter AI Incident Archive trong đó mỗi mục mang nguồn riêng, mức độ nghiêm trọng, mức độ tin cậy và cờ tranh chấp.

Thông báo thực sự cam kết điều gì

MiniMax công bố lịch trình trong tài liệu danh sách mô hình của chính mình, và thông tin này đặc biệt cụ thể đối với một đợt ngừng hỗ trợ. Ba mốc ngày đảm nhận toàn bộ phần việc.

• Ngày 19 tháng 10 năm 2026 — các dòng M2.5 và M2.7 không còn khả dụng cho người dùng mới. • Ngày 19 tháng 10 năm 2026 — mọi yêu cầu gửi đến M2.5 hoặc M2.7 thuộc M Plan và Token Plan sẽ tự động được định tuyến đến M3.1 Flash. Các tên mô hình hiện có vẫn hoạt động và nhà cung cấp tuyên bố hạn mức sử dụng của gói không thay đổi. • Ngày 18 tháng 11 năm 2026 — cả hai dòng đều ngừng cung cấp. Các yêu cầu API gửi đến chúng sẽ ngừng hoạt động hoàn toàn.

Pay-as-you-go được xử lý riêng: M​iniMax cho biết người dùng pay-as-you-go hiện tại vẫn được truy cập cho đến ngày ngừng cung cấp, trong khi người dùng mới bị cắt truy cập từ hôm nay. Lời khuyên của công ty đúng như bạn có thể đoán — hãy kiểm tra xem ứng dụng của bạn có phụ thuộc vào các mô hình này không và bắt đầu lên kế hoạch chuyển đổi — điều này hơi muộn đối với bất kỳ ai có lưu lượng production trỏ tới M2.7 sáng nay.

Từ quan trọng trong thông báo là tự động. Đây không phải là một thông báo ngừng hỗ trợ trả về lỗi và buộc phải thay đổi mã. Đây là một sự thay thế âm thầm: yêu cầu của bạn vẫn tiếp tục thành công, mức sử dụng của bạn vẫn bị trừ vào cùng một hạn mức, và thứ tạo ra các token thì đã khác. Nếu bạn ghi nhật ký mô hình được yêu cầu mà không ghi mô hình phản hồi, giám sát của bạn sẽ hiển thị một dịch vụ khỏe mạnh đang chạy một mô hình mà bạn không chọn.

Ba điều thay đổi bên trong phản hồi

Tài liệu tham chiếu API của nhà cung cấp mô tả cả hai mô hình trên cùng một trang, nhờ đó có thể nêu chính xác sự khác biệt. MiniMax-M3.1-Flash là một mô hình lập trình đa phương thức tiên tiến với cửa sổ ngữ cảnh 1.000.000 token và độ sâu suy luận có thể điều chỉnh; MiniMax-M2.7 là mô hình văn bản và công cụ thế hệ cũ với cửa sổ 204.800 token.

• Ngữ cảnh — 1.000.000 token trên MiniMax-M3.1-Flash so với 204.800 trên MiniMax-M2.7, tức tăng khoảng gấp năm lần. • Đầu vào — văn bản, hình ảnh và video trên MiniMax-M3.1-Flash so với chỉ văn bản và lời gọi công cụ trên dòng M2.x, mà ghi chú legacy của nhà cung cấp nói rõ là không chấp nhận đầu vào hình ảnh hoặc video. • Suy luận — luôn bật và không thể tắt trên MiniMax-M3.1-Flash; gửi thinking: {"type": "disabled"} sẽ trả về HTTP 400 với mã lỗi 2013. • Độ sâu suy luận — effort chấp nhận low, medium, high, xhigh và max, và mặc định là max khi bỏ qua. M2.7 không có điều khiển tương đương. • Đầu ra suy luận — được trả về trong reasoning_content trên giao thức tương thích O​penAI và trong một thinking trên giao thức tương thích A​nthropic. reasoning_split: false không được chấp nhận, nên không thể đẩy suy luận trở lại vào content dưới dạng thẻ <think>. • Giới hạn đầu ra — khuyến nghị 131.072 token và mức tối đa cứng 524.288 cho việc sinh văn bản trên MiniMax-M3.1-Flash, so với tổng ngữ cảnh 204.800 trên M2.7. • Các bậc tiếp nhận — service_tier: "priority" (bậc tiếp nhận nhanh hơn 1,5×) không được hỗ trợ trên MiniMax-M3.1-Flash. Một khối lượng công việc phụ thuộc vào tiếp nhận ưu tiên sẽ mất điều đó. • Lấy mẫu — top_p mặc định là 0,95 trên MiniMax-M3.1-Flash, so với 0,9 trên các mô hình M2.x.

