MiniMax-M3.1-Flash: Tài liệu đã dùng nó, trang giá vẫn chưa.

Vào ngày 19 tháng 10 năm 2026, một người theo dõi mô hình có thành tích tốt đã đăng rằng MiniMax đang "chuẩn bị phát hành MiniMax-M3.1-Flash", chỉ vào tài liệu tham chiếu API của nhà cung cấp. Tài liệu tham chiếu API là có thật, và dòng mà nó trích dẫn — "Mô hình lập trình đa phương thức tiên phong với cửa sổ ngữ cảnh 1M và độ sâu suy nghĩ có thể điều chỉnh" — là nguyên văn từ tài liệu của chính MiniMax. Nhưng "chuẩn bị phát hành" nói giảm đi những gì thực sự có trên trang. MiniMax-M3.1-Flash không phải là một mật danh đang chờ trong changelog: nó là mô hình trong mọi mẫu mã trên hướng dẫn tạo văn bản, nó nằm trên MiniMax-M3 trong danh sách mô hình, nó dùng chung hàng giới hạn tốc độ của M3, và kể từ hôm nay, nó là đích mà MiniMax tự động định tuyến lưu lượng đăng ký M2.5 và M2.7 đến. Điều nó không phải là việc được định giá, được đánh giá benchmark, có thể tải xuống, hoặc được nhắc đến một lần trong ghi chú phát hành của nhà cung cấp. Khoảng cách đó — được ghi tài liệu và có thể gọi trên một trang, vắng mặt khỏi mọi trang thương mại ở trang tiếp theo — là toàn bộ câu chuyện, và đáng để chính xác về phần nào được xác nhận và phần nào là suy luận. Các lỗi AI và sự cố tác nhân đã được ghi tài liệu đằng sau những bản phát hành như thế này được thu thập trong Kho lưu trữ sự cố AI OrcaRouter nơi mỗi mục mang nguồn riêng, mức độ nghiêm trọng, cấp độ tin cậy và cờ tranh chấp.

Hôm nay thực sự có gì trên các trang của nhà cung cấp vậy?

Bốn trang M​iniMax riêng biệt đều mang tên mô hình, và không phải tất cả đều mang tên đó theo cùng một cách. Sự bất đồng đó là bằng chứng hữu ích nhất hiện có, vì mỗi trang được viết bởi một nhóm khác nhau cho một độc giả khác nhau.

• Tài liệu tham chiếu API và hướng dẫn gọi mô hình đều liệt kê MiniMax-M3.1-Flash là mô hình hiện hành, đứng trên MiniMax-M3, với cửa sổ ngữ cảnh 1.000.000 token và mô tả độ sâu suy nghĩ có thể điều chỉnh. Mọi mẫu curl, Python và Node trên các trang đó đều gửi chuỗi chính xác đó.

• Danh sách mô hình trong mục FAQ gọi nó là mô hình khả dụng không kèm điều kiện xem trước, và thông báo ngừng sử dụng của mô hình này — đề ngày 19 tháng 10 năm 2026 — nêu tên "M3.1 Flash" là nơi các yêu cầu M2.5 và M2.7 thuộc M Plan và Token Plan hiện được chuyển đến.

• Bảng giới hạn tần suất xếp MiniMax-M3.1-Flash và MiniMax-M3 vào cùng một hàng: 200 yêu cầu mỗi phút, 10.000.000 token mỗi phút. Các dòng M2.7 và M2.5 mà nó thay thế được liệt kê ở mức 500 RPM và 20.000.000 TPM — điều này đáng để ghi nhớ nếu bạn từng cho rằng việc chuyển đổi sẽ là tăng lên ở mọi phương diện.

• Các trang Gói M và Gói Token vẫn gọi mô hình văn bản là "M3.1 Flash Preview" — trên phần tổng quan gói, phần FAQ của gói, thông báo nâng cấp Gói Token và quy tắc sử dụng Gói M, ở cả bốn vị trí.

Vậy là cái tên đã mất hậu tố "Preview" trong tài liệu kỹ thuật và vẫn giữ nó trong tài liệu thương mại. Không có trang nào công bố việc đổi tên, ngày phát hành chính thức hay một buổi ra mắt, và trang ghi chú phát hành chính là dấu hiệu: mục mô hình ngôn ngữ gần đây nhất của nó vẫn là MiniMax-M3 vào ngày 1 tháng 6 năm 2026, với mục duy nhất muộn hơn là H3 vào ngày 31 tháng 7. Dù đã xảy ra chuyện gì với mô hình này vào cuối tháng 9, MiniMax chưa bao giờ ghi nhận nó như một bản phát hành. Hãy coi "M3.1-Flash đã bỏ nhãn Preview" là một quan sát về tài liệu, chứ không phải tin tức do nhà cung cấp công bố.

