Нива на усилие в MiniMax M3.1 Flash: защо настройката по подразбиране струва 7 пъти повече при поправка на една и съща грешка

MiniMax M3.1 Flash има пет нива на мислене и няма опция за изключването му. Ако не изберете ниво, моделът избира най-дълбокото вместо вас. В ръководството на MiniMax за генериране на текст се посочва, че усилието „по подразбиране е max, ако не е зададено“.

Тази настройка по подразбиране е скъпа по начин, който лесно може да остане незабелязан. AIHubMix изпълни една и съща поправка на две грешки при всяко ниво. При настройката по подразбиране бяха използвани около 10 пъти повече токени за мислене спрямо low, а изпълнението отне около 6 пъти повече време; всички изпълнения на всички нива преминаха и 215-те теста. Разходът на модела за мислене нарастваше с нивото на усилие, докато трудността на задачата оставаше същата.

Краткият отговор: започнете с low, повишавайте нивото само ако дадена задача се провали или се налагат повторни опити и никога не оставяйте полето празно.

Пет нива, без опция за изключване

Мисленето не може да бъде изключено. Според справочника за Messages API на MiniMax API връща HTTP 400 при thinking: {"type": "disabled"} и при усилие none, със съобщението model "MiniMax-M3.1-Flash" requires adaptive thinking. По-старите модели на MiniMax изцяло игнорират полето за усилие. Засега M3.1 Flash е единственият модел на MiniMax, при който то оказва влияние.

И трите протокола са налични за minimax-m3.1-flash в AIHubMix. Една разлика спрямо собственото API на MiniMax: AIHubMix прие reasoning_effort: "none" и "minimal" с HTTP 200, но моделът въпреки това мислеше. Считайте тези стойности за неактивни, а не за начин да изключите мисленето.

Колко струваше всяко ниво при една задача

Тестът: функция за таксуване с две грешки. Пауза, която продължава след края на периода, отчита един ден два пъти, а застъпващите се паузи се приспадат два пъти. Моделът връща поправената функция, а локален тестов инструмент я проверява спрямо 215 скрити случая. Всяко ниво беше изпълнено по три пъти през крайната точка Chat Completions на AIHubMix на 19 октомври 2026 г., с max_tokens зададено на 32,768. Всички стойности са измерени от AIHubMix и никой друг не ги е възпроизвел.

Разходите са изчислени по цените на AIHubMix за minimax-m3.1-flash: $0.165 за милион входни токени, $0.66 за милион изходни токени и $0.0165 за милион кеширани входни токени. Токените за мислене се таксуват като изходни. Например, средно за реда „не е зададено“ са отчетени 464 входни токена (около 192 от тях кеширани) и 6,673 изходни токена, което прави приблизително $0.0045 за една поправка.

Какво показват числата

За тази задача беше достатъчно ниско ниво. Всяко ниво всеки път даваше правилна поправка. При ограничена грешка в една функция допълнителното мислене на по-високите нива не донесе нищо измеримо.

Преходът от low към medium е отчетлив. При medium средно бяха използвани около 2.6 пъти повече токени за мислене, отколкото при low, а времето беше повече от двойно.

Над medium разликите между нивата се размиват. В изпълненията с xhigh средно бяха използвани по-малко токени, отколкото при high, а max се припокриваше и с двете. Три изпълнения на ниво не са достатъчни, за да ги разграничим. При тази задача „high“, „xhigh“ и „max“ означаваха „повече мислене, понякога много повече“.

Ако нивото не е зададено, поведението е като при max. Това съответства на документацията на MiniMax. Средната стойност при „не е зададено“ се оказа по-висока от тази при „max“, но диапазоните се припокриват и разликата е в рамките на вариациите между отделните изпълнения.

