MiniMax M3.1 Flash: цены API, результаты бенчмарков и ограничения, связанные с галлюцинациями

MiniMax выпустила M3.1 Flash с более низкой стоимостью токенов и улучшенными заявленными результатами в задачах на рассуждение и работу AI-агентов. В обзоре THE DECODER от 19 октября модель получила 42 балла в Artificial Analysis Intelligence Index по сравнению с 29 баллами у M3.

Важно различать цену токена и стоимость выполнения задачи. Модель может быть дешевле по обоим показателям, однако стоимость задачи также зависит от объёма генерируемого текста, частоты повторных попыток и практической пригодности результата.

Рассуждение, знания и эффективность выполнения задач

Сравнение на момент запуска, приведённое в отчёте, помещает M3.1 Flash рядом с GLM-5.3-Flash в сводном индексе: модель немного опережает Gemini 3.8 Flash и уступает DeepSeek V4.1 Flash 1017.

Это показатели, опубликованные на момент выхода материала. Конфигурации бенчмарков, версии срезов и обновления моделей имеют значение; таблица не является универсальным рейтингом для каждой рабочей нагрузки.

Источник графика: Artificial Analysis, воспроизведено THE DECODER.

Отчёт частично связывает более низкую стоимость задачи с сокращением потребления выходных токенов. Сравнение примерно 189 миллионов и 224 миллионов выходных токенов относится к общим показателям бенчмарка, а не к объёму, который генерирует один обычный запрос.

Отдельно MiniMax заявляет почти втрое более высокую скорость онлайн-инференса и снижение совокупных расходов на использование в задачах с AI-агентами на 70% по сравнению с предыдущей версией. Эти измерения компании не совпадают со сравнением стоимости Artificial Analysis. Их не следует объединять в один независимо подтверждённый показатель эффективности.

Что означает показатель галлюцинаций

В отчёте также приводится показатель галлюцинаций AA-Omniscience на уровне 93%. Это не означает, что 93% всех ответов были неправильными, и не предсказывает частоту ошибок развёрнутого ассистента в произвольных задачах.

Artificial Analysis рассчитывает этот показатель по некорректным ответам: неправильные ответы делятся на совокупность неправильных, частичных ответов и вопросов, по которым модель не предприняла попытку ответа. Показатель отражает склонность давать неправильный ответ в ситуации, когда предпочтительнее было бы признать неопределённость. Точность, напротив, учитывает правильные ответы среди всех вопросов.

Это различие означает, что модель одновременно может демонстрировать сравнительно высокую фактическую точность и слабое управление неопределённостью. В задачах, чувствительных к достоверности знаний, проверяйте источники и способность модели воздерживаться от ответа, а не полагайтесь только на сводный балл.

Контекст, входные данные, цены и доступ

THE DECODER сообщает об окне контекста объёмом до одного миллиона токенов и поддержке текстовых и графических входных данных. Поддержку входных изображений не следует путать с генерацией изображений: возможность принять изображение не означает возможность создать его.

Официальное объявление MiniMax подтверждает фиксированную стоимость за миллион токенов:

Цена для кэшированных данных применяется к подходящим обращениям к кэшу, а не ко всем входным токенам. Например, один миллион некэшированных входных токенов плюс один миллион выходных токенов обойдутся в $0.75 по указанным тарифам без учёта других возможных сборов. Это иллюстрация стоимости токенов, а не типичная оценка стоимости задачи.

API, M Plan и MiniMax Code — это перечисленные в официальном объявлении способы доступа. THE DECODER указывает 23 октября как планируемую дату выпуска открытых весов; в рассмотренной публикации компании говорится, что веса появятся позднее, без указания этой даты. На момент подготовки этой статьи, 20 октября, будущий выпуск не следует описывать как уже доступные для скачивания веса.

Результаты в программировании зависят от конфигурации

MiniMax сообщает о показателе до 73,7% на DeepSWE v1.1 при стоимости задачи ниже $0.30 на своём графике. Настройки с меньшим уровнем усилий, показанные на том же рисунке, обеспечивают более низкий балл в обмен на меньшую стоимость.

