MiniMax выпустила M3.1 Flash 19 октября, вскоре после DeepSeek V4.1 Flash-1017. В статье эти модели сравниваются с помощью графиков зависимости результатов от стоимости для задач программирования и агентских сценариев: на отдельных оценках относительно недорогие модели приближаются к более дорогим системам.
Формулировка «сначала DeepSeek, затем MiniMax» относится к конкретному сравнению стоимости и производительности в задачах программирования. Ее не следует воспринимать как рейтинг для всех задач, версий моделей или вариантов развертывания. Более практичный вопрос заключается в том, какая конфигурация надежно выполняет работу при приемлемой совокупной стоимости.
Результаты программирования и корпоративные рабочие процессы с агентами
В материалах о запуске MiniMax заявлен результат 73.7% в DeepSWE v1.1 — оценке, которая включает понимание репозитория, разработку, исправления и тестирование. В таблице источника для этого сравнения указаны 77.0 у DeepSeek V4.1 Flash-1017, 73.0 у GPT-5.6 Sol и 74.0 у Opus 5.
Сравнение компаний, воспроизведенное Xinzhiyuan; важны версии моделей и условия оценки.
На графике стоимости M3.1 Flash находится ближе к нижней границе расходов при указанном результате, тогда как DeepSeek Flash-1017 опережает ее в этом представленном сравнении. Разные уровни усилий показаны отдельными точками, поэтому выбор конфигурации может изменить и стоимость, и результат.
Средняя стоимость ниже CNY 2 в этой оценке не является фиксированной платой за каждое исправление ошибки. Расход токенов, неудачные попытки, размер репозитория и использование инструментов могут изменить фактическую стоимость задачи.
Автоматизация и использование инструментов
Для Automation-Bench на максимальном уровне усилий представленный график указывает результат 62.8%. На нем M3.1 Flash находится выше других показанных конфигураций, включая вариант MiniMax с более низким уровнем усилий, который жертвует частью результата ради меньшей стоимости.
Источник описывает корпоративные рабочие процессы, охватывающие SaaS-инструменты и различные бизнес-функции. Бенчмарк приближенно отражает лишь отдельные элементы такой работы; он не доказывает, что модель успешно справится с каждым реальным процессом продаж, финансовой деятельности или клиентской поддержки.
Другие заявленные результаты MiniMax:
| Оценка | Результат M3.1 Flash в источнике | Граница сравнения |
|---|---|---|
| LOCA-Bench 256K | 60.3. | Немного выше показателя GPT-5.6 Sol, равного 60.0. |
| BankerToolBench | 76.2. | В этой таблице совпадает с показателем Opus 5. |
| CyberGym | 82.2. | Ниже указанных результатов GLM-5.3 и GPT-5.6 Sol, но остается конкурентоспособным в этом срезе. |
| OSWorld 2.0 | 61.7. | Выше показанных 54.3 у DeepSeek V4.1 Flash; это не самый высокий результат среди всех перечисленных моделей. |
| Agents' Last Exam | 29.6. | Ниже 30.6 у GPT-5.6 Sol и 32.2 у Opus 5. |
Это результаты отдельных тестов, а не показатели, которые можно без явно описанной методики усреднить и получить универсальный коэффициент успешности.
Работа с компьютером и оценка ALE в CNY 739
Официальное объявление MiniMax подтверждает заявленные результаты 61.7 в OSWorld V2 и 29.6 в Agents' Last Exam. Заявление о лидерстве среди китайских моделей на этих тестах ограничено сравнением и условиями тестирования, использованными при запуске.
На графике ALE из источника указана оценка CNY 739 за запуск полного набора из 152 задач при доле пройденных задач 29.6%. В нем не говорится, что была пройдена каждая задача или что эта стоимость относится к одной успешно выполненной задаче.
Если разделить CNY 739 на 152, получится примерно CNY 4.86 за одну предпринятую задачу. Эта арифметика объясняет масштаб графика, но не включает расходы организации на интеграцию, инфраструктуру или проверку человеком.
Пунктирная граница соединяет выбранные конфигурации с благоприятным соотношением результатов и указанных затрат. Ее форма зависит от включенных моделей, даты оценки и допущений о стоимости. Точка на этой границе является полезным сравнительным свидетельством, а не доказательством того, что эта же конфигурация будет самой дешевой для всех рабочих нагрузок.
