MiniMax M3.1 Flash: Pesos Abiertos y Precio Bajo para Agentes de Código

1. La ficha técnica

El post de lanzamiento de MiniMax, “MiniMax M3.1 Flash: Redefining Agent Performance and Cost”, tiene fecha 2026-10-19. Habilita el modelo en la API, en la suscripción M Plan y en la app de escritorio MiniMax Code, y anuncia que llegará un modelo Pro más capaz, sin fecha.

La historia de Space Bunny se confirma en la fuente: el post de MiniMax dice que Space Bunny era una versión temprana de M3.1 Flash y que procesó más de 200 billones de tokens mientras era anónimo. La cronología alrededor viene de prensa secundaria: SiliconANGLE cuenta que apareció en OpenRouter a fines de septiembre y que algunos testers lo vincularon a MiniMax analizando su tokenizer.

2. Qué cambió frente a MiniMax M3

MiniMax M3 salió en junio con una forma parecida: unos 428B parámetros totales y 23B activos, 1M de tokens de contexto y entrada nativa de imagen y video. La card de M3.1 Flash dice que conserva la arquitectura MoE central de M3 con tres cambios, todos orientados al costo y la velocidad de servir el modelo, no a un tamaño nuevo.

Hay un detalle que importa para leer el resto: la tabla de benchmarks de M3.1 Flash no tiene columna de M3. El relato de “mejor que M3” se apoya en las afirmaciones del blog de MiniMax, y los números de antes y después más claros vienen de terceros.

Los tres cambios de arquitectura

3. Comparación de precios con otros modelos flash

Por token, M3.1 Flash no es la opción más barata. Claude Haiku 5.5 y GPT-6 Luna listan precios más bajos con prompts cortos. Su ventaja es que el precio se mantiene plano en toda la ventana de 1M, y los agentes de código mandan prompts de más de 100K tokens con frecuencia en cuanto la sesión avanza.

El costo por tarea importa más que el precio por token. Artificial Analysis califica a M3.1 Flash como muy verboso (180M tokens de salida en su índice frente a una mediana de 100M), y la API usa effort max por defecto. Las cifras por tarea que VentureBeat toma de Artificial Analysis: unos $0.22 para M3.1 Flash, $0.26 para DeepSeek V4.1 Flash y $1.24 para Gemini 3.8 Flash.

4. Quickstart: la API con dos SDKs

MiniMax recomienda su endpoint compatible con Anthropic, que soporta bloques de thinking e interleaved thinking; el compatible con OpenAI también funciona. Estos son los ejemplos de MiniMax, apenas recortados, con la key leída de una variable de entorno. Las keys de pago por uso salen de Account > API Keys; quienes tienen M Plan reciben una Subscription Key aparte, y no son intercambiables.

# pip install anthropic
import os
import anthropic

client = anthropic.Anthropic(
    base_url="https://api.minimax.io/anthropic",
    api_key=os.environ["MINIMAX_API_KEY"],
)

message = client.messages.create(
    model="MiniMax-M3.1-Flash",
    output_config={"effort": "high"},  # low | medium | high | xhigh | max (default: max)
    max_tokens=4096,
    messages=[{"role": "user", "content": "Hi, how are you?"}],
)

for block in message.content:
    if block.type == "thinking":
        print(f"Thinking:\n{block.thinking}\n")
    elif block.type == "text":
        print(f"Text:\n{block.text}\n")

# pip install openai
import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.minimax.io/v1",
    api_key=os.environ["MINIMAX_API_KEY"],
)

response = client.chat.completions.create(
    model="MiniMax-M3.1-Flash",
    reasoning_effort="high",
    messages=[{"role": "user", "content": "Hi, how are you?"}],
)

print(response.choices[0].message.content)

5. Usarlo dentro de un agente de código

MiniMax documenta la configuración para Claude Code y para OpenCode, y además ofrece un asistente (npx -y mmx-cli@latest agent setup) que escribe la config por vos. Para Claude Code, primero borrá ANTHROPIC_AUTH_TOKEN y ANTHROPIC_BASE_URL de tu shell, incluido tu ~/.bashrc o ~/.zshrc, porque pisan el archivo de settings.

