MiniMax M3.1 Flash es Space Bunny: qué cambió respecto a M2.7 y M3, y cuánto cuesta

A finales de septiembre, un modelo sin el nombre de su fabricante encabezó la clasificación diaria de OpenRouter, por delante de DeepSeek V4.1 Flash, y se mantuvo como el modelo más usado de OpenCode durante cinco días seguidos. Aparecía con el nombre Space Bunny Alpha y era gratis. Ese modelo era MiniMax M3.1 Flash. Al 19 de octubre de 2026, puedes usarlo pagando por token en AIHubMix como minimax-m3.1-flash, a $0.165 por millón de tokens de entrada y $0.66 por millón de tokens de salida.

En resumen:

• Reemplaza a M2.7. A partir del 19 de octubre, MiniMax redirige a M3.1 Flash las solicitudes de M Plan y Token Plan para M2.5 y M2.7. Ambas familias anteriores se retirarán el 18 de noviembre.
• Cuesta alrededor de un 43% menos que M3 por token en AIHubMix. MiniMax aún no ha publicado un precio por token propio.
• El modo de razonamiento siempre está activado y, de forma predeterminada, se usa el nivel más profundo. En una pequeña corrección de errores, el valor predeterminado usó aproximadamente 7× los tokens de salida de la opción low y tardó unas 6× más. Ambas opciones superaron todas las pruebas.

De Space Bunny a un ID de modelo

Las fechas y posiciones en las clasificaciones provienen de la cronología de Space Bunny de CellCog, que recopila publicaciones de OpenRouter y OpenCode. Durante la semana en que se mantuvo oculto, la comunidad identificó el modelo por su tokenizador antes de que MiniMax dijera nada. La comparación de tokenizadores de cheaty en X descubrió que el tokenizador de texto de Space Bunny «coincide perfectamente con el de MiniMax M3». Otros evaluadores obtuvieron coincidencias en 36 de 36 y 50 de 50 cadenas de prueba. Las especificaciones publicadas de Space Bunny también eran idénticas a las que MiniMax documentó más tarde: contexto de 1M, entrada de texto, imágenes y video, y razonamiento que no se puede desactivar. Un usuario pionero lo resumió así: «es increíblemente rápido, pero necesita instrucciones claras y específicas; de lo contrario, es demasiado perezoso». Tenlo en cuenta al redactar prompts para el modelo.

Desde entonces, MiniMax ha quitado la etiqueta «Preview» de su documentación. La lista de modelos ahora lo llama MiniMax-M3.1-Flash, un «modelo multimodal de programación de vanguardia con una ventana de contexto de 1M y profundidad de razonamiento ajustable». Todas las respuestas de AIHubMix también indican el nombre del modelo upstream.

Qué cambió respecto a M2.7

Para quienes usan un plan de MiniMax, M2.7 es el modelo que M3.1 Flash reemplazó de la noche a la mañana. Estas son las diferencias que importan en la práctica:

La entrada de video aparece en la documentación de MiniMax. Actualmente, AIHubMix indica que este modelo admite entradas de texto e imagen. En nuestras pruebas funcionaron tanto las imágenes en Base64 como las URL de imágenes sin formato.

Algunas cosas no cambiaron. Ambos modelos razonan en todas las solicitudes. Ambos admiten las API de MiniMax compatibles con Anthropic y OpenAI. Según la referencia de la API de MiniMax, ambos solo aceptan tool_choice: auto. Si tu código para M2.7 nunca modificaba la configuración de razonamiento ni el almacenamiento en caché, funcionará con M3.1 Flash. Simplemente se comportará de otra manera, y el nivel de razonamiento explica la mayor parte de la diferencia.

El nuevo control es el nivel de esfuerzo. La guía de generación de texto de MiniMax enumera low, medium, high, xhigh y max, y señala que el modelo usa max si se omite el campo. M2.7 no tenía ningún ajuste. Así que, si tu solicitud no incluye un nivel de esfuerzo, M3.1 Flash razona todo lo que puede.

Qué tan cerca está de M3 y en qué aspectos M3 sigue ganando

M3 está un nivel por encima: es el modelo insignia de pesos abiertos de MiniMax, lanzado el 1 de junio con el mismo contexto de 1M. En AIHubMix, el precio de salida de M3 es 1.75× el de Flash ($1.152 frente a $0.66). Es una diferencia considerable, pero no pertenecen a categorías de peso distintas.

La respuesta sincera a «¿qué tan cerca está Flash de M3?» es que nadie ha publicado cifras de Flash todavía. MiniMax no publicó una tabla de benchmarks para M3.1 Flash, y Artificial Analysis no tiene una ficha para este modelo. M3 sí cuenta con ambas cosas. MiniMax informó un 59.0% en SWE-Bench Pro (dato autodeclarado), y Artificial Analysis le asigna a M3 una puntuación de 29.2 en su Intelligence Index. Cualquier tabla de benchmarks de M3.1 Flash que encuentres es de M3 o no tiene fuentes.

