MiniMax M3.1 Flash est Space Bunny : ce qui a changé depuis M2.7 et M3, et combien il coûte

Fin septembre, un modèle sans nom de fabricant a pris la tête du classement quotidien d’OpenRouter, devant DeepSeek V4.1 Flash, et est resté le modèle le plus utilisé sur OpenCode pendant cinq jours consécutifs. Il était répertorié sous le nom de Space Bunny Alpha et était gratuit. Ce modèle était MiniMax M3.1 Flash. Au 19 octobre 2026, vous pouvez l’appeler à l’usage sur AIHubMix sous l’identifiant minimax-m3.1-flash, au tarif de 0,165 $ par million de jetons d’entrée et de 0,66 $ par million de jetons de sortie.

En bref :

• Il remplace M2.7. À partir du 19 octobre, MiniMax redirige vers M3.1 Flash les requêtes M Plan et Token Plan destinées à M2.5 et M2.7. Ces deux anciennes familles seront retirées le 18 novembre.
• Son coût par jeton est environ 43 % inférieur à celui de M3 sur AIHubMix. MiniMax n’a pas encore publié de tarif à l’usage.
• La réflexion est toujours activée, avec le niveau le plus profond par défaut. Pour une petite correction de bogue, le réglage par défaut a utilisé environ 7 fois plus de jetons de sortie que le réglage low et a pris environ 6 fois plus de temps. Les deux réglages ont réussi tous les tests.

De Space Bunny à un identifiant de modèle

Les dates et les positions dans les classements proviennent de la chronologie de Space Bunny publiée par CellCog, qui rassemble des publications d’OpenRouter et d’OpenCode. Pendant la semaine où le modèle est resté discret, la communauté l’a identifié grâce à son tokenizer avant que MiniMax ne dise quoi que ce soit. La comparaison de tokenizers de cheaty sur X a révélé que le tokenizer textuel de Space Bunny « correspond parfaitement à celui de MiniMax M3 ». D’autres testeurs ont obtenu des correspondances sur 36 chaînes de test sur 36, et 50 sur 50. Les caractéristiques publiées de Space Bunny étaient également identiques à celles que MiniMax a documentées par la suite : un contexte de 1M, des entrées texte, image et vidéo, et une réflexion impossible à désactiver. Un utilisateur précoce l’a résumé ainsi : « incroyablement rapide, mais il lui faut des instructions claires et précises, sinon il est trop paresseux ». Gardez cela à l’esprit lorsque vous rédigez vos prompts.

MiniMax a depuis supprimé la mention « Preview » de sa documentation. La liste des modèles l’appelle désormais MiniMax-M3.1-Flash, un « modèle multimodal de pointe pour le codage, avec une fenêtre de contexte de 1M et une profondeur de réflexion réglable ». Chaque réponse d’AIHubMix indique également le nom du modèle en amont.

Ce qui a changé depuis M2.7

Pour les utilisateurs d’un forfait MiniMax, M2.7 est le modèle que M3.1 Flash a remplacé du jour au lendemain. Voici les différences qui comptent en pratique :

L’entrée vidéo figure dans la documentation de MiniMax. AIHubMix indique actuellement que ce modèle accepte les entrées texte et image. Les images en base64 et les URL d’image simples ont toutes deux fonctionné lors de nos tests.

Quelques éléments n’ont pas changé. Les deux modèles réfléchissent à chaque requête. Les deux prennent en charge les API de MiniMax compatibles avec Anthropic et OpenAI. Selon la référence de l’API MiniMax, les deux n’acceptent que tool_choice: auto. Si votre code M2.7 ne modifiait ni les paramètres de réflexion ni la mise en cache, il fonctionnera avec M3.1 Flash. Il se comportera simplement différemment, et le niveau de réflexion explique l’essentiel de cet écart.

Le nouveau réglage est le niveau d’effort. Le guide de génération de texte de MiniMax répertorie low, medium, high, xhigh et max, et précise que le modèle utilise max si le champ est omis. M2.7 ne proposait aucun réglage de ce type. Ainsi, si votre requête ne précise aucun niveau d’effort, M3.1 Flash réfléchit aussi intensément que possible.

À quel point il se rapproche de M3, et dans quels domaines M3 reste supérieur

M3 se situe au niveau supérieur : c’est le modèle phare à poids ouverts de MiniMax, sorti le 1er juin avec le même contexte de 1M. Sur AIHubMix, le prix de sortie de M3 est 1,75 fois celui de Flash (1,152 $ contre 0,66 $). L’écart est réel, mais les deux modèles ne jouent pas dans des catégories différentes.

