MiniMax M3.1 Flash resmi meluncur pada 19 Oktober 2026 [1][2][4]. Dua klaim utamanya: inferensi online hampir tiga kali lebih cepat, dan biaya pemakaian untuk tugas agentic turun 70% dibanding pendahulunya [1][3]. Buat kamu yang sedang menimbang model untuk pipeline agent bervolume tinggi, dua angka itu lebih menentukan daripada daftar benchmark di halaman rilis.
Space Bunny Terbongkar: Ini Awal Mula M3.1 Flash
Space Bunny adalah versi awal dari MiniMax M3.1 Flash. Model anonim itu memproses lebih dari 200 triliun token selama beroperasi tanpa nama [1][3][4].
Jejaknya sudah terlihat sejak September. Model bernama Space Bunny muncul di OpenRouter dan OpenCode dengan positioning sebagai model cepat untuk coding. Volume panggilan token hariannya bertahan di puncak selama beberapa hari, dan itu yang memicu spekulasi soal siapa di baliknya [4]. Sekarang teka-tekinya selesai.
Kecepatan Inferensi: 200+ TPS dan Arsitektur Sparsity
Kecepatan inferensi online M3.1 Flash naik hampir tiga kali lipat dibanding model sebelumnya [1][2]. Dalam pemakaian harian, output bisa menyentuh 200+ TPS (tokens per second, jumlah token yang dihasilkan per detik), dengan median P50 stabil di 170+ TPS [1].
Kuncinya ada di sparse attention yang lebih agresif [1][2]. Sparse attention berarti model tidak menghitung relasi antar semua token, hanya sebagian yang dinilai relevan. Hitungan per token jadi lebih ringan. MiniMax tidak merinci konfigurasi teknis di balik perubahan ini, jadi belum jelas seberapa besar pengaruhnya ke kualitas penalaran panjang [1].
Kemampuan Agentic, Coding, Computer Use, Cybersecurity
M3.1 Flash mencatat kenaikan di empat area sekaligus: tugas agentic, coding, computer use, dan keamanan siber [1]. Ini angka yang dilaporkan MiniMax sendiri, belum ada verifikasi independen.
- BankerToolBench: 76,2. Menguji perencanaan multi-langkah, konsistensi antar dokumen, kepatuhan finansial, dan rantai tool call [1].
- DeepSWE v1.1: 73,7%. Fokus pada tugas software yang menuntut model memahami kode, membangun fitur, memperbaiki bug, lalu memvalidasi hasilnya lewat testing [1].
- OSWorld V2: 61,7 poin. Mengukur kemampuan mengoperasikan komputer dan menyelesaikan tugas lintas aplikasi [1].
- ALE (Agents’ Last Exam): 29,6 poin. Menguji pekerjaan profesional nyata dengan nilai ekonomi [1].
- CyberGym: 82%. Menilai penemuan dan validasi kerentanan [1].
- AutomationBench-AA: masuk kelompok model teratas, tapi MiniMax tidak menyebut skor persisnya [1].
Di OSWorld V2 dan ALE, M3.1 Flash menempati peringkat pertama di antara model asal China [1]. Untuk alur kerja end-to-end di sistem SaaS, MiniMax mengklaim model ini bisa menuntaskan proses di sales, marketing, operasional, layanan pelanggan, finance, dan HR [1]. Klaim itu belum saya uji sendiri.
Harga API: Jauh Lebih Murah untuk Beban Agentic
Harga flat per 1 juta token: $0,15 untuk input, $0,60 untuk output, dan $0,015 untuk cached input [1]. Dalam yuan, tarifnya 1 yuan input, 4 yuan output, dan 0,1 yuan cache read per 1 juta token [2].
Dibandingkan M3, harga input dan output turun lebih dari 50%, sedangkan cache read turun lebih dari 70% [2]. Satu hal yang gampang salah baca: klaim “70% lebih murah” itu merujuk ke total biaya pemakaian untuk tugas agentic, bukan ke tarif per token [1]. Bedanya penting, karena tugas agentic biasanya menumpuk banyak langkah dan banyak konteks berulang, di mana cache read jadi penentu.
Cara Akses dan Rilis Bobot Model
M3.1 Flash sudah tersedia lewat MiniMax API di platform.minimax.io, langganan M Plan, dan aplikasi MiniMax Code [1]. Bobot model akan dirilis belakangan, tanpa tanggal pasti [1].
Kalau arsitekturmu bergantung pada self-hosting, jangan jadikan rencana bobot terbuka sebagai asumsi. Ukuran model, lisensi, dan jadwal rilisnya belum diumumkan [1]. Pakai API dulu untuk mengukur kualitasnya, baru pikirkan jalur on-prem.
Pro Version Segera Hadir
MiniMax menyebut versi Pro akan datang dalam waktu dekat [1][2][3]. Tidak ada tanggal, tidak ada harga, tidak ada skor benchmark [1][3].
Posisinya jelas: Flash berdiri di jalur efisiensi, Pro mengejar batas atas inteligensi [1]. Artinya Pro kemungkinan lebih mahal dan lebih lambat. Kalau kebutuhanmu masih soal throughput dan biaya per tugas, Flash sudah cukup.
Kesimpulan Praktis: Perlu Migrasi Sekarang?
Ya, kalau workload-mu didominasi tugas agentic bervolume tinggi: rantai tool call, otomatisasi alur SaaS, atau coding agent yang jalan berjam-jam. Kombinasi kecepatan hampir 3x dan tarif cache read yang jauh lebih murah mengubah hitungan ekonomi di skala besar [1][2].
Saya akan menahan diri kalau workload-mu berat di penalaran mendalam dan presisi tinggi. Skor ALE 29,6 memang menonjol di antara model China, tapi angkanya masih jauh dari sempurna, dan semua angka di atas berasal dari pihak yang menjual modelnya [1]. Uji dulu dengan eval set internal sebelum memindahkan trafik produksi.
Soal Pro, tunggu pengumuman resminya. Jangan tunda migrasi hanya karena model yang belum ada.