Hai trong số đó chỉ là hình thức. Các mặc định về suy luận thì không. Một khối lượng công việc được xây dựng cho M2.7 chưa bao giờ phải bận tâm về mức nỗ lực suy luận, vì không có gì để thiết lập. Cùng khối lượng công việc đó, không thay đổi, giờ chạy ở mức nỗ lực tối đa trong mọi yêu cầu — và M​iniMax tính token suy luận vào giới hạn sinh, đó là lý do tài liệu của chính nhà cung cấp cảnh báo rằng một max_tokens quá nhỏ sẽ tạo ra một lý do dừng max_tokens mà không có đầu ra văn bản nào cả.

Mặc định là cài đặt đắt đỏ.

Đây là cái bẫy trong một câu: thông báo chuyển đổi nói rằng hạn mức sử dụng của bạn không thay đổi, và điều đó đúng, nhưng lượng token mà mỗi yêu cầu tiêu thụ thì không.

FAQ về M Plan của MiniMax nói rõ rằng mức tiêu thụ phụ thuộc vào độ sâu suy nghĩ, và rằng độ sâu cao hơn đối với M3.1 Flash tạo ra nhiều nội dung suy nghĩ hơn và tiêu thụ nhiều hơn. Với effort mặc định là max, một khối lượng công việc M2.7 đã được di chuyển giờ đây đang chạy ở chế độ đắt đỏ nhất mà mô hình cung cấp, do không ai lựa chọn.

Một ví dụ minh họa sơ lược, dùng các con số làm tròn và được ghi rõ là phép tính số học chứ không phải phép đo: lấy 40.000 yêu cầu mỗi ngày, một lời nhắc 6.000 token và 3.000 token suy nghĩ ở mức tối đa so với khoảng 600 ở mức thấp. Đó là 96 triệu token suy nghĩ thêm mỗi ngày, tức khoảng 2,9 tỷ mỗi tháng. Với mức giá đầu ra được công bố của MiniMax-M3 là 1,20 USD mỗi triệu token — mức giá được công bố gần nhất hiện có, vì MiniMax không công bố mức giá theo token cho M3.1 Flash — khoản chênh lệch đó là hơn 3.400 USD một tháng một chút. Thay đổi hai trong số những giả định đó và con số sẽ thay đổi rất nhiều; điểm mấu chốt là dấu thì không đổi.

Cách khắc phục chỉ là một trường, và nó khác nhau tùy theo giao thức: output_config.effort trên điểm cuối tương thích A​nthropic, reasoning_effort trên điểm cuối tương thích O​penAI, reasoning.effort trên điểm cuối Responses. Các hướng dẫn về công cụ lập trình của chính M​iniMax khuyến nghị chính xác điều này — giảm mức nỗ lực cho các tác vụ đơn giản thay vì cố tắt suy nghĩ, vì tắt nó không phải là một lựa chọn.

Có một hiệu ứng bậc hai đáng để kiểm tra trước khi bạn tinh chỉnh bất cứ thứ gì. Nếu client của bạn gửi max_tokens được đặt đủ lớn cho một câu trả lời M2.7, một mô hình nỗ lực tối đa có thể dùng toàn bộ ngân sách cho việc suy luận và trả về một thông điệp rỗng. Tài liệu tham chiếu tương thích Anthropic của MiniMax hướng dẫn bạn đặt output_config.effort thành max một cách tường minh; bảng tham số trên cùng trang đó cảnh báo rằng token suy nghĩ được tính vào max_tokens. Hai phát biểu đó nằm cách nhau vài dòng, và chính sự kết hợp đó là cách bạn nhận được một phản hồi 200 mà không có nội dung gì.

Vẫn chưa có giá theo từng token

Đây là phần khiến việc chuyển đổi trở nên khó ước tính chi phí chứ không phải khó lập trình. Bảng giá trả theo mức sử dụng của MiniMax chỉ liệt kê một mô hình ngôn ngữ: MiniMax-M3, với giá $0.30 mỗi triệu token đầu vào và $1.20 mỗi triệu token đầu ra cho các prompt tối đa 512.000 token đầu vào, tăng gấp đôi lên $0.60 và $2.40 khi vượt ngưỡng đó, với mức giảm giá vĩnh viễn 50% đã được áp dụng cho các mức giá niêm yết bị gạch ngang. Giá đọc bộ nhớ đệm prompt lần lượt là $0.06 và $0.12 mỗi triệu. MiniMax-M3.1-Flash hoàn toàn không xuất hiện trong bảng đó.

