MiniMax M3.1 Flash : vitesse et tarifs
Le 19 octobre, MiniMax a officiellement dévoilé M3.1 Flash. Le modèle est conçu pour la programmation, les agents IA, l’utilisation d’un ordinateur et les tâches de cybersécurité. L’entreprise affirme que la vitesse d’inférence a presque triplé, tandis que le coût des charges de travail des agents a baissé de 70 %.
Le modèle a connu une phase de préversion. Le 27 septembre, M3.1-Flash-Preview est apparu dans MiniMax Code, où il était proposé pour les tâches de développement du quotidien, de la correction de bugs à la création de nouvelles fonctionnalités. M3.1 Flash est désormais disponible via l’API, l’abonnement M Plan et MiniMax Code. Vous pouvez également l’essayer dans le sélecteur de modèles de vega.chat ou l’appeler via api.vega.chat.
D’où vient Space Bunny
Avant l’annonce officielle, les développeurs testaient un modèle anonyme appelé Space Bunny. MiniMax a confirmé qu’il s’agissait d’une première version de M3.1 Flash. Selon l’entreprise, le modèle a traité plus de 200 billions de tokens pendant sa période anonyme.
Ce volume d’utilisation dans des conditions réelles a permis à MiniMax de valider le modèle sur un large éventail de requêtes avant son lancement complet. Toutefois, l’entreprise ne communique pas les détails des tests de Space Bunny et ne précise pas quels résultats ont directement influencé la version finale de M3.1 Flash.
Fenêtre de contexte et modes de raisonnement
M3.1 Flash prend en charge une fenêtre de contexte pouvant atteindre 1 million de tokens. Vous pouvez ainsi transmettre de longs documents, de grandes portions de base de code et un historique de travail détaillé d’un agent dans une seule requête.
La documentation technique indique également la prise en charge des entrées texte, image et vidéo. Les sorties sont uniquement textuelles.
Le raisonnement est toujours activé, mais sa profondeur est configurable. Cinq niveaux sont disponibles : low, medium, high, xhigh et max. Les niveaux inférieurs conviennent aux modifications rapides et aux tâches simples ; les niveaux supérieurs sont destinés aux analyses complexes, aux changements en plusieurs étapes et au travail portant sur plusieurs fichiers.
Ce réglage vous permet de contrôler le compromis entre vitesse, consommation de tokens et profondeur d’analyse. L’effet réel dépend de la tâche : un niveau faible peut fournir une réponse plus rapidement, mais une demande complexe à ce niveau nécessitera davantage de vérifications de votre part.
Ce que révèlent les benchmarks
MiniMax a publié les résultats de M3.1 Flash sur plusieurs tests. Tous les scores ci-dessous sont déclarés par l’entreprise : considérez-les comme des affirmations du fournisseur jusqu’à la publication de comparaisons indépendantes plus larges.
| Test | Score | Ce qu’il mesure |
|---|---|---|
| DeepSWE v1.1 | 73.7% | Résolution de tâches d’ingénierie complexes et revue de code |
| BankerToolBench | 76.2 | Flux de travail en plusieurs étapes avec des documents et des contraintes financières |
| OSWorld V2 | 61.7 | Utilisation d’un ordinateur et exécution de tâches dans différentes applications |
| Agents' Last Exam | 29.6 | Tâches professionnelles complexes |
| CyberGym | 82% | Détection et vérification de vulnérabilités |
Sur AutomationBench-AA, MiniMax classe le modèle parmi les participants les plus performants. Ce benchmark couvre des processus de bout en bout dans les services aux entreprises : tâches liées aux ventes, au marketing, à la finance et aux ressources humaines.
Les résultats ne sont pas directement comparables entre eux : les tests mesurent différentes compétences sur différentes échelles. Pour les équipes qui choisissent un modèle pour leur produit, le plus important est de le tester sur leurs propres scénarios : la précision de ses appels d’outils, sa capacité à gérer la base de code et son aptitude à mener une tâche jusqu’à un résultat fonctionnel.
Vitesse et tarifs
MiniMax annonce des vitesses de génération supérieures à 200 tokens par seconde, avec une médiane de plus de 170 tokens par seconde. Il s’agit de la vitesse de génération de texte, et non du temps total garanti pour exécuter une tâche : un agent peut encore devoir lire des fichiers, appeler des outils, lancer des tests et effectuer plusieurs itérations.
Tarifs de l’API par million de tokens :
| Type de token | Prix |
|---|---|
| Entrée | $0.15 |
| Sortie | $0.60 |
| Entrée mise en cache | $0.015 |
MiniMax affirme que le coût total des charges de travail des agents a baissé de 70 % par rapport au modèle précédent. Cette estimation porte sur des schémas d’utilisation réels et ne signifie pas que chaque requête coûtera automatiquement 70 % moins cher. Les dépenses réelles dépendent de la taille du contexte, de la longueur de la réponse, du nombre d’appels d’outils et des nouvelles tentatives.
M3 vs M3.1 Flash
MiniMax M3, sorti précédemment, était présenté comme un modèle polyvalent pour le codage, les tâches d’agents et le travail multimodal. M3.1 Flash met l’accent sur l’exécution rapide des tâches fréquentes du quotidien, en particulier au sein des agents logiciels.
Trois différences sont visibles pour les utilisateurs :
- M3.1 Flash permet de choisir un niveau de raisonnement ;
- l’entreprise insiste particulièrement sur la vitesse et le coût dans les scénarios impliquant des agents ;
- le modèle est disponible via l’API, M Plan et MiniMax Code.
MiniMax a promis de publier ultérieurement les poids de M3.1 Flash. Tant qu’ils ne seront pas publiés, vous ne pourrez pas héberger le modèle vous-même ni le tester en dehors des services de l’entreprise.
À qui s’adresse ce modèle
M3.1 Flash peut convenir aux développeurs qui ont besoin d’un assistant pour analyser des dépôts, corriger des bugs, rédiger des tests et effectuer des changements en plusieurs étapes. Il peut aussi intéresser les équipes qui automatisent des tâches dans différentes applications et souhaitent maîtriser le coût des appels fréquents d’agents.
Avant de l’adopter, comparez le modèle à d’autres solutions sur vos propres tâches. Évaluez non seulement la qualité des réponses, mais aussi le nombre d’appels d’outils, la consommation de tokens, le temps nécessaire pour obtenir un résultat final et le comportement du modèle en cas de problème.
Choisissez quelques tâches représentatives de votre flux de travail et exécutez-les avec M3.1 Flash à différents niveaux de raisonnement — vous pouvez le faire directement dans le sélecteur de modèles de vega.chat.