MiniMax M3.1 Flash: qué es y por qué apunta a los agentes de IA
MiniMax presentó M3.1 Flash, un modelo orientado a agentes que, según la compañía, multiplica por casi tres la velocidad de inferencia en línea y reduce 70% el costo de las tareas agénticas frente a su antecesor. La guía pública del modelo indica una velocidad de salida de aproximadamente 150 tokens por segundo. Para un founder que paga facturas de API cada mes, la propuesta es directa: hacer más pasos por tarea sin que el costo se descontrole.
El modelo ya está disponible a través de la API de MiniMax, el plan M Plan y MiniMax Code. Los pesos todavía no se publicaron: la compañía indicó que llegarán más adelante, y según el medio especializado Marktechpost la fecha prevista es el 23 de octubre de 2026. Esa diferencia importa: hoy puedes consumirlo como servicio, pero todavía no autoalojarlo.
Según Marktechpost, M3.1 Flash es un modelo de mezcla de expertos (MoE) de 428.000 millones de parámetros totales y unos 23.000 millones activos, con una ventana de contexto de 1 millón de tokens. Acepta texto, imagen y video como entrada y devuelve texto.
¿Y esto cómo se aplica en tu negocio?
En CAR, dueños de empresa de Latinoamérica y España usan la tecnología para ser más rentables. Empiezas con una ruta de 7 días y terminas con un sistema funcionando en tu negocio.
👥 Probar 7 díasSpace Bunny: el modelo anónimo que resultó ser una versión temprana
El anuncio también confirmó algo que venía circulando: Space Bunny, un modelo que operó de forma anónima, era una versión temprana de M3.1 Flash. MiniMax sostiene que procesó más de 200 billones de tokens, aunque no detalla cómo midió ese volumen ni qué tareas específicas procesó.
El dato tiene un respaldo externo. OpenRouter, la plataforma que alojó la corrida anónima, informó que Space Bunny fue su modelo número uno durante 10 días consecutivos y procesó 56,7 billones de tokens, el mayor volumen de cualquier modelo encubierto que pasó por su plataforma, según reportó Unite.AI. OpenRouter agregó que el modelo salió de su plataforma el 5 de octubre de 2026 y volvió el 19 de octubre de 2026 ya como M3.1 Flash, con acceso gratuito por 72 horas.
La misma fuente detalla las mejoras que MiniMax atribuye al feedback de esa fase: el tiempo hasta el primer token bajó 38% (de 1,95 a 1,22 segundos), el throughput subió 45% (de 70 a 100 tokens por segundo) y la tasa de error cayó de 1,4% a 0,7%.
Los benchmarks que reporta MiniMax y cómo leerlos
Todos los números que siguen son reportados por MiniMax, no replicados de forma independiente. Ese detalle no es menor: un benchmark indica dónde mirar, no cómo rendirá el modelo en tu proceso específico.
- Automatización: MiniMax ubica a M3.1 Flash entre los mejores en AutomationBench-AA, que evalúa flujos de trabajo empresariales sobre sistemas SaaS en ventas, marketing, operaciones, atención al cliente, finanzas y RRHH. Según la tabla comparativa que publicó Marktechpost, el modelo obtiene 62,2 en Automation-Bench v1.0.6, por encima de Opus 5 (50,3) y GPT-5.6 Sol (45,8).
- Finanzas: 76,2 en BankerToolBench, donde empata con Opus 5 según la misma comparación.
- Desarrollo de software: 73,7% en DeepSWE v1.1, apenas por encima de GPT-5.6 Sol (73,0) y por debajo de DeepSeek-V4.1-Flash-1017 (77,0). En Terminal Bench 4.0 el resultado es el más flojo de la tabla: 38,1 frente a 51,8 de Opus 5.
- Uso de computadoras: 61,7 puntos en OSWorld V2 y 29,6 en Agents’ Last Exam (ALE). MiniMax afirma que lidera entre los modelos chinos en ambas pruebas.