Những gì được công bố là giá thuê bao. M Plan có giá 22 USD/tháng cho Go, 55 USD cho Explore và 132 USD cho Build, cả ba đều bao gồm mô hình văn bản M3.1 Flash Preview, trong đó Explore có hạn mức sử dụng gấp ba lần Go và Build gấp bảy lần rưỡi. Token Plan vẫn tồn tại cho những người đăng ký hiện tại nhưng không còn được bán cho người mới, và ghi chú nâng cấp của nhà cung cấp cho biết các gói vẫn giữ nguyên mức giá và giới hạn văn bản hiện tại như cũ dù theo cách nào.

Vậy nên câu trả lời trung thực cho câu hỏi "M3.1 Flash tốn bao nhiêu mỗi token" là chưa ai ngoài M​iniMax có thể nói cho bạn, vì con số đó không có trên trang. Nếu bạn cần một con số trên mỗi token để xây dựng luận cứ kinh doanh trong tuần này, cách duy nhất có thể biện minh là đo lường: chạy một bộ đánh giá cố định ở từng mức nỗ lực và ghi lại mức sử dụng từ phản hồi, rồi quy đổi theo bất kỳ mức giá nào mà gói của bạn hàm ý. Một nhà cung cấp công bố model card nhưng không công bố bảng giá đang nói với bạn rằng họ muốn cuộc trò chuyện về gói đăng ký, chứ không phải cuộc trò chuyện tính phí theo mức dùng.

Bạn thực sự gửi ID mô hình nào?

Tài liệu của M​iniMax không thống nhất với chính nó, và điều này gây hậu quả đúng vào thời điểm không mong muốn nhất. Tài liệu tham chiếu API, hướng dẫn gọi mô hình và danh sách mô hình đều gọi mô hình là MiniMax-M3.1-Flash. Các trang M Plan, hướng dẫn thiết lập C​laude Code và hướng dẫn thiết lập Codex đều gọi nó là MiniMax-M3.1-Flash-Preview, bao gồm một cấu hình C​laude Code đặt bốn biến môi trường riêng biệt thành MiniMax-M3.1-Flash-Preview[1m].

Cả hai cách đặt tên đều không được chú thích là đã ngừng hỗ trợ, và không có trang nào trong tài liệu công bố ngày phát hành chính thức hoặc việc đổi tên. Điều đó đáng được nói rõ thay vì đoán mò: tính đến hôm nay, nhà cung cấp đang dùng cả hai chuỗi, và chúng tôi không thể xác định từ tài liệu công khai chuỗi nào sẽ được khóa trả theo mức sử dụng chấp nhận. Bài kiểm tra duy nhất có thể giải quyết điều đó mất khoảng mười giây và không tốn phí:

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

Đọc các ID được trả về và dùng nguyên văn một trong số đó. Nếu bạn đang tích hợp mô hình vào Claude Code, Cursor, Codex hoặc OpenCode, hướng dẫn của nhà cung cấp yêu cầu dạng -Preview, và hướng dẫn Claude Code còn lưu ý rằng công cụ phải báo cáo MiniMax-M3.1-Flash-Preview là mô hình đang hoạt động khi cấu hình đúng.

Nếu bạn tự lưu trữ (self-host), không điều nào trong số này ảnh hưởng đến bạn

MiniMax-M2.7 là một mô hình trọng số mở. Checkpoint của nó đã có trên Hugging Face từ tháng 4 năm 2026 thuộc tổ chức MiniMaxAI, và thông báo ngừng điểm cuối API không động đến bản sao đang chạy trên phần cứng của bạn. M2.5 cũng vậy. Nếu lưu lượng M2.7 của bạn được phục vụ từ cụm riêng hoặc một triển khai riêng, thì thay đổi định tuyến hôm nay là vấn đề của người khác.

MiniMax-M3.1-Flash không nằm ở vị trí đó. Hai kho lưu trữ công khai gần đây nhất của tổ chức MiniMaxAI là M​iniMax-Music3, được tạo ngày 7 tháng 8 năm 2026, và M​iniMax-H3, được tạo ngày 28 tháng 7 năm 2026, và tìm kiếm trên Hugging Face cho M3.1 không trả về kết quả nào. Không có checkpoint, không có tệp giấy phép và không có lối thoát tự lưu trữ cho mô hình mà bạn hiện đang được chuyển sang. Nếu trọng số mở là lý do bạn chọn M2.7, thì việc di chuyển là một sự giảm sút thực sự về quyền tự chủ, ngay cả khi đó là một nâng cấp về năng lực.

