MiniMax M3.1 Flash giảm chi phí nhưng chậm hơn và kém chính xác

MiniMax đã phát hành mô hình M3.1 Flash vào ngày 19 tháng 10 năm 2026, định vị nó như một giải pháp thay thế tiết kiệm chi phí cho các quy trình làm việc dựa trên agent (tác nhân AI). Mặc dù công ty tuyên bố có mức tiết kiệm đáng kể và tốc độ suy luận nhanh hơn, các thử nghiệm độc lập lại cho thấy sự đánh đổi giữa giá cả và hiệu suất mà các nhà phát triển cần cân nhắc kỹ lưỡng.

Chuyện gì đã xảy ra

MiniMax khẳng định rằng M3.1 Flash giảm tổng chi phí của các tác vụ agent đi 70% và tăng tốc độ suy luận trực tuyến lên gần ba lần so với phiên bản tiền nhiệm M3. Mô hình mới được định giá ở mức $0,15 cho mỗi triệu token đầu vào và $0,60 cho mỗi triệu token đầu ra. Mức giá này bằng một nửa so với giá ưu đãi của M3, vốn tính phí $0,30 và $1,20 tương ứng cho các yêu cầu có tối đa 512K token đầu vào. Các đầu vào được lưu cache và các yêu cầu dài hơn có cấu trúc định giá riêng biệt.

Để xác minh những tuyên bố này, Jessica Wachtel đã tiến hành ba bài kiểm tra thực tế để so sánh M3.1 Flash với M3. Các bài kiểm tra tập trung vào các tác vụ agent thực tiễn thay vì các chuẩn đo lường tổng hợp (synthetic benchmarks). Cô sử dụng OpenRouter để định tuyến các yêu cầu đến máy chủ của MiniMax, đảm bảo cả hai mô hình đều được thử nghiệm trong điều kiện giống hệt nhau. Vì cô sử dụng điểm cuối miễn phí cho Flash, các con số về chi phí chỉ là ước tính dựa trên bảng giá niêm yết của MiniMax chứ không phải phí thực tế. Kích thước mẫu nhỏ có nghĩa là kết quả này chỉ cho thấy xu hướng chứ không phải là những cải tiến thống kê chắc chắn.

Quá trình đánh giá bao gồm một tác vụ sửa lỗi bug theo kiểu agent, một kịch bản điều tra sự cố và một truy vấn ngữ cảnh dài. Trong bài kiểm tra sửa lỗi, cả hai mô hình đều đạt 5/6 điểm, mặc dù chúng thất bại theo những cách khác nhau. Flash đã sửa tất cả các lỗi mã nguồn nhưng hết lượt (turns) trước khi báo cáo trường hợp kiểm thử bị lỗi. M3 báo cáo được lỗi nhưng bỏ sót một trường hợp biên (edge case) trong mã. Trong phần điều tra sự cố, cả hai mô hình đều đạt điểm tuyệt đối, xác định đúng nguyên nhân gốc rễ giữa các yếu tố gây nhiễu. Tuy nhiên, Flash rẻ hơn đáng kể nhưng chậm hơn về thời gian thực tế (wall-clock time). Bài kiểm tra ngữ cảnh dài dẫn đến thất bại cho cả hai mô hình, vì không mô hình nào có thể đưa ra câu trả lời hoàn chỉnh trong giới hạn token.

Cách thức hoạt động

Các tác vụ agent liên quan đến suy luận đa bước, nơi mô hình sử dụng các công cụ để đọc tệp, chạy lệnh hoặc truy vấn cơ sở dữ liệu. Hiệu suất ở đây không chỉ phụ thuộc vào tốc độ tạo token thô, mà còn vào cách mô hình lập kế hoạch hành động một cách hiệu quả. M3.1 Flash dường như áp dụng cách tiếp cận thận trọng hơn, đọc nhiều tệp hơn trước khi thực hiện chỉnh sửa. Hành vi này làm tăng mức sử dụng token đầu vào nhưng có thể giảm lỗi trong quá trình sửa đổi mã. Tuy nhiên, sự thận trọng này tiêu tốn nhiều lượt hơn, dẫn đến nguy cơ chạm ngưỡng giới hạn lượt trước khi tác vụ được báo cáo đầy đủ.

