MiniMax M3.1 Flash リリースノート

MiniMaxは、エージェントワークフロー、ソフトウェアエンジニアリング、およびコンピュータ操作に最適化された次世代モデル「M3.1 Flash」を正式にリリースしました。以前は内部コードネーム「Space Bunny」としてテストされていたこのモデルは、高性能な機能と、積極的な価格設定および推論効率のバランスを両立させることを目指しています。

パフォーマンスと機能

M3.1 Flashは、複雑なマルチステップ自動化のための専門ツールとして位置付けられています。MiniMaxによると、このモデルはいくつかの業界ベンチマークで競争力のあるスコアを達成しています。

• 自動化と計画: BankerToolBenchで76.2を記録し、マルチステップの計画、財務コンプライアンス、および連鎖的なツール実行における習熟度を実証しています。
• ソフトウェア開発: 自律的な機能開発とバグ修正に焦点を当てたベンチマークであるDeepSWE v1.1で73.7%を達成しました。
• コンピュータ使用: OSWorld V2で61.7、Agents’ Last Exam (ALE)で29.6を記録しました。これは、クロスアプリケーションのタスク実行において中国のモデルの中で最高であると企業は主張しています。
• サイバーセキュリティ: CyberGymで82%のスコアを報告しており、コード監査、脆弱性パッチ適用、ペネトレーションテストにわたる機能を有しています。

MiniMaxは、これらの向上をモデルアーキテクチャにおけるより積極的なスパース性（疎性）によるものとしており、これにより最適な条件下で毎秒200トークン（TPS）を超える出力速度を実現し、中央値でも170+ TPSを達成しています。

価格と可用性

MiniMaxは利用コストの大幅な削減を実施し、前モデルであるM3と比較して70%の削減を主張しています。価格体系は以下の通りです。

• 入力: 100万トークンあたり$0.15
• 出力: 100万トークンあたり$0.60
• キャッシュされた入力: 100万トークンあたり$0.015

このモデルは現在、MiniMax API、M Plan、およびMiniMax Codeデスクトップアプリケーションを通じて利用可能です。同社は、モデルの重みは後日公開される予定であると述べています。

コミュニティの反応と分析

開発者コミュニティにおけるユーザーの反応はまちまちで、ベンチマークスコアへの依存に対して強い懐疑的な見方が示されています。多くのユーザーは、「Space Bunny」（モデルのリリース前バージョン）がテスト中にさまざまなフィードバックを受けていたことを指摘しており、一部の開発者はDeepSeek V4.1 FlashやQwenのバリエーションといった競合他社と比較して、コーディングタスクに苦戦したと報告しています。

批評家は、標準化されたテストでのモデルパフォーマンスが実際の有用性に結びつかない可能性がある「ベンチマーク至上主義（benchmaxxing）」の傾向を指摘しています。一部のユーザーは、MiniMaxの内部ベンチマークと独自の独立したテストとの間に不一致があることに言及しました。ある観察者は次のように述べています。

「ベンチマークを巡る歪んだインセンティブは現在非常に深刻で、ベンチマークスコアは事実上無意味になっています。モデルは高いスコアを出すことができても、実際には使い物にならない可能性があります。」 — @handle

他のユーザーは、コストパフォーマンス比は魅力的であるものの、タスク完了までの実際の「壁時計時間（wall clock time）」が依然として重要な要素であり、マーケティング資料からしばしば省略されていることを強調しました。一部のテスターはドキュメント作成や構造的なタスクにはこのモデルが有効であると判断しましたが、高リスクなコーディング環境において既存の代替手段を一貫して上回るわけではないと警告する声もありました。