Danh sách kiểm tra di chuyển, theo thứ tự quan trọng

• Hôm nay — xác nhận xem bạn đang dùng khóa đăng ký hay khóa trả theo mức sử dụng. Tự động định tuyến áp dụng cho M Plan và Token Plan; trả theo mức sử dụng vẫn phục vụ M2.5 và M2.7 cho người dùng hiện có đến 18 tháng 11. • Hôm nay — ghi lại ID model mà API trả về, không chỉ ID bạn đã gửi, để một sự thay thế âm thầm trở nên rõ ràng trong dữ liệu của bạn. • Tuần này — đặt effort một cách rõ ràng trong mọi lệnh gọi. Chọn mức theo từng loại tác vụ thay vì kế thừa max. • Tuần này — tăng max_tokens hoặc max_completion_tokens trước khi bạn tăng effort, và kiểm tra các completion trống với max_tokens là lý do dừng. • Trước ngày 18 tháng 11 — nếu bạn vẫn cần hành vi của M2.7, hãy chuyển nó sang một checkpoint tự vận hành hoặc chấp nhận hành vi của model mới. Sau ngày đó, endpoint sẽ không còn. • Trước ngày 18 tháng 11 — kiểm thử lại mọi thứ từng dùng service_tier: "priority". Nó không khả dụng trên M3.1 Flash, vì vậy đặc tính độ trễ thay đổi ngay cả khi model không đổi.

Khi nào lớp định tuyến thực sự phát huy tác dụng

Bài học tuần này không phải là việc MiniMax đã phát hành một mô hình tốt hơn. Mà là việc một ID mô hình trong mã của bạn là một lời hứa mà nhà cung cấp có thể viết lại, và việc viết lại đó không đi kèm một mục nhật ký thay đổi trong lịch sử triển khai của bạn.

Đó là lý do nên đặt việc chọn mô hình phía sau một router thay vì mã hóa cứng chuỗi nhà cung cấp trong mười hai dịch vụ. Trên OrcaRouter, MiniMax-M3 cùng các endpoint M2.5 và M2.7 nằm cạnh hơn 200 mô hình khác sau một khóa, với mức phụ trội 0% — giá niêm yết của nhà cung cấp được chuyển thẳng qua, đó là lý do MiniMax-M3 xuất hiện với cùng mức $0.30 và $1.20 mỗi triệu token mà nhà cung cấp tính, và lý do thay đổi giá của nhà cung cấp có hiệu lực ngay trong ngày thay vì vào chu kỳ thanh toán tiếp theo.

Hai điều thực sự hữu ích ở đây. Thứ nhất, DSL định tuyến cho phép bạn ghim một mô hình cụ thể cho một lớp tác vụ và chuyển sang mô hình thứ hai khi mô hình đầu tiên không khả dụng, nhờ đó một mô hình chưa được chứng minh có thể được đánh giá song song với mô hình hiện hành thay vì thay thế nó. Thứ hai, cơ chế chuyển đổi dự phòng tự động giữa các nhà cung cấp nghĩa là một buổi chiều trục trặc từ phía nhà cung cấp sẽ chỉ là một tuyến bị suy giảm chứ không phải là gián đoạn dịch vụ.

Một điều cần nói rõ: MiniMax-M3.1-Flash hiện chưa có trong danh mục của chúng tôi tính đến hôm nay. Thứ chúng tôi cung cấp là dòng MiniMax tính theo token — M3, M2.7, M2.5 và H3 — vì vậy nếu bạn muốn so sánh mô hình bạn vừa được chuyển sang với mô hình bạn vừa được chuyển khỏi, thì phía mô hình cũ chỉ cách bạn một khóa. Còn bản thân mô hình mới, bạn tiếp cận qua các gói của chính MiniMax.

Điều gì sẽ thay đổi cách đọc này?

Ba công bố sẽ đưa câu chuyện này từ một câu chuyện di trú thành một câu chuyện ra mắt, và chưa có công bố nào trong số đó tồn tại. Giá trên mỗi token cho MiniMax-M3.1-Flash sẽ cho phép bất kỳ ai thực sự tính được chi phí chuyển đổi. Một checkpoint trên Hugging Face sẽ khôi phục tùy chọn tự vận hành mà người dùng M2.7 đang mất. Một mục trên Artificial Analysis sẽ mang lại cho mô hình điểm trí tuệ độc lập đầu tiên — MiniMax-M3 đang ở mức 29,2 trên chỉ số đó, và tài liệu của chính MiniMax tuyên bố kết quả state-of-the-art trên SWE, BrowseComp và xBench cho M3.1 Flash mà không công bố một con số nào kèm theo.

Cho đến lúc đó, hãy đối xử với mô hình đúng như bản chất của nó: có thể gọi được, có tài liệu, chưa được đánh giá chuẩn và chưa được định giá theo token, giờ đây đang nhận lưu lượng mà nó không hề yêu cầu đích danh. Những đội vượt qua chuyện này một cách ổn thỏa là những đội đã nhận ra ngay từ ngày đầu rằng ID mô hình của họ đã trở thành một alias.