Цены на токены и расчет кэширования
В официальном англоязычном объявлении MiniMax указаны фиксированные тарифы за миллион токенов: $0.15 за входные токены, $0.60 за выходные токены и $0.015 за кэшированные входные токены. В предоставленной китайской статье приведен тариф в CNY: CNY 1 за входные токены, CNY 4 за выходные токены и CNY 0.10 за чтение из кэша.
Эти два валютных расписания не следует считать точными эквивалентами по текущему обменному курсу. Используйте тариф, действующий на фактической платформе биллинга и для вашей учетной записи.
В источнике тариф MiniMax в CNY сравнивается с указанными пиковыми тарифами DeepSeek и тарифами вне пиковых периодов. Примеры для одного миллиарда входных токенов можно проверить при указанных допущениях:
| Доля попаданий в кэш | Стоимость входных токенов MiniMax | Пиковая стоимость входных токенов DeepSeek в источнике | Меньшая сумма в этом примере |
|---|---|---|---|
| 90% | CNY 190. | CNY 236. | MiniMax на CNY 46. |
| 95% | CNY 145. | CNY 138. | DeepSeek на CNY 7. |
| 99% | CNY 109. | CNY 59.60. | DeepSeek на CNY 49.40. |
Для MiniMax при 90% попаданий в кэш один миллиард входных токенов означает 1 000 единиц по миллиону токенов: 100 × 1 + 900 × 0.10 = 190. Выходные токены исключены из этих примеров, рассчитанных только для входных данных, как и любые сборы, не отраженные в указанных тарифах.
Это также показывает, почему более низкая цена некэшированных входных токенов не гарантирует самый низкий счет, если основную роль играет кэширование. Экстраполяция статьи от средней стоимости бенчмарка к 1 000 бизнес-задачам является иллюстрацией бюджета, а не коммерческим предложением на выполнение этих задач в производственной среде.
Отдельно MiniMax заявляет о снижении совокупной стоимости использования для агентских задач на 70% по сравнению с предшественником. Это утверждение о рабочей нагрузке отличается от простого снижения цены за токен.
Скорость инференса, Space Bunny и настройки API
Создайте сайт-витрину и привлекайте лиды за минуты
Опишите идею одной фразой, и We0 AI создаст сайт-витрину, страницы и CMS, а после запуска поможет привлечь клиентов и трафик.
Одна полная генерация проекта для бесплатной регистрации
Лучше всего попробовать один полный поток генерации и быстро увидеть первый черновик проекта.
Компания называет анонимно протестированный Space Bunny ранней версией M3.1 Flash и сообщает, что модель обработала более 200 триллионов токенов. По ее данным, скорость генерации достигала более 200 токенов в секунду, а медианная скорость превышала 170 токенов в секунду; также заявлено почти трехкратное ускорение онлайн-инференса.
Это измерения компании. Токены в секунду показывают пропускную способность генерации, тогда как время выполнения агентской задачи также включает рассуждение, вызовы инструментов, ожидание, повторные попытки и тестирование.
Руководство MiniMax по вызову модели подтверждает контекстное окно размером 1 000 000 токенов, а также поддержку входных данных в виде текста, изображений и видео. Поддержка этих типов входных данных не означает, что модель генерирует изображения или видео.
Руководство подтверждает пять уровней рассуждения: low, medium, high, xhigh и max. Если настройка не указана, по умолчанию используется max; отключить рассуждение нельзя. Поле запроса зависит от протокола:
| Протокол | Поле глубины рассуждения |
|---|---|
| Совместимый с Anthropic | output_config.effort. |
| Совместимые с OpenAI Chat Completions | reasoning_effort. |
| OpenAI Responses | reasoning.effort. |
Эти названия полей не следует сводить к единому параметру верхнего уровня effort. В официальном руководстве сказано, что более высокие уровни обычно генерируют больше токенов рассуждения и увеличивают задержку; снижение уровня усилий уменьшает этот объем работы, но не отключает его.
Доступ при запуске включает MiniMax API, M Plan и MiniMax Code. В объявлении говорится, что веса модели будут опубликованы позднее, поэтому эта статья не утверждает, что на момент запуска уже была доступна версия для самостоятельного размещения или что ее итоговая лицензия была определена.
Примеры складывающегося города и пагоды из источника
Xinzhiyuan описывает подключение модели к Codex и запрос на создание интерактивного складывающегося города. В его описании есть ползунок складывания, ночное освещение и возможность вращать вид для осмотра сцены.
