MiniMax M3.1-Flash-Preview – MiniMax 推出的极速日常开发文本模型

AI工具2个月前更新 aibin_cn
747 0
MiniMax M3.1-Flash-Preview - MiniMax 推出的极速日常开发文本模型

MiniMax M3.1-Flash-Preview 是什么

MiniMax M3.1-Flash-Preview 是 MiniMax 推出的新一代极速文本模型,于 2026 年 9 月 27 日正式上线 MiniMax Code 平台。模型定位为日常开发场景的稳定生产力工具,从单点 Bug 修复到完整功能开发都能交付,官方强调的两点是响应速度与稳定性。M3.1-Flash-Preview 延续 MiniMax M3 的 100 万 token 上下文窗口,支持文本、图片、视频输入与文本输出,新增了五档思考深度控制(low、medium、high、xhigh、max,默认 max),适合每日高频改码、多文件重构、回归测试与代码影响面审计等开发任务。需要注意的是,本次上线仅限 MiniMax Code,官方未同步开放 API 调用与开源权重。

MiniMax M3.1-Flash-Preview 的主要功能

  • 五档思考深度:通过 output_config.effort 在 low、medium、high、xhigh、max 之间调节,档位越高思考越充分、输出 token 越多、延迟越高,省略时默认取最高档 max。
  • 日常开发闭环:从问题定位、代码实现到测试验证、成果交付连成一条链路,覆盖 Bug 修复与完整功能开发两类主任务。
  • 边界情况处理:官方称模型会细致处理边界条件(boundary conditions),补齐回归测试,并验证改动对现有功能的影响。
  • 超长上下文:沿用 1M token 上下文窗口,可容纳大型仓库与长会话,减少跨文件任务中反复补上下文的操作。
  • 文本与多模态输入:输入支持 text、image、video 三种消息类型,输出为文本;图片支持 JPEG、PNG、GIF、WEBP,视频支持 MP4、AVI、MOV、MKV。
  • 工具调用与思考回传:tool_use 与 tool_result 完全支持,思考内容以 thinking 块返回,多轮对话中需原样回传。
  • Anthropic 与 OpenAI 双协议:MiniMax 平台同时提供 Anthropic 兼容端点与 OpenAI 兼容端点,接入方式与 Claude Code 等工具相近。

MiniMax M3.1-Flash-Preview 的技术原理

  • 强制推理模式:与 M3 可按需关闭思考不同,M3.1-Flash-Preview 的思考是强制的。发送 thinking: {"type": "disabled"} 会直接返回 HTTP 400,报错信息为 requires adaptive thinking;官方给出的降耗手段是把 effort 调到 low,而非关掉思考。
  • 思考深度阶梯:M3 不支持思考深度控制,M3.1-Flash-Preview 则在 output_config.effort 上开放了 low 到 max 五个档位,用同一模型覆盖从单行补全到多文件重构的不同风险等级任务。
  • MSA 稀疏注意力:1M 上下文的底座来自 MiniMax Sparse Attention(MSA),本质是对自注意力机制做的稀疏化改造,这是 M3 一代引入的长上下文方案,M3.1-Flash-Preview 沿用同一路线。
  • 多模态消息协议:图片与视频走 URL、base64 或 mm_file://{file_id} 三种传入方式。单请求体上限 64 MB,图片单张上限 10 MB、视频 50 MB,超限需先走 Files API 上传,那里视频上限可放宽到 512 MB。
  • 流式推理与 token 预估:支持流式响应,并提供 POST /anthropic/v1/messages/count_tokens 端点,可在不生成输出的情况下预估输入 token 用量。

如何使用 MiniMax M3.1-Flash-Preview

方式一:在 MiniMax Code 中直接使用

  • 登录平台:打开 MiniMax Code 并登录账号,M3.1-Flash-Preview 已作为默认日常模型置于模型选择器中。
  • 选定工作区:把本地工程目录加入工作区,让模型能读到相关文件与上下文。
  • 选择思考档位:在输入框旁的 Effort 下拉中选择 low、med、high、xhigh 或 max。低档适合语法修正与补全,高档适合多文件重构与回归验证。
  • 下达任务:用自然语言描述需求,等待模型给出可提交的 diff 及影响面信息。
  • 日常签到领额度:2026 年 9 月 28 日至 10 月 7 日(UTC+8)期间每日签到可获双倍免费积分,新老用户均可参与。

方式二:通过 API 调用(Anthropic 兼容端点)