Điều duy nhất thực sự mới so với MiniMax-M3

Bỏ qua cách đặt tên thì có một khác biệt thực sự về năng lực, và đó chính là điều mà bài đăng gốc đã nhận ra. MiniMax-M3 coi thinking như một công tắc: bỏ trống nghĩa là tắt, {"type": "adaptive"} bật nó lên, {"type": "disabled"} giữ nó ở trạng thái tắt. MiniMax-M3.1-Flash coi thinking như một núm điều chỉnh hoàn toàn không thể tắt. Gửi thinking: {"type": "disabled"} — hoặc reasoning_effort: "none" trên endpoint tương thích OpenAI — thì API trả về HTTP 400 với mã lỗi 2013 và thông báo rằng mô hình "requires adaptive thinking."

Thay vào đó, bạn nhận được một thang nỗ lực với năm bậc: low, medium, high, xhigh, max. Nhà cung cấp ghi trong tài liệu rằng các mức cao hơn sẽ suy nghĩ kỹ càng hơn và phát ra nhiều token suy nghĩ hơn với độ trễ cao hơn. Mặc định, khi bạn bỏ trống hoàn toàn trường này, là max. Tên trường thay đổi theo giao thức — output_config.effort trên endpoint tương thích A​nthropic, reasoning_effort trên endpoint tương thích O​penAI, reasoning.effort trên endpoint Responses — nhưng thang này vẫn là cùng năm giá trị trên cả ba.

Có hai chi tiết nằm ngay cạnh cái thang đó và rất dễ bị bỏ sót. Thứ nhất, các token suy nghĩ được tính vào max_tokens; tài liệu tham chiếu của chính M​iniMax lưu ý rằng một ngân sách được đặt cho một câu trả lời ngắn có thể bị suy luận tiêu tốn toàn bộ và trả về một tin nhắn rỗng với stop_reason: "max_tokens". Thứ hai, reasoning_split không thể được đặt thành false trên mô hình này, nên trên đường tương thích O​penAI, phần suy nghĩ luôn đến trong reasoning_content thay vì nằm trong các thẻ <think> trong content. Nếu bạn có một trình phân tích cú pháp bóc tách những thẻ đó ra khỏi đầu ra của M3, thì nó không có gì để làm ở đây.

Đây vừa là một lợi ích thực sự về tính tiện dụng, vừa là một rủi ro thực sự về chi phí, và cả hai chính là cùng một tính năng. Một thao tác đổi tên thông thường ở mức low và một đợt tái cấu trúc toàn kho mã ở mức xhigh là cùng một mô hình đang thực hiện những đánh đổi khác nhau — đó chính xác là điều một hạng Flash nên cung cấp. Nhưng mặc định lại là nấc đắt nhất, nên người gọi không bao giờ đặt trường này sẽ phải trả cho mức suy xét tối đa ở mọi yêu cầu, kể cả những yêu cầu tầm thường. Bất kỳ mô hình chi phí nào dựa trên số token của M3 sẽ đánh giá thấp M3.1-Flash cho đến khi effort được cố định.

“Flash” có nghĩa là gì trong dòng này, và nó không có nghĩa là gì

MiniMax đã từng dùng hậu tố Flash một lần trước đây, trong bản xem trước ngày 27 tháng 9 mà mô hình này dường như là phần tiếp nối của nó, và định hướng của phân khúc đó khi ấy là phát triển hằng ngày chứ không phải công việc tiên phong: nhanh và đáng tin cậy, từ sửa lỗi nhanh đến triển khai trọn vẹn tính năng. Đó là một đề bài hợp lý. Tính đến hôm nay, nó cũng vẫn chưa được đo lường.

Dòng M3 trong cùng tài liệu có nêu tốc độ đầu ra "khoảng 100+ tps." Dòng M3.1-Flash không có con số tốc độ nào cả. Bảng giới hạn tốc độ cho cả hai mô hình cùng 200 RPM và 10M TPM, nên thông lượng trên mỗi tài khoản được ghi nhận còn độ trễ trên mỗi token thì không. Đo lường độc lập không lấp được khoảng trống: Artificial Analysis liệt kê MiniMax-M3 với điểm Intelligence Index, và không có mục nào cho MiniMax-M3.1-Flash — trang mô hình trả về 404 và nó không xuất hiện trong chỉ mục mô hình. Cũng không có bảng đo chuẩn của nhà cung cấp, nên cột này để trống chứ không chỉ là còn sớm. Một hạng gọi là Flash mà không có con số tốc độ được công bố là một định vị tiếp thị, không phải thông số kỹ thuật.

Ba con số vẫn còn thiếu, và mỗi con số đang chặn điều gì

Đây là những dữ kiện quyết định liệu mô hình có dùng được hay chỉ gọi được mà thôi, và cả ba đều có thể kiểm chứng trong một phút.

