MiniMax vừa tung ra phiên bản M3.1 Flash với chi phí chỉ bằng một nửa so với MiniMax M3 tiêu chuẩn nhằm tối ưu ngân sách cho các hệ thống agent. Dù vậy, dữ liệu thử nghiệm thực tế cho thấy model mới này chủ yếu cạnh tranh về giá chứ không vượt trội hơn về tốc độ xử lý hay chất lượng hoàn thành tác vụ.
Bài viết này sẽ mổ xẻ chi tiết các con số về giá và kết quả thử nghiệm hiệu năng thực tế. Các kỹ sư và nhà phát triển AI có thể dựa vào đây để chọn model tối ưu nhất cho dự án của mình mà không tốn thời gian thử sai.
MiniMax M3.1 Flash ra mắt với mức giá API giảm một nửa
MiniMax chính thức phát hành M3.1 Flash vào ngày 19 tháng 10 năm 2026. Điểm nhấn lớn nhất của phiên bản này là mức biểu phí API được cắt giảm đúng một nửa so với model tiền nhiệm.
Cụ thể, MiniMax niêm yết giá Flash ở mức 0,15 USD cho mỗi triệu token đầu vào và 0,60 USD cho mỗi triệu token đầu ra. Trong khi đó, mức giá chiết khấu của M3 là 0,30 USD cho đầu vào và 1,20 USD cho đầu ra đối với các yêu cầu không quá 512K token đầu vào. Sự chênh lệch này giúp các nhà phát triển giảm đáng kể áp lực tài chính khi duy trì các hệ thống AI agent chạy với khối lượng dữ liệu lớn.
Hiệu năng AutomationBench-AA: Rẻ hơn nhưng không vượt trội
Mức chi phí thấp hơn không đồng nghĩa với hiệu suất tốt hơn khi đưa các hệ thống AI agent vào vận hành thực tế. Artificial Analysis chấm điểm M3.1 Flash đạt 72,5% trên AutomationBench-AA. Điểm số AutomationBench-AA đo lường tỷ lệ các mục tiêu tác vụ được hoàn thành mà không vi phạm quy tắc an toàn.
Dù đạt mức điểm đáng khích lệ cho một model giá rẻ, Flash không tạo cách biệt về tốc độ phản hồi so với phiên bản MiniMax M3 ra mắt trước đó vào ngày 19 tháng 10 năm 2026. Các kỹ sư khi triển khai các chuỗi tác vụ tự động dài sẽ nhận thấy model mới giữ nguyên tốc độ xử lý cơ bản của thế hệ tiền nhiệm. Sự đánh đổi này hướng tới các nhóm phát triển ưu tiên bài toán cắt giảm ngân sách vận hành token thay vì tìm kiếm một bước nhảy vọt về năng lực xử lý agent.
Lựa chọn giữa MiniMax M3.1 Flash và MiniMax M3 cho dự án
Việc quyết định dùng model nào phụ thuộc vào yêu cầu cụ thể của từng hệ thống và bài toán ngân sách. M3.1 Flash phù hợp cho khối lượng tác vụ lớn cần tiết kiệm chi phí vận hành token.
Trong khi đó, MiniMax M3 vẫn là lựa chọn ưu tiên cho các tác vụ phức tạp đòi hỏi độ chính xác cao nhất từ AI agent. Nhà phát triển nên đo lường latency thực tế trên pipeline riêng trước khi đưa ra quyết định thay thế toàn bộ hệ thống.