MiniMax lanza M3.1 Flash, el modelo detrás de Space Bunny, con foco en agentes y un precio de 0,15 dólares por millón de tokens

MiniMax presentó oficialmente M3.1 Flash, un modelo de razonamiento orientado a agentes, programación, uso de computadoras y ciberseguridad, y confirmó que Space Bunny, el modelo anónimo que durante semanas encabezó las tablas de uso de varias plataformas para desarrolladores, era una versión preliminar del mismo sistema. Ya está disponible en la API de MiniMax, en su suscripción M Plan y en la aplicación MiniMax Code, con un precio fijo de 0,15 dólares por millón de tokens de entrada, 0,60 por millón de salida y 0,015 por millón de tokens de entrada en caché. La empresa anunció que publicará los pesos el 23 de octubre.

El lanzamiento cierra una prueba a ciegas poco habitual. Según OpenRouter, Space Bunny fue su modelo más usado durante diez días seguidos y procesó 56,7 billones de tokens antes de retirarse de la plataforma el 5 de octubre; OpenCode informó que lideró su ranking durante doce días consecutivos. MiniMax afirma que, en total, la versión anónima procesó más de 200 billones de tokens. Publicar un modelo sin marca permite medir cómo lo usan los desarrolladores sin el sesgo de la reputación del laboratorio, a cambio de que esos usuarios trabajen con un sistema cuyo origen desconocen.

En sus cifras propias, MiniMax sostiene que M3.1 Flash es casi tres veces más rápido en inferencia que su predecesor y reduce un 70 % el costo de uso en tareas de agentes, gracias a una dispersión más agresiva del modelo. Reporta 73,7 % en DeepSWE v1.1, una prueba de ingeniería de software de varios pasos; 61,7 puntos en OSWorld V2, que mide el manejo de aplicaciones de escritorio; 29,6 en Agents’ Last Exam y 82 % en CyberGym, centrado en descubrir y validar vulnerabilidades. La compañía dice que en uso cotidiano la salida supera los 200 tokens por segundo, con una mediana superior a 170. La documentación de la API indica una ventana de contexto de un millón de tokens, comprensión de imagen y video y un parámetro reasoning_effort con cinco niveles, de low a max. El modelo siempre razona y no permite desactivar el pensamiento.

La evaluación independiente de Artificial Analysis, hecha en el nivel máximo de razonamiento, matiza esas cifras. El modelo obtuvo 42 puntos en su índice de inteligencia, 13 más que MiniMax-M3, empatado con GLM-5.3-Flash, por encima de Gemini 3.8 Flash (41) y por debajo de DeepSeek V4.1 Flash 1017 (45). Su punto fuerte es el costo. Generó unos 189 millones de tokens de salida para completar el índice, frente a 324 millones de GLM-5.3-Flash, y cada tarea le costó unos 0,22 dólares, menos de la mitad que su predecesor. El punto débil es la fiabilidad factual. En la prueba AA-Omniscience respondió bien el 56 % de las preguntas, pero intentó contestar casi todas y, cuando no conocía la respuesta, dio una incorrecta en el 93 % de los casos. MiniMax-M3 tenía el perfil opuesto, con pocas respuestas intentadas y una tasa de alucinación del 18 %.

En nuestro análisis, ese contraste define para qué sirve el modelo. En flujos de agentes con verificación externa, como un repositorio con pruebas automatizadas, el bajo costo por tarea pesa más que la tendencia a inventar. En tareas de consulta factual sin revisión humana, esa misma tendencia es un riesgo concreto. El lanzamiento también confirma la presión de precios que los laboratorios chinos ejercen sobre el segmento de modelos rápidos y baratos, donde M3.1 Flash compite directamente con GLM-5.3-Flash y la línea Flash de DeepSeek.

Lo siguiente es la publicación de los pesos, que permitirá a terceros ejecutar el modelo en infraestructura propia y comprobar las cifras del fabricante. MiniMax adelantó además que prepara una versión Pro, orientada a ampliar el techo de capacidad, sin fecha anunciada.