На всяко ниво има големи вариации. При настройката по подразбиране времето варираше от 39 до 82 секунди при една и съща заявка. В крайната точка Anthropic Messages три изпълнения с low използваха 511, 1,861 и 6,060 токена за мислене. Последното отне 56 секунди — колкото типично изпълнение с max. Нивото на усилие задава средната дълбочина на мисленето, а не твърд лимит за него.

Скоростта на генериране беше постоянна — около 112 изходни токена в секунда при всичките 24 изпълнения на Flash, така че времето нараства почти линейно спрямо броя токени за мислене. При тази скорост мисленето с 6,000 токена означава чакане почти цяла минута.

MiniMax не е публикувала собствени данни за токените или латентността по нива. Не можем да кажем въз основа само на този тест какво се случва, когато по-трудна задача започне да изисква по-високи нива. Горните числа показват единствено колко струва всяко ниво, когато задачата няма нужда от него.

При кратки заявки почти няма мислене

„Винаги мисли“ не означава „винаги мисли много“. Мисленето е адаптивно, затова дълбочината му зависи от това колко трудна изглежда заявката:

• Класифициране на пет заявки към поддръжката в един от четири етикета: 0 токена за мислене при low и средно 6 при настройката по подразбиране. Всички етикети бяха правилни.
• „Колко е 17 × 23?“ при low: изобщо нямаше мислене, 2 изходни токена.

Затова липсата на опция за изключване почти не струва нищо при кратки заявки за класификация, извличане и маршрутизиране. Разходът се усеща при задачи с отворен край, като писане на код, където моделът намира все повече неща за обмисляне, колкото по-дълбоко му позволите да мисли.

Откъде да започнете

Това са отправни точки. Само първите два реда са измерени директно; останалите са наши препоръки, които трябва да проверите спрямо собствените си повторни опити:

Използвайте max само ако сте видели как high се проваля при този тип задача.

Какво се поврежда или поскъпва при промяна на нивото на усилие

• Съкратени отговори. Токените за мислене се броят към max_tokens. При едно изпълнение с настройката по подразбиране бяха използвани 9,376 токена за мислене за една функция, така че лимит от 4K или 8K, зададен за отговорите на M2.x, може да прекъсне отговора със finish_reason: "length". MiniMax препоръчва 131,072 и разрешава 524,288.
• Изтичане на времето за изчакване. При high и по-високи нива едно извикване може да отнеме минута. Настройките за изчакване на клиентите и прокситата, зададени за бърз модел, трябва да се увеличат до поне 120 секунди.
• Стойности, които тихомълком не правят нищо. През AIHubMix бяха приети none, minimal и непозната стойност като auto, но моделът продължи да мисли. Според тестовете на проект за шлюз собствените крайни точки на MiniMax отхвърлят непознати стойности (issue #8025 в sub2api). Използвайте една от петте документирани стойности.
• Инструменти, които не предоставят достъп до нивата. В момента OpenCode не предлага варианти за нивото на усилие за този модел, а някои рамки изпращат „thinking disabled“, което задейства грешка 400. Проверете какво точно изпраща вашият инструмент.
• Смесване на модели в един конвейер. M3 и M2.x игнорират полето за усилие. Ако маршрутизирате между модели, ниво на усилие, което спестява пари при Flash, няма да има никакъв ефект при останалите.

Задаване във всеки протокол

И трите протокола са налични през AIHubMix с един ключ. Ръководството за бърз старт обяснява работата с ключовете, а страницата за унифицирани параметри за разсъждение описва как AIHubMix обработва полетата за разсъждение при различните доставчици.

