MiniMax M3.1 Flash：API料金、ベンチマークとハルシネーションの注意点

MiniMaxは、トークン価格を引き下げ、推論およびエージェントタスクで報告された結果を向上させたM3.1 Flashをリリースしました。THE DECODERの10月19日付の記事では、Artificial Analysis Intelligence IndexでM3の29ポイントに対し、M3.1 Flashは42ポイントと評価されています。

重要なのは、トークンの価格とタスクを完了するためのコストを区別することです。モデルはトークン単価の面でも総タスクコストの面でも安価になり得ますが、タスクコストは生成量、再試行の頻度、結果が実用可能かどうかにも左右されます。

推論、知識、タスク効率

記事内のリリース時点の比較では、M3.1 Flashは複合指標でGLM-5.3-Flashと並び、Gemini 3.8 Flashをわずかに上回り、DeepSeek V4.1 Flash 1017を下回っています。

これらは公開時点で報告された数値です。ベンチマークの構成、スナップショット、モデルの改訂は重要な要素であり、この表はあらゆるワークロードに適用できる普遍的なランキングではありません。

チャート提供：Artificial Analysis、THE DECODERによる転載。

記事では、タスクコストの低下の一因として、出力トークン消費量の削減を挙げています。約1億8,900万トークン対約2億2,400万トークンという比較は、ベンチマーク全体の出力トークン数に関するものであり、通常の1回のリクエストで生成される量を示すものではありません。

MiniMaxは別途、オンライン推論速度が約3倍になり、前世代モデルと比較してエージェントタスクの総利用コストが70%削減されたと主張しています。これらの企業による測定結果は、Artificial Analysisによるコスト比較とは同一ではありません。両者を、独立して検証された単一の効率性結果として組み合わせるべきではありません。

ハルシネーション率が示す意味

記事では、AA-Omniscienceのハルシネーション率が93%であることにも言及しています。これは、すべての回答の93%が誤っていたことを意味するものではなく、任意のタスクで運用されるアシスタントのエラー率を予測するものでもありません。

Artificial Analysisは、この率を不正解の回答を分母として定義しています。つまり、不正解、部分的な回答、未回答を合わせたもののうち、不正解が占める割合です。この指標は、不確実性を認める方が望ましい場面で、誤った回答を推測して提示する傾向を測定しています。一方、正解率は、すべての問題のうち正しい回答を数えます。

この違いにより、モデルは比較的高い事実正確性と、低い不確実性処理能力を同時に示すことがあります。知識の正確性が重要な業務では、複合スコアだけに依存せず、根拠を確認し、モデルが回答を控えられるかどうかも検証してください。

コンテキスト、入力、料金、アクセス

THE DECODERによると、コンテキストウィンドウは最大100万トークンで、テキストと画像の入力に対応しています。入力に対応していることは、画像生成に対応していることとは異なります。画像を受け付けられるからといって、画像を生成できるとは限りません。

MiniMaxの公式リリース発表では、100万トークン単位の一律料金が示されています。

キャッシュ料金は、対象となるキャッシュヒットに適用されるものであり、すべての入力トークンに適用されるわけではありません。たとえば、キャッシュされていない入力100万トークンと出力100万トークンを使用した場合、上記の表示料金では、その他の適用料金を除き、0.75ドルになります。これはトークンコストの例であり、一般的なタスクの見積もりではありません。

公式発表で示されているアクセス経路は、API、M Plan、MiniMax Codeです。THE DECODERはオープンウェイトの公開予定日を10月23日としていますが、確認した企業の投稿では、ウェイトは後日提供されると記載されているだけで、具体的な日付は示されていません。本記事の10月20日時点の準備段階では、将来公開される予定のウェイトを、すでにダウンロード可能であるかのように説明すべきではありません。

コーディング結果は構成に左右される

MiniMaxは、チャート上でDeepSWE v1.1において、タスクコスト0.30ドル未満で最大73.7%を報告しています。同じ図では、低コストと引き換えにスコアが一部低下する、より低い推論負荷の設定も示されています。