• Giá cả. Tổng quan về giá của MiniMax chỉ có một dòng mô hình ngôn ngữ: MiniMax-M3 với giá 0,30 USD cho mỗi triệu token đầu vào và 1,20 USD cho mỗi triệu token đầu ra, áp dụng cho tối đa 512.000 token đầu vào; vượt ngưỡng đó, giá tăng gấp đôi lên 0,60 USD và 2,40 USD, với giá đọc bộ nhớ đệm là 0,06 USD và 0,12 USD. Không có dòng M3.1-Flash nào trong bảng, dù là loại tiêu chuẩn hay ưu tiên. Thay vào đó là giá theo gói đăng ký — M Plan ở mức 22 USD/tháng cho gói Go, 55 USD cho gói Explore và 132 USD cho gói Build; cả ba gói đều ghi tên mô hình văn bản "M3.1 Flash Preview", với gói Explore được hạn mức sử dụng gấp 3 lần và gói Build gấp 7,5 lần so với gói Go. Bạn có thể mua quyền truy cập vào mô hình; nhưng bạn không thể tính được mức giá trên mỗi token cho nó.

• Giới hạn đầu ra. Ngữ cảnh được ghi nhận ở 1,000,000 token. Đầu ra tối đa không được ghi nhận cho M3.1-Flash, trong khi mục trong danh mục của chính chúng tôi cho MiniMax-M3 ghi 512,000. Một triệu token đọc với giới hạn ghi không được tiết lộ là lời hứa về đầu vào, không phải đầu ra, và đối với các tác vụ tạo mã, con số đầu ra mới là yếu tố quyết định liệu một lượt có thể hoàn thành công việc hay không.

Trọng số. Không có. Các kho lưu trữ công khai của tổ chức MiniMaxAI chỉ lên tới M​iniMax-Music3 (cập nhật ngày 14 tháng 8 năm 2026) và M​iniMax-H3 (ngày 13 tháng 8), và khi yêu cầu một checkpoint MiniMax-M3.1, nền tảng trả về phản hồi 401 "không hiển thị với bạn" thay vì một thẻ mô hình. Ngược lại, MiniMax-M3 đã có thể tải xuống từ tổ chức MiniMaxAI kể từ ngày 2 tháng 6 năm 2026 với khoảng 427 tỷ tham số, theo một giấy phép mà Hugging Face chỉ đơn giản ghi là "other". Tùy chọn trọng số mở từng khiến M3 trở nên hấp dẫn với các nhóm sở hữu GPU riêng không được kế thừa sang phiên bản kế nhiệm.

Có một khoảng trống thứ tư mà bất kỳ ai nối thứ này vào một stack hiện có đều cần quan tâm: loại khóa. Các mẫu mã trong hướng dẫn tạo văn bản trỏ api_key tới “Get Subscription Key”, và FAQ tài khoản của chính M​iniMax nói rõ rằng Subscription Keys và API Keys trả theo mức dùng là những thông tin xác thực riêng biệt, không thể thay thế cho nhau. FAQ của M Plan bổ sung quy tắc tương ứng — với bất kỳ thứ gì nằm ngoài phạm vi gói, hãy dùng khóa trả theo mức dùng. Không có nội dung nào trong tài liệu M3.1-Flash nói rõ khóa nào trong hai loại này tiếp cận mô hình theo từng token. Chúng tôi không gọi endpoint để tìm hiểu, và người đọc không nên mặc định rằng một API key tiêu chuẩn sẽ hoạt động chỉ vì mô hình xuất hiện trong một khối mã tương thích O​penAI.

Cuộc di cư là có thật, và nó đã bắt đầu từ hôm nay.

Tách biệt khỏi câu hỏi về việc đặt tên, M​iniMax đã cam kết một lịch trình có ngày cụ thể, đưa mô hình này vào các luồng sản xuất mà nó chưa từng được lựa chọn rõ ràng. Từ ngày 19 tháng 10 năm 2026, các yêu cầu M2.5 và M2.7 trong M Plan và Token Plan sẽ tự động được định tuyến đến M3.1 Flash, trong khi các tên mô hình hiện có tiếp tục hoạt động để đảm bảo tương thích ngược và hạn mức sử dụng của gói không thay đổi. Hai dòng mô hình này sẽ ngừng cung cấp cho người dùng mới ngay trong cùng ngày. Vào ngày 18 tháng 11 năm 2026, chúng sẽ bị ngừng hẳn, sau đó các yêu cầu API gửi đến chúng sẽ không còn hoạt động; những người dùng trả theo mức sử dụng hiện hữu vẫn duy trì quyền truy cập cho đến thời điểm đó.

