MiniMax-M3.1-Flash：文档已经用上了，价格页面却还没有

2026 年 10 月 19 日，一位过往记录良好的模型观察者发帖称，MiniMax“正准备发布 MiniMax-M3.1-Flash”，并指向该厂商的 API 参考文档。这份 API 参考文档确实存在，而它引用的那句话——“具备 1M 上下文窗口和可调思考深度的前沿多模态编程模型”——逐字出自 MiniMax 自己的文档。但“正准备发布”低估了页面上实际呈现的内容。MiniMax-M3.1-Flash 并不是一个等待出现在更新日志中的代号：它是文本生成指南中每个代码示例所用的模型，在模型列表中排在 MiniMax-M3 之上，与 M3 共用同一速率限制行，而从今天起，它也是 MiniMax 将 M2.5 和 M2.7 订阅流量自动路由到的目标。它没有定价、基准测试结果或下载渠道，也没有在厂商的发布说明中被提及哪怕一次。这种落差——在一页上有文档记录且可调用，翻到下一页却在所有商业页面中都不见踪影——就是事情的全貌，值得精确说明哪些部分已确认、哪些属于推断。像这次这样的发布背后的有记录的 AI 故障和智能体事件，均收录在 OrcaRouter AI Incident Archive中，每条记录都带有自己的来源、严重程度、置信等级和争议标记。

今天供应商的页面上实际呈现的是什么

四个独立的 M​iniMax 页面都带有该模型名称，但它们并非都以相同方式带有它。这种不一致是现有最有用的证据，因为每个页面都是由不同的团队为不同的读者编写的。

• API 参考文档和模型调用指南都将 MiniMax-M3.1-Flash 列为当前模型，位置在 MiniMax-M3 之上，并注明其具有 1,000,000 个 token 的上下文窗口和可调思考深度。这些页面上的每个 curl、Python 和 Node 示例都会发送这个完全相同的字符串。

• FAQ 下的模型列表将其列为可用模型，且未标注“预览版”限定；而其日期为 2026 年 10 月 19 日的退役通知指出，M Plan 和 Token Plan 下的 M2.5 与 M2.7 请求现已路由至“M3.1 Flash”。

• 限流表中，MiniMax-M3.1-Flash 与 MiniMax-M3 被列在同一行：每分钟 200 次请求、每分钟 10,000,000 tokens。而它们所取代的 M2.7 和 M2.5 系列则列为 500 RPM 和 20,000,000 TPM——如果你以为这次迁移在每一个维度上都是向上提升，那这一点值得记在心里。

• M Plan 和 Token Plan 页面仍将文本模型称为“M3.1 Flash Preview”——在套餐概览、套餐常见问题、Token Plan 升级提示和 M Plan 使用规则中，这四处均是如此。

因此，该名称在技术文档中已去掉“Preview”后缀，而在商业文档中仍保留它。没有任何页面宣布更名、正式可用日期或上线，而发布说明页面正是线索：其最新的语言模型条目仍是 2026 年 6 月 1 日的 MiniMax-M3，之后唯一的条目是 7 月 31 日的 H3。无论这款模型在九月下旬发生了什么，MiniMax 从未将其记录为一次发布。请把“M3.1-Flash 已去掉 Preview 标签”视为关于文档的观察，而不是厂商已宣布的消息。

与 MiniMax-M3 相比唯一真正新颖的一点

抛开命名不谈，确实存在真实的能力差异，而这也正是原帖所注意到的。MiniMax-M3 将思考视为一个开关：省略即关闭，{"type": "adaptive"} 会开启它，{"type": "disabled"} 则保持关闭。MiniMax-M3.1-Flash 将思考视为一个完全无法关闭的调节旋钮。发送 thinking: {"type": "disabled"}——或在 O​penAI 兼容端点上发送 reasoning_effort: "none"——API 会返回 HTTP 400，错误码为 2013，并给出消息称该模型“requires adaptive thinking”。

相反，你得到的是一个包含五个档位的 effort 阶梯：low、medium、high、xhigh、max。供应商的文档说明，更高的档位会思考得更彻底，并会以更高的延迟输出更多思考 token。如果完全省略该字段，默认值是 max。字段名会随协议而变化——在 A​nthropic 兼容端点上为 output_config.effort，在 O​penAI 兼容端点上为 reasoning_effort，在 Responses 端点上为 reasoning.effort——但三个端点上的阶梯都是同样的五个值。