企業が公開したチャート。図には評価ハーネスとしてmini-swe-agentが記載され、比較データの日付も示されています。

コーディングスコアは、モデル、ツール、推論負荷、テスト環境を組み合わせた結果です。これは、自社のチケットの73.7%がレビューなしで解決されることや、すべてのタスクが図に示された平均コストになることを意味しません。

MiniMaxとDeepSeekは異なる指標で優位性を示す

情報源による結論の比較では、単一の勝者は存在しません。DeepSeekは複合指標と、引用された物理分野のスコアで優位に立っています。一方、MiniMaxは、報告されたHumanity's Last Examの結果とAA-Omniscienceの正解率で上回っています。

そのスナップショットにおけるMiniMaxの低い平均タスクコストは、評価のための有用な根拠です。しかし、すべてのプロンプトで最も安価になると考える理由にはなりません。出力が長いワークロード、ツール呼び出しの失敗、再試行の増加によって、順位は変わる可能性があります。

記事では、リリース状況の違いについても説明しています。既存のDeepSeekウェイトのリポジトリにリンクしている一方で、MiniMaxのウェイトは近日提供予定とされています。オープンウェイト、APIサブスクリプション、デスクトップ型コーディングアプリは、それぞれ異なる運用要件を持つ別個の配布形態です。

FAQ

MiniMax M3.1 Flashとは何ですか？

MiniMaxの新しいFlashモデルで、同社のホスト型製品とAPIから利用できます。今回のリリースでは、推論、エージェントタスク、コーディング、推論効率が重視されています。

APIの料金はいくらですか？

公式発表では、100万トークンあたり、入力0.15ドル、出力0.60ドル、キャッシュ入力0.015ドルとされています。本番環境の請求額を見積もる前に、現在のアカウント料金とキャッシュの適用条件を確認してください。

1つのタスクは必ず0.22ドルかかりますか？

いいえ。これは報告されたベンチマーク上の平均値です。実際のコストは、プロンプトのサイズ、生成された出力、キャッシュの動作、ツール呼び出しのループ、再試行によって変わります。

ハルシネーション率93%ということは、ほとんどの回答が間違っているのですか？

いいえ。この指標の分母は、すべての回答ではなく、不正解の回答を構成するものです。この評価では、部分的な回答や回答を控えることに対して、誤った推測を提示する傾向を示しています。

10月20日時点でウェイトはすでに利用可能でしたか？

確認した情報源では、近日提供予定と説明されています。THE DECODERは10月23日を示していますが、MiniMaxの発表には具体的な日付が記載されていません。公開された際には、実際のリポジトリとライセンスを確認してください。

MiniMaxはDeepSeek V4.1 Flash 1017より優れていますか？

報告された結果は、ベンチマークによって分かれています。具体的なタスク、信頼性要件、自社評価で測定した総コストに基づいて選択してください。

関連ツール

• MiniMax APIプラットフォーム：同社のモデルにホスト型でアクセスできます。
• MiniMax Code：リリースで言及されたデスクトップ型コーディングアプリケーションです。
• Artificial Analysis：独立したモデル評価および比較情報を提供します。

関連リンク

• THE DECODERの原記事：今回提供されたリリース時点の比較記事です。
• MiniMax M3.1 Flashの発表：公式の料金、アクセス経路、企業によるベンチマークの主張を確認できます。
• Artificial Analysisのモデルページ：情報源がリンクしているモデル固有のリファレンスです。準備時点では直接取得できませんでした。
• AA-Omniscienceの方法論：正解率とハルシネーション率の公式定義を確認できます。
• CritPt評価：比較で参照された物理推論ベンチマークです。
• MiniMax APIプラットフォーム：公式のホスト型モデルアクセスです。
• DeepSeek V4.1 Flash 1017のウェイト：比較対象モデルについて情報源がリンクしているリポジトリです。

まとめ

M3.1 Flashは、低い表示トークン価格と、推論およびコーディングで報告された競争力のある結果を組み合わせています。そのコスト優位性は、同等の設定で成功したタスクあたりのコストを測定した場合に、最も意味を持ちます。

ベンチマークの定義を確認し、企業による主張と外部測定を分け、導入計画を立てる前に実際のウェイト提供状況を確認してください。