M3 sigue destacando claramente en cuatro aspectos:

• Evidencia. M3 tiene puntuaciones independientes; de Flash solo hay anécdotas y nuestras propias pruebas.
• Pesos abiertos. Los pesos de M3 están disponibles en Hugging Face bajo la licencia MiniMax Community License. Flash aún no tiene pesos publicados; MiniMax ha dicho que tiene previsto publicarlos, pero no ha dado una fecha.
• Desactivar el razonamiento. M3 puede omitir el razonamiento por completo. Flash no puede, así que es más difícil acelerar las llamadas de una sola interacción cuando la latencia es crítica.
• Nivel prioritario. MiniMax ofrece un nivel Priority más rápido para M3 por un precio 1.5× superior. Flash rechaza el campo service_tier.

Flash gana en precio por token y en el selector de nivel de esfuerzo, que permite que un mismo modelo se ocupe tanto de correcciones rápidas como de razonamientos largos.

Precio y costo real

Precios por millón de tokens, verificados el 19 de octubre de 2026. Las cifras de MiniMax provienen de su página de precios de pago por uso. El precio oficial de M3 incluye lo que MiniMax denomina un «50% de descuento permanente».

El precio oficial de M3 se duplica por encima de 512K tokens de entrada. AIHubMix indica un único precio fijo para M3.1 Flash.

En AIHubMix, el precio por token de Flash es aproximadamente un 44% inferior al de M2.7 ($0.165 ÷ $0.2958 ≈ 0.56) y aproximadamente un 43% inferior al de M3 ($0.165 ÷ $0.288 ≈ 0.57). Los precios de salida mantienen la misma proporción.

Sin embargo, el precio por token no es el costo total. Como el razonamiento siempre está activado, el nivel de esfuerzo determina cuántos tokens requiere una tarea. Para ponerle cifras, AIHubMix ejecutó una tarea realista el 19 de octubre. AIHubMix midió todos los datos siguientes; nadie más los ha reproducido todavía.

La tarea: corregir una función de facturación con dos errores. Una pausa que se prolonga más allá del final del período cuenta un día dos veces, y las pausas solapadas se restan dos veces. El modelo devuelve la función corregida y un conjunto de pruebas local ejecuta 215 casos de prueba ocultos. Cada opción se ejecutó tres veces a través del endpoint Chat Completions de AIHubMix.

Este es el cálculo para la fila del valor predeterminado. Una solicitud usó 464 tokens de prompt, de los cuales aproximadamente 192 se sirvieron desde la caché, más 6,673 tokens de salida. Eso da (272 × $0.165 + 192 × $0.0165 + 6,673 × $0.66) ÷ 1,000,000 ≈ $0.0045. Para 1,000 correcciones como esta, el costo sería de unos $4.45 con el valor predeterminado y $0.64 con low, con los mismos resultados en las pruebas.

Tres ejecuciones por nivel es una muestra pequeña, y la variación entre ejecuciones fue grande: con el valor predeterminado, se usaron entre 4,589 y 9,680 tokens de salida. Aun así, la tendencia es clara. Si migras desde M2.7 sin configurar un nivel de esfuerzo, el menor precio por token puede quedar contrarrestado por los tokens de razonamiento en tareas más difíciles. La publicación de esta serie sobre el nivel de esfuerzo (enlazada al final) incluye la escala completa de cinco niveles.

En qué casos no es la mejor opción

• Trabajo interactivo con el nivel predeterminado. Una pequeña corrección en una sola función tardó entre 39 y 82 segundos con el nivel predeterminado. Si hay alguien esperando, configura low o medium, o usa un modelo más rápido. En nuestras pruebas, Claude Haiku 5.5 terminó la misma corrección en unos 7 segundos.
• Todo lo que requiera una puntuación publicada. Si una evaluación de adquisiciones o un SLA necesita un benchmark independiente, M3 y DeepSeek V4.1 Flash cuentan con uno; Flash todavía no.
• Llamadas que deban ejecutarse sin razonamiento. Flash no puede omitir el razonamiento. En prompts de clasificación breves, el razonamiento adaptativo usó muy pocos tokens (de 0 a 6), pero no puedes garantizar que use cero.
• Alojamiento propio. Sin pesos publicados, no hay nada que implementar.