- Ciberseguridad: 82% en CyberGym, una evaluación de descubrimiento y validación de vulnerabilidades.
Precios: cuánto cuesta realmente una tarea agéntica
La tarifa publicada es plana: US$0,15 por millón de tokens de entrada, US$0,60 por millón de tokens de salida y US$0,015 por millón de tokens de entrada en caché. Según Marktechpost, M3 cuesta US$0,30/US$1,20 hasta 512K de entrada y el doble por encima de ese umbral, es decir que Flash queda a la mitad de la tarifa por token de su antecesor.
El punto interesante es que MiniMax empuja la conversación hacia el costo por tarea, no por token. En su gráfico de Automation-Bench, los cinco niveles de esfuerzo quedan por debajo de US$0,05 por tarea, y una corrida completa de 152 tareas de Agents’ Last Exam costó alrededor de US$111, según Marktechpost.
Esa distinción es la que un founder debería copiar al evaluar cualquier modelo: en un agente, una tarea implica varias llamadas, reintentos y uso de herramientas. La tarifa por millón de tokens no equivale al costo final de completar un proceso.
¿Qué significa esto para tu startup?
El contexto importa tanto como el anuncio. CNBC reportó, según recogió IBTimes, que los modelos chinos superan el 30% de los tokens procesados semanalmente en OpenRouter desde el 8 de febrero, con picos de hasta 46%, frente a un promedio de 11% en los 12 meses previos. Justin Summerville, de OpenRouter, señaló a CNBC que los principales modelos chinos de código abierto pueden costar entre 60% y 90% menos que modelos comparables de Anthropic y OpenAI.
Un informe de Mozilla citado por Ars Technica va en la misma dirección: la brecha de rendimiento entre los modelos frontera estadounidenses y los mejores modelos abiertos chinos se cerró a 4,4 meses, y Kimi K3 queda a tres puntos de Fable 5 costando 30% de lo que cuesta este último.
Con ese telón de fondo, dos acciones concretas:
- Mide costo por tarea, no precio por token. Antes de migrar, instrumenta un flujo real (por ejemplo, un agente que resuelve tickets o genera reportes) y calcula cuántas llamadas, cuántos reintentos y cuántos tokens de caché consume. La rebaja de 70% que promete MiniMax aplica a tareas agénticas frente a su predecesor, no a tu caso particular.
- Prueba en el canal gratuito antes de comprometer arquitectura. OpenRouter ofrece M3.1 Flash sin costo por 72 horas, y MiniMax Code está disponible durante la fase de preview. Úsalo para validar precisión y latencia en tu caso de uso antes de reescribir integraciones.
Dos advertencias técnicas que pueden ahorrarte una tarde de debugging, según Marktechpost: el razonamiento del modelo está siempre activo y no se puede desactivar — las peticiones con thinking.type=disabled o effort=none devuelven error — y la respuesta de razonamiento llega en un campo separado (reasoning_content), por lo que las integraciones que parseaban etiquetas de razonamiento inline necesitan actualizarse.
Conclusión
M3.1 Flash no es un salto de inteligencia: es una jugada de eficiencia. MiniMax pone sobre la mesa un modelo con contexto de 1 millón de tokens y precios planos agresivos, pero todos sus benchmarks son auto-reportados y todavía no hay pesos para autoalojar. Para un equipo hispanohablante con presupuesto ajustado, la decisión sensata es probarlo en el flujo más caro que tengas hoy, medir el costo real por tarea completada y comparar contra lo que ya usas. Si el ahorro se sostiene en tu caso, el cambio se justifica; si no, al menos tendrás una línea base de costos que hoy probablemente no tienes.
Fuentes
- DiarioBitcoin (fuente original)
- Unite.AI
- Marktechpost
- IBTimes
- Ars Technica
¿Y esto cómo se aplica en tu negocio?
En CAR, dueños de empresa de Latinoamérica y España usan la tecnología para ser más rentables. Empiezas con una ruta de 7 días y terminas con un sistema funcionando en tu negocio.
👥 Probar 7 días