那个梯子旁边有两个细节，很容易被忽略。第一，思考 token 会计入 max_tokens；MiniMax 自己的参考说明指出，为简短回答设定的预算可能被推理过程完全消耗，并返回一条空消息，stop_reason: "max_tokens"。第二，在这个模型上 reasoning_split 不能设为 false，因此在 OpenAI 兼容路径上，思考内容总是出现在 reasoning_content 中，而不是 content 内的 <think> 标签里。如果你有一个解析器会从 M3 输出中抓取这些标签，那它在这里没有可抓取的内容。

这既是真正的人体工学收益，也是真正的计费隐患，而二者本是同一个特性。在 low 档进行例行重命名，与在 xhigh 档进行全仓库重构，是同一个模型做出的不同取舍——这正是 Flash 层级应当提供的。但默认值是最贵的档位，因此从不设置该字段的调用方，每次请求都要为最大程度的深思付费，包括那些微不足道的请求。任何基于 M3 的 token 数构建的成本模型，在 effort 被固定之前，都会低估 M3.1-Flash。

这一行里的“Flash”是什么意思，以及它不意味着什么

MiniMax 此前曾用过一次 Flash 后缀——用在这个模型似乎是其延续的 9 月 27 日预览版上；该档位当时的定位是日常开发，而非前沿工作：快速且可靠，从快速修复缺陷到完整功能开发皆可胜任。这是一个说得通的定位。但截至今天，它仍未经过实测。

同一文档中，M3 行标注的输出速度为“约 100+ tps”。M3.1-Flash 行则完全没有速度数字。速率限制表给两个模型相同的 200 RPM 和 10M TPM，因此每账户吞吐量有文档记录，而每 token 延迟没有。独立测量也无法填补这一空白：Artificial Analysis 列出了 MiniMax-M3 的 Intelligence Index 分数，却没有 MiniMax-M3.1-Flash 的条目——模型页面返回 404，且它未出现在模型索引中。也没有厂商基准表，因此该列是空白，而不只是尚早。一个名为 Flash 的层级却没有公布任何速度数字，这是一种营销定位，而非规格。

还缺三个数字，以及每个数字分别阻碍什么

这些是决定模型是真正可用而不只是可调用的关键事实，而且这三项都能在一分钟内验证。

• 价格。M​iniMax 的定价概览中只有一行语言模型：MiniMax-M3 在输入不超过 512,000 个 token 时，每百万输入 token 收费 $0.30、每百万输出 token 收费 $1.20；超过该上限后，价格翻倍至 $0.60 和 $2.40，缓存读取分别为 $0.06 和 $0.12。整张表中无论标准档还是优先档，都没有任何 M3.1-Flash 行。取而代之的是订阅定价——M Plan 的 Go 档为每月 $22，Explore 档为 $55，Build 档为 $132；三个档位都标明使用“M3.1 Flash Preview”文本模型，其中 Explore 的用量额度是 Go 的 3 倍，Build 是 Go 的 7.5 倍。你可以购买该模型的使用权限；但无法计算其每 token 费率。

• 输出上限。上下文的记录值为 1,000,000 tokens。M3.1-Flash 的最大输出未见记载，而我们自己目录中 MiniMax-M3 的条目记录为 512,000。一百万 token 的读取量搭配未公开的写入上限，承诺的是输入而非输出；而对代码生成类工作负载而言，决定单次能否完成任务的恰恰是输出数字。

• 权重。一个都没有。MiniMaxAI 组织的公开仓库最新只到 M​iniMax-Music3（更新于 2026 年 8 月 14 日）和 M​iniMax-H3（8 月 13 日），而请求 M​iniMax-M3.1 检查点时，平台返回的是 401“对你不可见”的响应，而不是模型卡。相比之下，MiniMax-M3 自 2026 年 6 月 2 日起就可从 MiniMaxAI 组织下载，参数量约为 4270 亿，许可证在 Hugging Face 上仅被标注为“other”。让拥有自有 GPU 的团队对 M3 产生兴趣的开放权重选项，并没有延续到后继模型上。