Quién debería cambiar ahora, quién debería esperar y quién debería quedarse

• Usuarios de M Plan y Token Plan que usan M2.5 o M2.7: ya cambiaron, porque MiniMax redirige esas solicitudes de modelos desde hoy. Vuelve a ejecutar tus evaluaciones y añade un nivel de esfuerzo a tus solicitudes.
• Usuarios de pago por uso en M2.5 o M2.7: tienen hasta el 18 de noviembre. Pasar a M3.1 Flash en AIHubMix implica cambiar el ID del modelo y añadir reasoning_effort. La publicación sobre la migración de esta serie explica los errores que encontrarás.
• Equipos que ya usan M3 para agentes de programación: prueba Flash con low o medium en una parte del tráfico. Su precio por token es un 43% menor y, en nuestra tarea, todas las opciones superaron las pruebas.
• Quédate con M3 si necesitas pesos abiertos, desactivar el razonamiento, benchmarks independientes o el nivel Priority.

La forma más rápida de comprobarlo es enviar tu propio prompt a MiniMax M3.1 Flash en AIHubMix y a M3 con la misma clave. La página de comparación muestra las tarjetas de precios de ambos. La guía de inicio rápido de AIHubMix explica cómo obtener claves y configurar las URL base:

import os
from openai import OpenAI

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

resp = client.chat.completions.create(
    model="minimax-m3.1-flash",
    reasoning_effort="low",  # omit it and the model runs at max
    messages=[{"role": "user", "content": "Find the bug: def avg(xs): return sum(xs) / len(xs) - 1"}],
)
print(resp.choices[0].message.content)
print(resp.usage)

Preguntas frecuentes

¿MiniMax M3.1 Flash es el mismo modelo que Space Bunny Alpha?
Sí. Space Bunny Alpha era el nombre anónimo con el que M3.1 Flash apareció en OpenRouter y OpenCode a partir del 23 de septiembre de 2026. Las pruebas comunitarias del tokenizador lo vincularon con MiniMax antes de que MiniMax le pusiera nombre al modelo, el 27 de septiembre.

¿Cuál es el ID del modelo en AIHubMix?
minimax-m3.1-flash. La documentación de MiniMax lo llama MiniMax-M3.1-Flash, y en materiales anteriores aparecía como MiniMax-M3.1-Flash-Preview.

¿Cuánto cuesta MiniMax M3.1 Flash?
En AIHubMix cuesta $0.165 por millón de tokens de entrada, $0.66 por millón de tokens de salida y $0.0165 por millón de tokens de entrada almacenados en caché. Al 19 de octubre de 2026, MiniMax aún no había publicado un precio por token propio.

¿Puedo desactivar el razonamiento?
No. El modelo siempre razona. El nivel más bajo es el esfuerzo low, que en prompts breves suele usar muy pocos tokens de razonamiento.

¿Qué ocurre con mis solicitudes a M2.7?
En el plan M de MiniMax y en el plan de tokens, a partir del 19 de octubre de 2026, las solicitudes que indiquen M2.5 o M2.7 se dirigirán a M3.1 Flash. En el servicio de pago por uso de MiniMax, los usuarios actuales podrán invocar M2.5 y M2.7 hasta el 18 de noviembre de 2026; después, esas solicitudes dejarán de funcionar.

¿M3.1 Flash es mejor que M3?
No hay benchmarks publicados que permitan afirmarlo. Flash es más barato por token y ofrece niveles de esfuerzo. M3 tiene pesos abiertos, puntuaciones independientes, un nivel Priority y puede funcionar sin pensar.

¿Es compatible con imágenes y video?
MiniMax documenta la entrada de texto, imágenes y video. Actualmente, AIHubMix indica que este modelo admite entradas de texto e imágenes. En nuestras pruebas funcionaron tanto las imágenes en base64 como las URL de imágenes.

Sigue leyendo: la serie MiniMax M3.1 Flash

• Si vas a migrar el código de M2.5 o M2.7 antes de que dejen de estar disponibles el 18 de noviembre, esta publicación enumera todos los errores y cambios silenciosos que encontramos: Cómo dejar MiniMax M2.5/M2.7 antes del 18 de noviembre: solucionar el error 400 «requires adaptive thinking» de M3.1 Flash
• El nivel de esfuerzo predeterminado fue el principal responsable del costo anterior. Esta publicación compara los cinco niveles con la misma corrección de errores: Niveles de esfuerzo de MiniMax M3.1 Flash: por qué el nivel predeterminado costó 7× más en la misma corrección de errores
• Para ver cómo se compara Flash con los otros dos modelos de programación económicos lanzados ese mismo mes, con la misma tarea: MiniMax M3.1 Flash frente a DeepSeek V4.1 Flash y Claude Haiku 5.5: una corrección de errores, tres facturas

Fuentes

• MiniMax: modelos
• MiniMax: invocación de modelos (guía de generación de texto)
• AIHubMix: MiniMax M3.1 Flash
• CellCog: Space Bunny Alpha, el modelo encubierto y las pistas de MiniMax
• Developers Digest: retirada de MiniMax M2.5 y M2.7