MiniMax M3.1 Flash réduit les coûts mais reste en retrait sur la vitesse et la précision

MiniMax a lancé son modèle M3.1 Flash le 19 octobre 2026, le positionnant comme une alternative économique pour les flux de travail agentiques. Bien que l'entreprise revendique des économies significatives et une inférence plus rapide, des tests indépendants révèlent un compromis entre prix et performance que les développeurs doivent peser soigneusement.

Ce qui s'est passé

MiniMax affirme que M3.1 Flash réduit le coût global des tâches agentiques de 70 % et accélère l'inférence en ligne de près de trois fois par rapport à son prédécesseur, M3. Le nouveau modèle est tarifé à 0,15 $ par million de jetons d'entrée et 0,60 $ par million de jetons de sortie. Ces tarifs sont moitié moins élevés que les prix remisés de M3, qui facture respectivement 0,30 $ et 1,20 $ pour les requêtes contenant jusqu'à 512K jetons d'entrée. Les entrées mises en cache et les requêtes plus longues bénéficient de structures tarifaires distinctes.

Pour vérifier ces affirmations, Jessica Wachtel a réalisé trois tests pratiques comparant M3.1 Flash à M3. Les tests portaient sur des tâches d'agent concrètes plutôt que sur des benchmarks synthétiques. Elle a utilisé OpenRouter pour router les requêtes vers les serveurs de MiniMax, garantissant que les deux modèles soient testés dans des conditions identiques. Comme elle a utilisé un point d'accès gratuit pour Flash, les chiffres de coût sont des estimations basées sur les prix publics de MiniMax plutôt que sur des factures réelles. La petite taille de l'échantillon signifie que ces résultats indiquent des tendances plutôt que des améliorations statistiques définitives.

L'évaluation comprenait une tâche de correction de bug agentique, un scénario d'enquête sur incident et une requête à contexte long. Dans le test de correction de bug, les deux modèles ont obtenu un score de 5 sur 6, bien qu'ils aient échoué de manières différentes. Flash a corrigé toutes les erreurs de code mais a épuisé ses tours avant de signaler un cas de test défectueux. M3 a signalé la panne mais a manqué un cas limite du code. Lors de l'enquête sur incident, les deux modèles ont obtenu des scores parfaits, identifiant la cause racine parmi les leurres. Cependant, Flash était nettement moins cher mais plus lent en temps réel. Le test à contexte long s'est soldé par un échec pour les deux modèles, aucun ne pouvant produire une réponse complète dans les limites de jetons.

Comment cela fonctionne

Les tâches agentiques impliquent un raisonnement multi-étapes où un modèle utilise des outils pour lire des fichiers, exécuter des commandes ou interroger des bases de données. La performance dépend ici non seulement de la vitesse brute de génération de jetons, mais aussi de l'efficacité avec laquelle le modèle planifie ses actions. M3.1 Flash semble adopter une approche plus prudente, lisant davantage de fichiers avant d'effectuer des modifications. Ce comportement augmente l'utilisation des jetons d'entrée mais peut réduire les erreurs lors de la modification du code. Toutefois, cette prudence consomme plus de tours, ce qui peut entraîner l'atteinte des limites de tours avant que la tâche ne soit entièrement signalée.

L'efficacité énergétique de ces modèles est déterminée par le prix des jetons et la mise en cache. Même si un modèle utilise plus de jetons, des taux par jeton plus bas et une utilisation efficace du cache peuvent se traduire par des coûts totaux inférieurs. Le prix inférieur de M3.1 Flash lui permet de rester moins cher que M3 même lorsqu'il traite plus de données. Cependant, le compromis est évident en termes de latence. Alors que MiniMax revendique une inférence en ligne plus rapide, le temps de bout en bout pour accomplir une tâche utilisant des outils peut être plus long si le modèle nécessite plus d'étapes d'interaction pour parvenir à une conclusion.

Détails clés

• M3.1 Flash est tarifé à 0,15 $ par million de jetons d'entrée et 0,60 $ par million de jetons de sortie, soit la moitié du tarif de M3.
• Lors d'un test de correction de bug agentique, Flash a coûté environ 23 % de moins que M3 mais a pris 129 secondes contre 36,8 secondes.
• Lors de l'enquête sur incident, Flash a réduit les coûts d'environ 68 % par rapport à M3, se rapprochant étroitement de la revendication de 70 % du fournisseur.
• Les deux modèles ont échoué à répondre à une question complexe impliquant un wiki d'ingénierie de 500 000 jetons dans les limites de sortie standard.
• Flash a utilisé plus de jetons d'entrée dans la tâche de correction de bug en raison d'une lecture extensive de fichiers avant l'édition.
• M3 a démontré des vitesses de génération de jetons plus rapides, atteignant 167 jetons par seconde dans certains tests contre 90 pour Flash.

Pourquoi c'est important

Pour les équipes d'ingénierie développant des agents IA, le coût et la vitesse sont des métriques opérationnelles critiques. M3.1 Flash offre un argument économique convaincant pour les charges de travail à haut volume tolérant la latence. Si votre application implique un traitement de données routinier ou un dépannage simple où la vitesse absolue est moins critique que le budget, la réduction de coût de 70 % peut diminuer considérablement les dépenses d'infrastructure. Cela le rend adapté aux tâches en arrière-plan ou aux analyses non urgentes où quelques minutes de délai sont acceptables.

Cependant, les écarts de performance soulignent que moins cher ne signifie pas toujours mieux pour les applications interactives ou sensibles au temps. Le temps réel plus lent et la consommation accrue de tours suggèrent que M3.1 Flash pourrait avoir du mal avec les tâches nécessitant une itération rapide ou des contraintes strictes de dépassement de délai. Les développeurs s'appuyant sur des fenêtres de contexte long pour l'analyse de documents doivent également faire preuve de prudence, car la capacité théorique ne s'est pas traduite par des réponses fiables lors des tests. Choisir entre M3 et M3.1 Flash nécessite de mettre en balance les contraintes budgétaires avec le besoin de vitesse et de fiabilité dans les tâches de raisonnement complexes.

Ce que vous pouvez faire

• Évaluez M3.1 Flash sur vos flux de travail agentiques spécifiques pour mesurer les économies réelles par rapport aux augmentations de latence.
• Surveillez attentivement l'utilisation des tours lors de l'utilisation de Flash, car son approche prudente peut atteindre les limites de tours avant de terminer les rapports.
• Utilisez M3 pour les tâches interactives sensibles au temps où une génération de jetons plus rapide et moins de tours sont prioritaires par rapport au coût.
• Testez séparément la récupération à contexte long, car les deux modèles ont montré des limitations dans le traitement fiable de grandes requêtes documentaires.
• Exploitez la mise en cache des entrées lorsque possible pour maximiser les avantages économiques des prix inférieurs des jetons de Flash.
• Évaluez si la réduction de coût de 70 % justifie l'augmentation potentielle du temps de complétion de bout en bout pour vos utilisateurs.