Это демонстрация издателя, а не новый тест, проведенный для данного документа. Изображение показывает выбранный результат, но не подтверждает частоту кадров, качество кода или работу в разных браузерах.
В статье также воспроизводится пример пагоды разработчика AJ, который, как сообщается, был сгенерирован за один вызов API при максимальном уровне рассуждения и с использованием примерно 50 000 токенов. Утверждение о более сильном визуальном эффекте является оценкой этого разработчика, а не результатом стандартизированного сравнения с DeepSeek.
Как подобрать Flash-модель под задачу
Сравнение в источнике указывает на разные сильные стороны: положение DeepSeek на представленном графике программной инженерии и сильные результаты MiniMax в корпоративных рабочих процессах. Эти различия говорят в пользу тестирования обеих моделей на репрезентативных задачах вместо опоры на один громкий рейтинг.
Отслеживайте успешность после проверки, фактическое время выполнения, количество повторных попыток и общие расходы. Более низкая цена токенов наиболее важна тогда, когда модель может выполнить нужную задачу без такого объема доработки, который устранит экономию.
MiniMax также сообщает, что позднее появится вариант Pro. Этот будущий продукт следует рассматривать отдельно от документированных характеристик M3.1 Flash на момент запуска.
Часто задаваемые вопросы
Является ли MiniMax M3.1 Flash второй лучшей моделью в целом?
Рейтинг в источнике относится к конкретному сравнению результата и стоимости в задачах программирования. В других оценках статьи представлены иные рейтинги и совпадения результатов.
Каковы официальные цены на токены в USD?
В объявлении MiniMax указаны $0.15 за входные токены, $0.60 за выходные токены и $0.015 за кэшированные входные токены на миллион токенов. Перед составлением бюджета на основе тарифа в другой валюте проверьте применимую платформу биллинга.
Означает ли показатель ALE CNY 739, что все задачи были пройдены?
Нет: это расчетная стоимость полного запуска для 152 предпринятых задач. Заявленная доля пройденных задач составляет 29.6%, а сумма не включает расходы, выходящие за рамки допущений графика.
Какие типы входных данных и какой размер контекста поддерживает руководство?
В официальном руководстве указаны входные данные в виде текста, изображений и видео, а также контекст размером до одного миллиона токенов. Понимание входных данных не означает генерацию изображений или видео.
Что произойдет, если настройка рассуждения не указана?
В документации сказано, что по умолчанию используется max. Для выбора более низкого уровня применяйте правильное поле, соответствующее протоколу; отключить рассуждение нельзя.
Были ли веса модели уже доступны на момент запуска?
В объявлении о запуске сказано, что они будут выпущены позднее. Доступ к размещенному API и обещанный выпуск весов — это отдельные утверждения о доступности.
Связанные инструменты
- Платформа MiniMax API: размещенный доступ к моделям MiniMax и сервисам для разработчиков.
- MiniMax Code: десктопное приложение для программирования, представленное в объявлении о запуске.
- M Plan: названный MiniMax вариант подписки для доступа к сервисам.
- Репозиторий DeepSeek Flash-1017: опубликованный репозиторий модели, использованной для сравнения.
Связанные ссылки
- Предоставленная статья на BAAI Hub: источник сравнений в CNY и иллюстрированных примеров.
- Объявление MiniMax о M3.1 Flash: официальные цены при запуске, варианты доступа и заявленные компанией результаты бенчмарков.
- Руководство MiniMax по вызову модели: проверенные сведения о контексте, форматах входных данных и протоколах управления рассуждением.
- Платформа MiniMax API: официальная точка входа для разработчиков.
- Загрузка MiniMax Code: десктопный продукт, на который ссылается официальное объявление.
- DeepSeek V4.1 Flash-1017: репозиторий модели, имеющий отношение к сравнению.
Итоги
M3.1 Flash сочетает низкие цены на токены с конкурентоспособными заявленными компанией результатами в программировании, автоматизации и работе с компьютером. Ценность модели зависит от настроек уровня усилий, поведения кэширования и того, выполняет ли она реальный рабочий процесс с приемлемым объемом доработки.
Используйте графики бенчмарков, чтобы определить, что тестировать, а затем принимайте решение на основе успешных результатов, фактического времени выполнения и полного счета.
