MiniMax a lancé « M3.1 Flash » sur son API, un modèle d'intelligence artificielle (IA) de type « mixture-of-experts » proposé au prix de 0,15 dollar par million de tokens d'entrée. Selon les chiffres fournis par le laboratoire chinois, le modèle obtient un score de 62,2 sur Automation-Bench v1.0.6, devant Opus 5 (50,3) et GPT-5.6 Sol (45,8). Les résultats en matière de codage sont plus mitigés : M3.1 Flash, qui comprend 428 milliards de paramètres, obtient un score de 73,7 sur DeepSWE v1.1, soit un peu plus que GPT-5.6 Sol (73,0), contre 74,0 pour Opus. En matière de cybersécurité, le modèle obtient un score de 82.2 % sur CyberGym, démontrant des capacités de pointe en matière de détection et de validation des vulnérabilités. Les poids du modèle sont attendus pour la fin octobre 2026.MiniMax Group Inc. est une entreprise spécialisée dans l'IA basée à Shanghai, en Chine. Elle développe des modèles d'IA multimodaux et des applications grand public, notamment les applications de personnages IA « Talkie » et « Xingye », ainsi que le service de génération de vidéos « Hailuo AI ». L'entreprise a été cotée à la Bourse de Hong Kong en janvier 2026. Elle fait partie des six « tigres de l'IA » chinois.
MiniMax vient de lancer MiniMax M3.1 Flash sur son API, au prix de 0,15 dollar par million de jetons d’entrée. MiniMax a également confirmé que Space Bunny était une version antérieure de M3.1 Flash. Ce modèle développé en secret a traité plus de 200 000 milliards de jetons. Pour les développeurs, cela signifie des scores d’agentique proches de la pointe de la technologie à un coût comparable à celui de Flash. Les poids du modèle devraient être disponibles fin octobre 2026.
MiniMax M3.1 Flash : un modèle d'IA multimodal de type MoE
MiniMax M3.1 Flash est un modèle multimodal de type « mixture-of-experts » (MoE) développé par MiniMax. Il est destiné à la programmation, aux tâches administratives automatisées et au raisonnement visuel. La page produit de MiniMax indique un total de 428 milliards de paramètres, dont environ 23 milliards sont actifs. Elle mentionne également un mécanisme d'attention clairsemée et un encodeur visuel natif.
Le modèle accepte des données d'entrée sous forme de texte, d'images et de vidéos, et renvoie du texte. La fenêtre de contexte est de 1 000 000 de tokens. Ces totaux de paramètres correspondent à ceux de MiniMax M3, dont le nombre total de paramètres est d'environ 428 milliards et le nombre de paramètres actifs d'environ 23 milliards.
Un raisonnement élevé au meilleur rapport qualité-prix
Le raisonnement est toujours activé et ne peut pas être désactivé. Les développeurs peuvent choisir parmi 5 niveaux d’effort : Faible, Moyen, Élevé, Très élevé et Max. MiniMax recommande « Max » comme valeur par défaut.
La migration est ici un point important. Les requêtes envoyant thinking.type=disabled ou effort=none renvoient une erreur. Le raisonnement est fourni dans un champ distinct, reasoning_content, qui peut être absent. Les intégrations qui analysent les balises <think> en ligne provenant de M3 doivent être mises à jour.
Performances du modèle lors des tests de performance
Sur le benchmark CoWork, M3.1 Flash arrive en tête du classement Automation-Bench v1.0.6 avec un score de 62,2. Opus 5 obtient un score de 50,3 et GPT-5.6 Sol, de 45,8. Il est à égalité avec Opus 5 sur BankerToolBench, avec un score de 76,2. Il arrive également en tête du benchmark LOCA-Bench 256K avec un score de 60,3. Le test « Agents’ Last Exam » affiche un score de 29,6.
Les résultats en matière de codage sont mitigés. MiniMax M3.1 Flash obtient un score de 73,7 sur DeepSWE v1.1, soit un peu plus que GPT-5.6 Sol (73,0). DeepSeek-V4.1-Flash-1017 obtient un score plus élevé, à 77,0. Terminal Bench 4.0 affiche le résultat le plus faible, avec 38,1. SWE Refactor Bench s'établit à 23,0, contre 31,0 pour Opus 5.
En vision, MiniMax M3.1 Flash atteint 91,0 sur BabyVision avec outils et 82,5 sur CharXiv RQ. Il obtient un score de 43,4 sur HLE sans outils .
Les vérifications ponctuelles se confirment. La fiche technique du modèle Kimi K3 indique des valeurs de 67,5 pour DeepSWE et de 85,7 pour BabyVision, ce qui correspond au tableau de MiniMax. Une seule incohérence : le graphique des coûts de MiniMax situe l’effort maximal d’Automation-Bench à 62,8, alors que son tableau indique 62,2.
Coût par tâche de M3.1 Flash
Le tarif de MiniMax M3.1 Flash est de 0,15 dollar par million de jetons d’entrée (prix compétitif, médiane : 0,24 dollar) et de 0,60 dollar par million de jetons de sortie (prix modéré, médiane : 0,87 dollar).