Chat Completions:

curl https://aihubmix.com/v1/chat/completions \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "minimax-m3.1-flash",
       "reasoning_effort": "low",
       "max_tokens": 32768,
       "messages": [{"role": "user", "content": "Write a function that merges overlapping date ranges."}]}'

Anthropic Messages (Python SDK; output_config се поставя в extra_body, ако версията на вашия SDK не познава това поле):

import os
import anthropic

client = anthropic.Anthropic(base_url="https://aihubmix.com", api_key=os.environ["AIHUBMIX_API_KEY"])

msg = client.messages.create(
    model="minimax-m3.1-flash",
    max_tokens=32768,
    messages=[{"role": "user", "content": "Write a function that merges overlapping date ranges."}],
    extra_body={"output_config": {"effort": "medium"}},
)
print(msg.usage)

Responses:

import os
from openai import OpenAI

client = OpenAI(base_url="https://aihubmix.com/v1", api_key=os.environ["AIHUBMIX_API_KEY"])

resp = client.responses.create(
    model="minimax-m3.1-flash",
    reasoning={"effort": "low"},
    max_output_tokens=32768,
    input="Write a function that merges overlapping date ranges.",
)
print(resp.usage)

Проверявайте usage при първите няколко извиквания. Chat Completions отчита мисленето в completion_tokens_details.reasoning_tokens, Messages — в output_tokens_details.thinking_tokens, а Responses — в output_tokens_details.reasoning_tokens. Ако тези числа не се променят при смяна на нивото, настройката не достига до модела.

Често задавани въпроси

Какво е нивото на усилие по подразбиране за MiniMax M3.1 Flash?
Max. Ако в заявката няма поле за усилие, моделът мисли на най-дълбокото ниво.

Мога ли напълно да изключа мисленето?
Не. Изключването на мисленето връща HTTP 400 от API на MiniMax. Най-ниското ниво е low, а при кратки заявки low често не използва никакви токени за мислене.

Кое ниво на усилие да използвам за програмиране?
Започнете с low за поправки в една функция и кратки прегледи, с medium за промени в няколко файла и повишавайте нивото само ако задачата се провали. В нашия тест low поправи правилно функцията с две грешки при всяко изпълнение.

По-точно ли е нивото max?
Не и при нашата тестова задача: всички нива преминаха и 215-те теста. Max използваше много повече токени и време. По-високите нива може да помогнат при по-трудни задачи, но никой не е публикувал данни, които показват в кои случаи.

Защо една и съща заявка веднъж отне 10 секунди, а следващия път — 56 секунди?
Дълбочината на мислене варира между изпълненията дори при едно и също ниво. Едно изпълнение с ниско усилие през крайната точка Messages използваше около десет пъти повече токени за мислене от друго.

Работи ли reasoning_effort none през AIHubMix?
Стойността се приема без грешка, но моделът продължава да мисли. Вместо това използвайте low.

Как да разбера колко токени за мислене е използвало едно извикване?
Проверете обекта usage: reasoning_tokens при Chat Completions и Responses, а thinking_tokens при Messages API.

Продължете с поредицата за MiniMax M3.1 Flash

• За по-широк поглед към тази настройка — от пускането на Space Bunny до сравнението на цените с M2.7 и M3: MiniMax M3.1 Flash е Space Bunny: какво се промени спрямо M2.7 и M3 и колко струва
• Нивото на усилие е едно от няколкото неща, които се променят при преминаване на код от M2.5/M2.7. Тази публикация разглежда грешките 400 и всичко останало: Преминаване от MiniMax M2.5/M2.7 преди 18 ноември: отстраняване на грешката 400 „requires adaptive thinking“ в M3.1 Flash
• При ниско ниво на усилие Flash беше най-евтиният от три модела за една и съща поправка. Ето как настройката му по подразбиране се сравнява с тази на DeepSeek и Haiku: MiniMax M3.1 Flash срещу DeepSeek V4.1 Flash срещу Claude Haiku 5.5: една поправка на грешка, три сметки

Източници

• MiniMax: извикване на модел (ръководство за генериране на текст)
• MiniMax: справочник за Messages API
• AIHubMix: MiniMax M3.1 Flash
• AIHubMix: унифицирани параметри за разсъждение
• issue #8025 в sub2api: поддръжка на effort за MiniMax M3 / M3.1 Flash