{
  "env": {
    "ANTHROPIC_BASE_URL": "https://api.minimax.io/anthropic",
    "ANTHROPIC_AUTH_TOKEN": "<MINIMAX_API_KEY>",
    "CLAUDE_CODE_AUTO_COMPACT_WINDOW": "524288",
    "CLAUDE_CODE_EFFORT_LEVEL": "max",
    "ANTHROPIC_MODEL": "MiniMax-M3.1-Flash[1m]",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "MiniMax-M3.1-Flash[1m]",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "MiniMax-M3.1-Flash[1m]",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "MiniMax-M3.1-Flash[1m]"
  }
}

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "minimax-coding-plan": {
      "models": {
        "MiniMax-M3.1-Flash": {
          "name": "MiniMax-M3.1-Flash",
          "limit": { "context": 524288 }
        }
      }
    }
  }
}

6. Self-hosting: los pesos son reales, el hardware no es chico

El repo es público desde el 23 de octubre: 48 shards safetensors más una carpeta dspark/ con el draft, unos 252 GB en total. La model card apunta a un recipe de vLLM, un cookbook de SGLang y TokenSpeed, y lista Transformers, KTransformers, unsloth y ATOM como integraciones todavía en curso.

El recipe de vLLM (actualizado el 23 de octubre) corre con TP4 en NVIDIA Blackwell (GB200, GB300, B200, B300) o AMD MI355X, y con TP8 en un nodo completo de H100 o H200. Exige vLLM 0.33.0 o superior, pero la última versión en PyPI y GitHub cuando lo revisé era la 0.32.0 (18 de octubre). Hasta que salga la 0.33.0, eso significa un build nightly, como la imagen vllm/vllm-openai:nightly de Docker Hub, o compilar desde el código fuente.

hf download MiniMaxAI/MiniMax-M3.1-Flash --local-dir MiniMax-M3.1-Flash

vllm serve MiniMaxAI/MiniMax-M3.1-Flash \
  --tensor-parallel-size 8 \
  --reasoning-parser minimax_m3 \
  --block-size 128 \
  --kv-cache-dtype fp8 \
  --attention-config '{"indexer_kv_dtype": "fp8"}' \
  --compilation-config '{"cudagraph_mode": "FULL_AND_PIECEWISE"}' \
  --max-model-len 262144 \
  --max-num-seqs 80 \
  --limit-mm-per-prompt '{"video": 0}' \
  --gpu-memory-utilization 0.9 \
  --no-enable-log-requests \
  --disable-hybrid-kv-cache-manager \
  --moe-backend marlin \
  --enable-auto-tool-choice \
  --tool-call-parser minimax_m3

docker pull lmsysorg/sglang:dev-minimax-m31-flash
# AMD MI350X / MI355X (ROCm 7.2):
docker pull lmsysorg/sglang:dev-minimax-m31-flash-mi35x

7. Límites honestos

Planificá alrededor de esto antes de mover tráfico real de agentes.

Veredicto

M3.1 Flash merece una prueba esta semana si corrés agentes de código o de automatización a volumen. La API habla formato Anthropic y OpenAI, MiniMax documenta la configuración para Claude Code y OpenCode, y el precio plano de $0.15 / $0.60 hace que las sesiones largas de agentes sean predecibles, algo que no logran los tramos por largo de prompt como el umbral de 100K de Haiku 5.5.

Según los propios números de MiniMax, no reemplaza a un modelo de frontera y queda detrás de DeepSeek V4.1 Flash en código difícil a nivel de repositorio. Vigilá las alucinaciones y el gasto en tokens de salida, empezá por debajo de effort max y decidí con la tasa de aciertos por dólar de tus propias tareas.