MiniMax exprime la valeur en coût par tâche, et non par jeton. Sur son graphique Automation-Bench, les 5 niveaux d’effort se situent tous en dessous de 0,05 dollar par tâche. Les scores vont de 52,8 pour un faible effort à 62,8 pour un effort maximal. Une exécution complète de 152 tâches de « Agents’ Last Exam » a coûté environ 111 dollars à 29,6. Sur DeepSWE, DeepSeek V4.1 Flash-1017 affiche des résultats à la fois plus élevés et moins chers à effort maximal.
Résumé comparatif
MiniMax M3.1 Flash figure parmi les modèles les plus performants en termes d'intelligence et offre un bon rapport qualité-prix par rapport à d'autres modèles de gamme de prix similaire. Il est toutefois plus lent que la moyenne et très prolixe. Ce modèle prend en charge les entrées de texte et d'images, génère du texte en sortie et dispose d'une fenêtre de contexte de 1 million de tokens.
MiniMax M3.1 Flash obtient un score de 43 à l'indice Artificial Analysis Intelligence, ce qui le place bien au-dessus de la moyenne des modèles comparables (médiane : 13). Lors de l'évaluation de cet indice, il a généré 180 millions de tokens, ce qui est très volumineux par rapport à la médiane de 100 millions.
Le tarif de MiniMax-M3.1-Flash est de 0,15 dollar par million de jetons d’entrée (prix compétitif, médiane : 0,24 dollar) et de 0,60 dollar par million de jetons de sortie (prix modéré, médiane : 0,87 dollar). En moyenne, l’évaluation de MiniMax-M3.1-Flash sur l’Intelligence Index coûte 0,22 dollar par tâche.
Avec 93 tokens par seconde, MiniMax-M3.1-Flash est plus lent que la moyenne (114).
Le lancement de M3.1 Flash par MiniMax intervient quelques semaines après que Clément Delangue, PDG de Hugging Face, a déclaré que la Chine mène actuellement la course à l'IA et pourrait dominer le secteur d'ici la fin de l'année. Selon lui, les développeurs d'IA chinois dominent clairement le domaine des modèles ouverts à l’heure actuelle, et il ne serait pas surprenant qu’ils commencent également à dominer le domaine de pointe d’ici la fin de cette année ou l’année prochaine, compte tenu du rythme des progrès. Il ajoute que les créateurs de modèles américains, en revanche, « travaillent en silos » et risquent de prendre du retard.
Annonce de MiniMax M3.1 Flash
Le 19 octobre 2026, l'entreprise chinoise d'intelligence artificielle MiniMax a annoncé le lancement de M3.1 Flash. Cette annonce est présentée ci-dessous.
Aujourd’hui, nous lançons officiellement MiniMax M3.1 Flash. Space Bunny, qui a traité plus de 200 000 milliards de jetons tout en fonctionnant de manière anonyme, était une première version de MiniMax M3.1 Flash.
En tant que modèle Flash de nouvelle génération, M3.1 Flash marque un bond en avant en matière de tâches agentiques, de codage, d’utilisation de l’ordinateur et de cybersécurité, tout en rendant l’inférence en ligne près de trois fois plus rapide et en réduisant les coûts d’utilisation de 70 %.
Des capacités renforcées à tous les niveaux
M3.1 Flash affiche des performances en hausse dans un large éventail de tests de performance, atteignant le niveau des modèles de pointe dans les tâches complexes impliquant des agents (cowork), l'utilisation d'un ordinateur, le développement logiciel (codage) et la cybersécurité.
Tâches complexes et automatisation
M3.1 Flash figure parmi les meilleurs performers sur Automation-Bench-AA. Il est capable de mener à bien des flux de travail d’entreprise réels à travers des systèmes SaaS, en résolvant de bout en bout des problèmes concrets dans les domaines de la vente, du marketing, des opérations, du service client, de la finance et des ressources humaines.
Avec un score de 76,2 sur BankerToolBench, il excelle dans les défis complexes du monde réel, tels que la planification en plusieurs étapes, le maintien de la cohérence entre les documents et les fichiers, la conformité financière et les appels d'outils en chaîne.
Codage et génie logiciel
Le modèle atteint un score de 73,7 % sur DeepSWE v1.1, ce qui le place au même niveau que les meilleurs modèles. DeepSWE se concentre sur des tâches logicielles complexes qui exigent des modèles qu’ils comprennent le code de manière autonome, développent des fonctionnalités, corrigent des problèmes et valident leur travail par des tests. M3.1 Flash fait preuve d’une grande efficacité dans l’exécution de longues séquences d’étapes, permettant ainsi de prendre en charge des workflows complexes de développement logiciel à moindre coût.
Utilisation d’un ordinateur
Il obtient un score de 61,7 points au test OSWorld V2, qui mesure le fonctionnement d’un ordinateur doté d’IA et l’exécution de tâches inter-applications, et de 29,6 points au test ALE (Agents’ Last Exam), qui évalue les performances dans le cadre de tâches professionnelles réelles et complexes. Il...
La fin de cet article est réservée aux abonnés. Soutenez le Club Developpez.com en prenant un abonnement pour que nous puissions continuer à vous proposer des publications.