  • 准备密钥:在 MiniMax 平台获取 API Key,请求头使用 Authorization: Bearer <你的Key>。
  • 指定端点:向 https://api.minimax.io/anthropic/v1/messages 发送请求,模型 ID 填 MiniMax-M3.1-Flash-Preview。
  • 设置思考档位:请求体中加 "output_config": {"effort": "max"},可按需降为 low 至 xhigh。
  • 注意不要关思考:不要传 thinking: {"type": "disabled"},该参数会被拒绝;如需控耗请调低 effort。
curl https://api.minimax.io/anthropic/v1/messages \
  -H "Authorization: Bearer <你的Key>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MiniMax-M3.1-Flash-Preview",
    "max_tokens": 2048,
    "output_config": { "effort": "max" },
    "messages": [{ "role": "user", "content": "Hi, how are you?" }]
  }'

MiniMax M3.1-Flash-Preview 的核心优势

  • 速度与稳定性优先:以 Flash 定位切入日常改码,把低延迟作为主要卖点,适合高频、短周期的开发循环。
  • 五档算力预算显式可控:把 test-time compute 做成五档滑杆,团队可以按任务风险等级分配算力,而不必在「无思考」和「长思考」之间二选一。
  • 上下文不用断点续传:1M 窗口让大型仓库与长会话可以整体带入,跨文件重构时省掉反复重建上下文的工作。
  • 开发闭环而非单点补全:把需求理解、边界处理、回归测试、影响面验证串成一条链路,输出的是带验证的改动而非裸代码片段。
  • 额度可跨模型使用:签到获得的积分不限于代码模型,也可用于 MiniMax 的视频模型 H3 与 H3 Max,做代码与视频的算力调配。
  • 上线即重置存量额度:所有用户的 Token Plan 额度在 M3.1-Flash-Preview 上线后立即重置,官方预告后续还会有更多次重置。

MiniMax M3.1-Flash-Preview 的同类竞品对比

对比维度 MiniMax M3.1-Flash-Preview MiniMax M3
上线时间 2026-09-27,仅上线 MiniMax Code 2026-06-01,附带架构说明、基准表与价目表
上下文窗口 1M tokens(官方模型表口径,第三方追踪站标注为未单独公布) 1M tokens
最大输出 官方与第三方均未公布 512K tokens
输入模态 文本 + 图片 + 视频,输出文本 文本 + 图片 + 视频,输出文本
思考控制 思考强制开启,关思考返回 HTTP 400;支持 low→max 五档深度 可传 disabled 跳过思考;支持 reasoning_split 分离思考内容
公开输出速度 未公布,仅有「极速」定位 官方模型表给出约 100+ tokens/秒
API 价格 无按 token 报价,仅能通过 Token Plan 与 MiniMax Code 使用 $0.30 / 百万输入、$1.20 / 百万输出,缓存输入 $0.06
开源与权重 未开源,无公开仓库 开放权重,有公开仓库
基准成绩 0 项公开基准,无模型卡、无技术报告 SWE-bench Verified 80.5%、SWE-bench Pro 59.0%

需要说明三点,避免误读这张表。第一,M3.1-Flash-Preview 的 1M 上下文出现在 MiniMax 自家模型表中,但部分第三方追踪站(如 BenchLM)把它标注为「该型号未单独公布」,两处口径不一致,因此上线初期引用这个数字时建议说明来源。第二,M3.1-Flash-Preview 被定位为「极速」模型,却没有任何一方给出输出速度数字,而旧版 M3 有官方数据,这一点在对比时容易产生错觉。第三,「思考强制开启」是本次最实质的变化:用 M3 做廉价分类器或路由器的场景,即短提示进、短结构化结果出、不要思维链,无法直接升级,官方建议的降级手段是把 effort 调低,但 token 与延迟不会归零。此外,上线数目前 MiniMax 未公布该模型的 benchmark、模型卡、上下文上限细节、API model ID 与按 token 价格,以上信息以官方实时文档为准。

MiniMax M3.1-Flash-Preview 的应用场景

  • 日常 Bug 修复与补丁生成:用 low 或 medium 档处理单个报错定位与热修复,付出较低的思考 token 换取更快的改动交付,适合每天多次触发的小改动。
  • 完整功能开发:用 high 及以上档位承接从需求理解到实现、测试、交付的完整链路,模型会自动补齐边界条件处理与回归测试。
  • 多文件重构与影响面审计:把整个工程目录带入 1M 上下文,做跨文件重构并输出改动对现有功能潜在影响的评估,降低隐形破坏风险。
  • 回归测试生成:在提交前让模型基于改动内容生成测试用例并执行验证,把测试补齐这一步并入开发流程本身。
  • 大型仓库的日常问答:把项目整体作为上下文做代码理解与新人上手问答,省掉传统代码检索方案里分片导致的上下文断裂。
  • 代码与视频算力统一调配:由于签到积分可跨模型使用,团队可以把同一份额度在代码开发与 H3、H3 Max 视频生成之间动态分配。

同期上线的国产模型还有 LongCat-2.5-Preview 与 openPangu-2.0 两篇评测,想看更多同类型工具可以逛 AI 编程工具 分类。

© 版权声明

相关文章