Từ đóng vai trò then chốt trong thông báo đó là “automatically”. Client của bạn cứ gửi MiniMax-M2.7, yêu cầu cứ thành công, hạn mức cứ bị rút dần — và mô hình ở đầu bên kia là mô hình luôn suy nghĩ, mặc định dùng mức nỗ lực tối đa, và có trần yêu cầu theo tài khoản thấp hơn mô hình mà nó thay thế. Nếu bạn ghi log mô hình bạn đã yêu cầu mà không ghi mô hình đã trả lời, sẽ không có gì trong hệ thống giám sát của bạn báo cho bạn biết điều này đã xảy ra. Cách giảm thiểu chỉ một dòng là ghim mức nỗ lực ở mức thấp hoặc trung bình cho các workload đã migrate trước khi hóa đơn token phát hiện ra thay bạn.

Nếu bạn muốn đánh giá nó mà không cần mua gói đăng ký

Đây là phần khó xử. Một mô hình mà bạn chỉ có thể truy cập qua khóa đăng ký, không có giá theo token và không có độ trễ được công bố, rất khó so sánh với bất kỳ thứ gì trên trục quan trọng — chi phí cho mỗi tác vụ hoàn thành. Vị thế trung thực là MiniMax-M3.1-Flash hiện không có trong danh mục OrcaRouter tính đến hôm nay; yêu cầu trang mô hình cho nó trả về 404, và các mô hình MiniMax mà chúng tôi cung cấp thuộc dòng tính theo token — minimax/minimax-m3 ở mức $0.30/$1.20 với ngữ cảnh 1M, cùng các endpoint M2.7, M2.5 và H3.

Giá trị của nó nằm ở phép so sánh mà mô hình đăng ký che giấu. Hãy đặt mô hình bạn thực sự có thể đo lường cạnh mô hình bạn không thể, trên cùng một khóa và cùng một bộ lời nhắc, và bạn sẽ có một con số chi phí trên mỗi tác vụ cho MiniMax-M3 để đối chiếu với mức chi thực tế của một suất M Plan. Giá ở đây là mức giá niêm yết của nhà cung cấp được chuyển tiếp với mức tăng giá 0%, vì vậy phép tính bạn thực hiện chính là phép tính MiniMax công bố chứ không phải một phiên bản đã được cộng thêm giá. Chuyển đổi dự phòng tự động giữ một phụ thuộc chưa được chứng minh hoặc bị giới hạn bởi gói đăng ký nằm bên cạnh luồng production thay vì bên dưới nó, và DSL định tuyến cho phép bạn ghim một mô hình rẻ cho các lệnh gọi thường lệ và chỉ gửi những lệnh gọi khó đến một mô hình đắt hơn — đây chính là quyết định phân tầng theo mức nỗ lực mà M3.1-Flash cung cấp dưới dạng tham số, được đưa ra ở một tầng cao hơn. Trang mô hình MiniMax-M3 trên trang web của chúng tôi có bảng giá và thông số kỹ thuật ở cùng một nơi nếu bạn muốn bắt đầu từ đó.

Điều gì sẽ biến điều này thành một buổi ra mắt?

Ba ấn phẩm công bố sẽ giải quyết được điều đó, và hiện nay không có ấn phẩm nào như vậy. Một dòng giá cho MiniMax-M3.1-Flash trên trang tổng quan giá sẽ khiến mô hình có thể so sánh được và sẽ cho bạn biết hậu tố Flash nghĩa là rẻ hơn M3 hay chỉ là nhanh hơn. Một mục ghi chú phát hành đề ngày sau ngày 1 tháng 6 năm 2026 sẽ xác lập rằng đã thực sự có một bản phát hành, chứ không phải chỉ là một chỉnh sửa tài liệu. Một checkpoint trên Hugging Face sẽ khôi phục tùy chọn tự lưu trữ mà M3 cung cấp và mô hình này loại bỏ. Một cái thứ tư, độc lập sẽ hữu ích nhất: một mục Artificial Analysis với con số độ trễ, bởi vì "Flash" là một tuyên bố về tốc độ và chỉ có một bên chưa công bố con số nào cho nó.

Cho đến lúc đó, bản tóm tắt chính xác sẽ hẹp hơn bài đăng gốc và hữu ích hơn một bài viết khi ra mắt: MiniMax-M3.1-Flash là một mô hình đa phương thức hàng triệu token, có tài liệu, có thể truy cập qua đăng ký, với thang tư duy năm bậc không thể tắt; tính đến hôm nay, mô hình này đang nhận lưu lượng M2.5 và M2.7 đã được di chuyển; và nó không có giá công bố, không có trọng số, không có giới hạn đầu ra, không có ghi chú phát hành và không có điểm số độc lập. Như vậy là đủ để thử, và chưa đủ để chuẩn hóa.