Hiệu quả chi phí trong các mô hình này được thúc đẩy bởi giá token và bộ nhớ đệm (caching). Ngay cả khi một mô hình sử dụng nhiều token hơn, mức giá thấp hơn cho mỗi token và việc tận dụng bộ nhớ đệm hiệu quả vẫn có thể dẫn đến tổng chi phí thấp hơn. Điểm giá thấp hơn của M3.1 Flash cho phép nó vẫn rẻ hơn M3 ngay cả khi xử lý lượng dữ liệu lớn hơn. Tuy nhiên, sự đánh đổi thể hiện rõ ở độ trễ. Mặc dù MiniMax tuyên bố suy luận trực tuyến nhanh hơn, thời gian hoàn thành toàn bộ quy trình cho một tác vụ sử dụng công cụ có thể lâu hơn nếu mô hình cần nhiều bước tương tác để đi đến kết luận.

Chi tiết chính

• M3.1 Flash có giá $0,15 cho mỗi triệu token đầu vào và $0,60 cho mỗi triệu token đầu ra, bằng một nửa mức giá của M3.
• Trong bài kiểm tra sửa lỗi agent, Flash có chi phí thấp hơn khoảng 23% so với M3 nhưng mất 129 giây so với 36,8 giây.
• Trong quá trình điều tra sự cố, Flash giảm chi phí khoảng 68% so với M3, khá sát với tuyên bố giảm 70% của nhà cung cấp.
• Cả hai mô hình đều không thể trả lời một câu hỏi phức tạp liên quan đến wiki kỹ thuật 500.000 token trong giới hạn đầu ra tiêu chuẩn.
• Flash sử dụng nhiều token đầu vào hơn trong tác vụ sửa lỗi do việc đọc tệp mở rộng trước khi chỉnh sửa.
• M3 thể hiện tốc độ tạo token nhanh hơn, đạt 167 token/giây trong một số bài kiểm tra so với 90 token/giây của Flash.

Tại sao điều này quan trọng

Đối với các nhóm kỹ sư xây dựng AI agent, chi phí và tốc độ là những chỉ số vận hành then chốt. M3.1 Flash đưa ra một lập luận kinh tế hấp dẫn cho các khối lượng công việc lớn, chịu được độ trễ cao. Nếu ứng dụng của bạn liên quan đến xử lý dữ liệu thường xuyên hoặc khắc phục sự cố đơn giản, nơi tốc độ tuyệt đối ít quan trọng hơn ngân sách, việc giảm 70% chi phí có thể hạ đáng kể chi phí cơ sở hạ tầng. Điều này làm cho nó phù hợp với các job nền hoặc các tác vụ phân tích không khẩn cấp, nơi vài phút chậm trễ là chấp nhận được.

Tuy nhiên, khoảng cách hiệu suất nhấn mạnh rằng rẻ hơn không luôn đồng nghĩa với tốt hơn đối với các ứng dụng tương tác hoặc nhạy cảm về thời gian. Thời gian thực tế chậm hơn và mức tiêu thụ lượt cao hơn cho thấy M3.1 Flash có thể gặp khó khăn với các tác vụ đòi hỏi lặp lại nhanh chóng hoặc ràng buộc thời gian chờ nghiêm ngặt. Các nhà phát triển dựa vào cửa sổ ngữ cảnh dài để phân tích tài liệu cũng nên thận trọng, vì dung lượng lý thuyết đã không chuyển hóa thành câu trả lời đáng tin cậy trong thử nghiệm. Việc lựa chọn giữa M3 và M3.1 Flash đòi hỏi sự cân bằng giữa ràng buộc ngân sách và nhu cầu về tốc độ cũng như độ tin cậy trong các tác vụ suy luận phức tạp.

Bạn có thể làm gì

• Đo điểm chuẩn (benchmark) M3.1 Flash trên các quy trình làm việc agent cụ thể của bạn để đo lường mức tiết kiệm chi phí thực tế so với sự gia tăng độ trễ.
• Theo dõi chặt chẽ mức sử dụng lượt khi dùng Flash, vì cách tiếp cận thận trọng của nó có thể chạm ngưỡng giới hạn lượt trước khi hoàn thành báo cáo.
• Sử dụng M3 cho các tác vụ tương tác nhạy cảm về thời gian, nơi tốc độ tạo token nhanh hơn và ít lượt hơn được ưu tiên hơn chi phí.
• Kiểm thử riêng biệt việc truy xuất ngữ cảnh dài, vì cả hai mô hình đều cho thấy hạn chế trong việc xử lý đáng tin cậy các truy vấn tài liệu lớn.
• Tận dụng bộ nhớ đệm đầu vào (input caching) khi có thể để tối đa hóa lợi ích chi phí từ mức giá token thấp hơn của Flash.
• Đánh giá xem việc giảm 70% chi phí có biện minh cho sự gia tăng tiềm năng về thời gian hoàn thành tác vụ end-to-end đối với người dùng của bạn hay không.