График, опубликованный компанией; на рисунке указан mini-swe-agent как среда оценки и приведена дата данных для сравнения.

Результат в программировании отражает совокупное влияние модели, инструментов, уровня усилий и тестовой среды. Он не означает, что 73,7% собственных задач организации будут решаться без проверки или что каждая задача будет стоить указанную на графике среднюю сумму.

MiniMax и DeepSeek лидируют по разным показателям

В итоговом сравнении источника нет единственного победителя. DeepSeek лидирует в сводном индексе и по указанному результату в физике, тогда как MiniMax показывает лучший заявленный результат Humanity's Last Exam и более высокую точность AA-Omniscience.

Более низкая средняя стоимость задачи у MiniMax в этом срезе полезна как основание для оценки, но не позволяет предположить, что модель будет самой дешёвой при любых запросах. Рабочая нагрузка с более длинными ответами, неудачными вызовами инструментов или большим количеством повторных попыток может изменить соотношение.

В отчёте также различается статус выпуска: в нём приведена ссылка на существующий репозиторий весов DeepSeek, а веса MiniMax описываются как будущие. Открытые веса, подписка на API и настольное приложение для программирования — это разные варианты распространения с различными операционными требованиями.

Часто задаваемые вопросы

Что такое MiniMax M3.1 Flash?

Это новая Flash-модель MiniMax, доступная через облачные продукты компании и API. При запуске особое внимание уделялось рассуждению, задачам с AI-агентами, программированию и эффективности инференса.

Сколько стоит API?

В официальном объявлении указаны $0.15 за входные токены, $0.60 за выходные токены и $0.015 за кэшированные входные токены на миллион токенов. Перед расчётом производственных расходов проверьте актуальные цены для аккаунта и правила работы с кэшем.

Всегда ли задача стоит $0.22?

Нет: это средняя стоимость бенчмарка, приведённая в отчёте. Реальные расходы зависят от размера запроса, объёма сгенерированного текста, поведения кэша, циклов вызова инструментов и повторных попыток.

Означает ли показатель галлюцинаций 93%, что почти каждый ответ неправильный?

Нет: знаменатель этого показателя включает некорректные ответы, а не все ответы. В рамках этой оценки показатель отражает неправильные догадки по сравнению с частичными ответами или воздержанием от ответа.

Были ли веса уже доступны 20 октября?

В рассмотренных источниках они описываются как будущие. THE DECODER указывает 23 октября, тогда как объявление MiniMax не называет точную дату; после выпуска проверьте фактический репозиторий и лицензию.

Лучше ли MiniMax, чем DeepSeek V4.1 Flash 1017?

Заявленные результаты разделились по разным бенчмаркам. Выбор следует делать с учётом конкретных задач, требований к надёжности и совокупной стоимости, измеренной в собственной оценке.

Связанные инструменты

• Платформа MiniMax API: облачный доступ к моделям компании.
• MiniMax Code: настольное приложение для программирования, названное в объявлении о запуске.
• Artificial Analysis: независимая информация об оценке и сравнении моделей.

Связанные ссылки

• Оригинальный отчёт THE DECODER: сравнение на момент запуска, предоставленное в исходном материале.
• Объявление о MiniMax M3.1 Flash: официальные цены, способы доступа и заявленные компанией результаты бенчмарков.
• Страница модели в Artificial Analysis: справочная страница конкретной модели, на которую ссылается источник; прямое получение данных было недоступно во время подготовки.
• Методология AA-Omniscience: официальные определения точности и показателя галлюцинаций.
• Оценка CritPt: бенчмарк рассуждений в физике, упомянутый в сравнении.
• Платформа MiniMax API: официальный доступ к размещённым моделям.
• Веса DeepSeek V4.1 Flash 1017: репозиторий, на который источник ссылается в сравнении моделей.

Итоги

M3.1 Flash сочетает низкие заявленные цены на токены с конкурентоспособными результатами в задачах на рассуждение и программирование. Его ценовое преимущество наиболее значимо, если измерять стоимость успешного выполнения задачи при сопоставимых настройках.

Перед планированием развёртывания изучите определения бенчмарков, отделяйте заявления компании от внешних измерений и проверяйте фактическую доступность весов.