对任何要把这套东西接入现有技术栈的人来说，还有第四个关键缺口：密钥类型。文本生成指南的代码示例将 api_key 指向“Get Subscription Key”，而 MiniMax 自己的账户 FAQ 明确说明，订阅密钥与按量付费 API 密钥是彼此独立的凭据，不能相互替代。M Plan FAQ 补充了对应规则——对于套餐覆盖范围之外的任何用途，请使用按量付费密钥。M3.1-Flash 文档中没有任何内容说明这两者中哪一个能以按 token 计费的方式访问模型。我们没有调用该端点去查明这一点，读者也不应仅因为模型出现在 OpenAI-compatible 代码块中，就假定标准 API 密钥可用。

迁移是真实存在的，而且它从今天开始了

除了命名问题之外，MiniMax 还承诺了一项有明确日期的时间表，将该模型推入其从未被明确选择用于的生产路径。自 2026 年 10 月 19 日起，M Plan 和 Token Plan 下的 M2.5 与 M2.7 请求将自动路由至 M3.1 Flash，现有模型名称将继续可用以保持向后兼容，套餐使用额度保持不变。同日，这两个系列将不再向新用户开放。2026 年 11 月 18 日，它们将被彻底退役，此后发往它们的 API 请求将停止工作；现有按量付费用户在此之前仍可继续访问。

那份通知里真正起作用的词是“automatically”。你的客户端一直在发送 MiniMax-M2.7，请求一直成功，额度一直减少——而另一端的模型会始终进行思考、默认采用最大推理强度，并且每账户请求上限低于它所取代的模型。如果你只记录自己请求的模型，而不记录实际应答的模型，那么监控中不会有任何信息告诉你发生了这件事。一行式的缓解办法是：在 token 账单替你发现问题之前，把已迁移工作负载的 effort 固定为 low 或 medium。

如果你想在不购买订阅的情况下进行评估

这就是尴尬的地方。只能通过订阅密钥访问、没有按 token 价格、也没有公布延迟的模型，很难在真正重要的维度——每个已完成任务的成本——上与任何东西进行比较。坦率地说，截至今天，MiniMax-M3.1-Flash 不在 OrcaRouter 目录中；请求它的模型页面会返回 404，而我们提供的 MiniMax 模型是按 token 计价的产品线——minimax/minimax-m3价格为 $0.30/$1.20，具有 1M 上下文，外加 M2.7、M2.5 和 H3 端点。

它的用处在于揭示订阅模式所掩盖的对比。把你能实际计量的模型和你无法计量的模型放在同一个 key、同一组提示词上，你就能得到 MiniMax-M3 的每任务成本数字，并拿它对照 M Plan 席位实际在花多少钱。这里的价格是按供应商标价以 0% 加价原样透传的，所以你算出来的账就是 MiniMax 公布的那笔账，而不是加价后的版本。自动故障转移会把一个未经证实或受订阅限制的依赖放在生产路径旁边，而不是压在其下；而路由 DSL 让你可以把廉价模型固定用于日常调用，只把困难调用发给更贵的模型——这正是 M3.1-Flash 作为参数暴露出来的同一项投入分级决策，只是在上移一层做出。如果你想从那里开始，我们网站上的 MiniMax-M3 模型页面把价目表和规格放在了一起。

怎样才能把这件事变成一次发布？

三份公开资料才能定论，而目前一份都没有。在定价总览中为 MiniMax-M3.1-Flash 增加一行价格，就能让该模型可比较，并说明 Flash 后缀意味着比 M3 更便宜，还是仅仅更快。一条日期在 2026 年 6 月 1 日之后的发布说明条目，才能证明确实发生了一次发布，而不只是文档编辑。Hugging Face 上的一个 checkpoint 将恢复 M3 提供而此模型取消的自托管选项。第四份独立资料最有帮助：Artificial Analysis 中带延迟数值的条目，因为“Flash”是关于速度的宣称，而只有一方没有为此公布任何数字。

在此之前，准确的概括比原帖范围更窄，也比发布稿更有用：MiniMax-M3.1-Flash 是一个有文档记录、可通过订阅访问、支持百万 token 的多模态模型，带有五级思维阶梯且无法关闭；截至今日，它正在接收迁移过来的 M2.5 和 M2.7 流量；它没有公布价格、没有开放权重、没有输出上限、没有发布说明，也没有独立评分。这足以让人尝试，但还不足以作为标准化选择。