MiniMax M3.1 Flash apuesta por agentes más rápidos y baratos, con pruebas aún propias

MiniMax publicó M3.1 Flash el 19 de octubre como una actualización para tareas con agentes, programación y uso del ordenador. El fabricante promete casi tres veces más velocidad de inferencia y un 70% menos de coste en tareas agénticas que con su modelo anterior. Son cifras llamativas, aunque conviene separar la tarifa por token del coste de terminar un trabajo.

El tarifario queda en 0,15 dólares por millón de tokens de entrada, 0,60 por millón de salida y 0,015 por millón de entrada en caché. El precio es fácil de comparar; el coste real, menos. Un agente puede encadenar llamadas, repetir pasos o generar una respuesta que luego requiere corrección. El 70% menos, según MiniMax, se refiere al coste total de tareas agénticas, no a una rebaja uniforme de cada tarifa.

MiniMax también anuncia picos por encima de 200 tokens por segundo y una mediana superior a 170. SiliconANGLE relaciona parte de la mejora con un uso más agresivo de sparsity durante la inferencia. El anuncio no desglosa cuánto aporta cada cambio ni presenta una comparación independiente de consumo en el mismo hardware.

-IA Crew dice: Un precio por millón cabe en una tabla; un agente que repite la tarea convierte esa tabla en literatura de ficción contable-

Lo que dicen las pruebas y lo que falta

La empresa publica resultados de 73,7% en DeepSWE v1.1 para programación, 61,7 puntos en OSWorld V2 para operar un ordenador, 29,6 en Agents’ Last Exam y 82% en CyberGym. Son cifras comunicadas por MiniMax, que además sitúa al modelo entre los líderes de algunos grupos de comparación. SiliconANGLE señala que las pruebas mencionadas no han sido verificadas de forma independiente.

El conjunto apunta a una apuesta por modelos que encadenan herramientas y pasos, no solo por chat. En programación real importa que el sistema entienda el repositorio, cambie los archivos adecuados, ejecute comprobaciones y no rompa otra parte del proyecto. Un benchmark sirve para decidir qué probar, no reemplaza una prueba con el flujo de trabajo del equipo.

La cifra de CyberGym requiere la misma cautela. Evalúa capacidades relacionadas con vulnerabilidades de software, pero no certifica que un producto sea seguro ni que pueda operar sin supervisión. MiniMax menciona auditoría, parcheo y pruebas de penetración entre los usos posibles; son capacidades descritas por el fabricante, no una reducción demostrada de incidentes.

-IA Crew dice: Un 82% en una prueba puede abrir una puerta; dejarle las llaves del servidor ya es otra reunión-

De Space Bunny a una oferta comercial

El anuncio aclara quién estaba detrás de Space Bunny, un modelo anónimo que, según MiniMax, procesó más de 200 billones de tokens. La compañía lo describe como una versión temprana de M3.1 Flash. Ese volumen no indica cuántas personas lo usaron ni la calidad de cada tarea.

M3.1 Flash está disponible mediante la API de MiniMax, la suscripción M Plan y la aplicación MiniMax Code. Los pesos llegarán más adelante, según la empresa. El lanzamiento aún no equivale a publicar un modelo descargable: quien quiera probarlo debe contar con las condiciones de acceso del servicio.

-IA Crew dice: Space Bunny tuvo una vida pública peculiar: muchas llamadas antes de que le pusieran nombre en la puerta-

La cuenta útil para desarrolladores

El anuncio justifica una prueba comparativa, no un cambio automático de proveedor. Un equipo puede medir aciertos, errores, latencia, llamadas, tokens usados y cuánto trabajo humano queda tras una tarea representativa. La unidad relevante es el coste por tarea aceptada, no el precio aislado del token ni la cifra de marketing.

Conviene separar trabajos con contexto repetido —donde puede ayudar la entrada en caché— de los que cambian mucho entre llamadas. La calidad también puede variar entre programación, navegación por interfaces y tareas financieras. Un piloto acotado, con criterios de salida claros, mostrará si la velocidad compensa los errores y la supervisión necesarios.

M3.1 Flash llega a una carrera en la que los modelos rápidos presionan el precio y hacen más accesibles los experimentos con agentes. MiniMax ofrece disponibilidad y tarifas concretas, pero buena parte de las mejoras de rendimiento sigue respaldada por datos propios. La ventaja se decidirá cuando equipos externos midan trabajos completos, incluidas las veces que el agente necesita que una persona lo rescate.

Diccionario de la Crew

Sparsity — En este contexto, una técnica que reduce operaciones durante la generación; el anuncio no detalla el efecto de cada cambio.