MiniMax M3.1 Flash: AI agent nhanh hơn, chi phí giảm 70%?

MiniMax M3.1 Flash hỗ trợ ngữ cảnh 1 triệu token, API tương thích OpenAI và Anthropic. Phân tích tốc độ, giá API, benchmark và điểm cần kiểm chứng.

Nội dung chính

MiniMax chính thức phát hành M3.1 Flash ngày 19/10/2026 cho API, M Plan và MiniMax Code. Hãng định vị đây là mô hình đa phương thức dành cho AI agent, lập trình, sử dụng công cụ và xử lý ngữ cảnh dài. Reuters đã xác nhận việc ra mắt cùng hai tuyên bố chính của MiniMax: tốc độ suy luận trực tuyến gần gấp ba và chi phí tác vụ agent giảm 70% so với thế hệ trước.

Những thông số đã được công bố

Tài liệu API của MiniMax ghi nhận cửa sổ ngữ cảnh tối đa 1.000.000 token, đầu vào văn bản, hình ảnh và video, cùng năm mức độ suy luận từ 'low' đến 'max'. Giá niêm yết là 0,15 USD cho một triệu token đầu vào, 0,60 USD cho đầu ra và 0,015 USD cho đầu vào đã lưu bộ nhớ đệm. Mô hình có endpoint tương thích OpenAI lẫn Anthropic, giúp nhóm kỹ thuật thử nghiệm mà không phải viết lại toàn bộ lớp tích hợp.

MiniMax công bố tốc độ đầu ra có thể vượt 200 token/giây trong sử dụng hằng ngày, với trung vị P50 trên 170 token/giây. Đây là số liệu do hãng đo trong hạ tầng của mình; độ trễ thực tế còn phụ thuộc vị trí máy chủ, tải hệ thống, độ dài ngữ cảnh và mức suy luận.

Phân tích

Benchmark cho thấy gì — và chưa cho thấy gì?

Theo kết quả do MiniMax công bố, M3.1 Flash đạt 73,7% trên DeepSWE v1.1 cho tác vụ phần mềm, 61,7 điểm trên OSWorld V2 cho thao tác máy tính, 76,2 trên BankerToolBench và 82% trên CyberGym. Các con số này cho thấy mô hình được tối ưu cho chuỗi công việc nhiều bước, gọi công cụ và mã nguồn hơn là chỉ trò chuyện.

Tuy vậy, benchmark của nhà cung cấp không thay thế thử nghiệm độc lập. Doanh nghiệp nên kiểm tra trên dữ liệu thật: tỷ lệ hoàn tất tác vụ, số lần cần con người sửa, chi phí cho một công việc hoàn thành, độ trễ P95 và khả năng phục hồi khi công cụ trả lỗi. Tuyên bố “giảm 70% chi phí” là so sánh của MiniMax với mô hình tiền nhiệm trong tác vụ agent, không đồng nghĩa mọi ứng dụng sẽ tự động tiết kiệm đúng 70%.

Tài liệu MiniMax cho biết M2.5 và M2.7 ngừng nhận người dùng mới từ 19/10 và dự kiến kết thúc phục vụ ngày 18/11/2026. Người dùng M Plan và Token Plan có thể được tự động chuyển yêu cầu sang M3.1 Flash, còn ứng dụng trả theo mức dùng nên kiểm tra sự khác biệt về đầu ra trước khi chuyển hoàn toàn.

Điều cần theo dõi

Doanh nghiệp nên thử M3.1 Flash như thế nào?

Bắt đầu bằng một quy trình hẹp nhưng đo được, chẳng hạn phân loại yêu cầu hỗ trợ, rà soát mã có bộ kiểm thử hoặc tổng hợp tài liệu nội bộ. Chạy song song với mô hình hiện tại trên cùng bộ tác vụ, giữ nguyên tiêu chí chấm và ghi lại chất lượng, thời gian, token tiêu thụ, lỗi gọi công cụ và mức can thiệp của con người. Với dữ liệu nhạy cảm, cần kiểm tra điều khoản lưu trữ, vị trí xử lý và quyền truy cập trước khi đưa vào API.

Cửa sổ 1 triệu token hữu ích cho kho mã hoặc tài liệu dài, nhưng đưa toàn bộ dữ liệu vào một lần chưa chắc tối ưu. Truy xuất đúng phần liên quan, bộ nhớ đệm và mức suy luận phù hợp thường quyết định chi phí thực tế nhiều hơn giá niêm yết. MiniMax cho biết trọng số mô hình sẽ được phát hành sau nhưng chưa đưa ra ngày cụ thể; hiện không nên giả định rằng bản tự triển khai đã sẵn sàng.

Đọc thêm Mistral Large 4 mở API xem trước để so sánh cách các hãng đưa mô hình mới đến nhà phát triển.

Nguồn kiểm chứng: công bố MiniMax ngày 19/10/2026, tài liệu API MiniMax, lịch chuyển đổi mô hình và Reuters ngày 19/10/2026.