La réponse honnête à la question « à quel point Flash se rapproche-t-il de M3 ? », c’est que personne n’a encore publié de chiffres pour Flash. MiniMax n’a publié aucun tableau de benchmarks pour M3.1 Flash, et Artificial Analysis ne lui a consacré aucune fiche. M3, lui, dispose des deux. MiniMax a annoncé un score de 59,0 % sur SWE-Bench Pro (autoévalué), et Artificial Analysis attribue à M3 un score de 29,2 dans son Intelligence Index. Tout tableau de benchmarks de M3.1 Flash que vous trouverez correspond soit aux résultats de M3, soit à des données sans source.

M3 reste clairement supérieur sur quatre points :

• Éléments de preuve. M3 dispose de scores indépendants ; Flash s’appuie sur des témoignages et nos propres tests.
• Poids ouverts. Les poids de M3 sont disponibles sur Hugging Face sous la licence MiniMax Community License. Flash n’en a pas encore ; MiniMax a annoncé son intention de les publier, sans préciser de date.
• Désactivation de la réflexion. M3 peut ignorer complètement la réflexion. Flash ne le peut pas, ce qui complique l’accélération des appels ponctuels où la latence est critique.
• Niveau Priority. MiniMax propose un niveau Priority plus rapide pour M3, à un prix multiplié par 1,5. Flash rejette le champ service_tier.

Flash l’emporte sur le prix par jeton et grâce à son réglage du niveau d’effort, qui permet à un seul modèle de couvrir à la fois les corrections rapides et les tâches de raisonnement approfondi.

Prix et coût réel

Les prix sont indiqués par million de jetons et ont été vérifiés le 19 octobre 2026. Les tarifs de MiniMax proviennent de sa page de prix à l’usage. Le prix officiel de M3 inclut ce que MiniMax appelle une « réduction permanente de 50 % ».

Le prix officiel de M3 double au-delà de 512K jetons d’entrée. AIHubMix affiche un tarif unique pour M3.1 Flash.

Sur AIHubMix, le prix par jeton de Flash est environ 44 % inférieur à celui de M2.7 (0,165 $ ÷ 0,2958 $ ≈ 0,56) et environ 43 % inférieur à celui de M3 (0,165 $ ÷ 0,288 $ ≈ 0,57). Le prix des jetons de sortie suit le même rapport.

Le prix par jeton ne représente toutefois pas toute la facture. Comme la réflexion est toujours activée, le niveau d’effort détermine le nombre de jetons utilisés pour une tâche. Pour chiffrer cela, AIHubMix a exécuté une tâche réaliste le 19 octobre. Tous les chiffres ci-dessous ont été mesurés par AIHubMix ; personne d’autre ne les a encore reproduits.

La tâche : corriger une fonction de facturation qui comporte deux bogues. Une pause qui dépasse la fin de la période compte un jour en double, et les pauses qui se chevauchent sont soustraites deux fois. Le modèle renvoie la fonction corrigée, puis un banc de test local exécute 215 cas de test masqués. Chaque réglage a été testé trois fois via le point de terminaison Chat Completions d’AIHubMix.

Voici le calcul pour la ligne par défaut. Une requête a utilisé 464 jetons de prompt, dont environ 192 servis depuis le cache, ainsi que 6 673 jetons de sortie. Le coût est donc de (272 × 0,165 $ + 192 × 0,0165 $ + 6 673 × 0,66 $) ÷ 1 000 000 ≈ 0,0045 $. Pour 1 000 corrections de ce type, cela revient à environ 4,45 $ avec le réglage par défaut et 0,64 $ avec low, pour des résultats identiques aux tests.

Trois exécutions par réglage, c’est un petit échantillon, et les variations d’une exécution à l’autre étaient importantes : le réglage par défaut allait de 4 589 à 9 680 jetons de sortie. La tendance reste néanmoins claire. Si vous migrez depuis M2.7 sans définir de niveau d’effort, l’économie liée au prix inférieur par jeton peut être annulée par les jetons de réflexion sur les tâches difficiles. L’article de cette série consacré au niveau d’effort (lien à la fin) présente les cinq niveaux en détail.

Dans quels cas ce n’est pas le meilleur choix

• Travail interactif avec le réglage par défaut. Une petite correction dans une fonction a pris de 39 à 82 secondes avec le niveau par défaut. Si quelqu’un attend le résultat, choisissez low ou medium, ou utilisez un modèle plus rapide. Lors de nos tests, Claude Haiku 5.5 a effectué la même correction en environ 7 secondes.
• Tout ce qui nécessite un score publié. Si une évaluation des achats ou un SLA exige un benchmark indépendant, M3 et DeepSeek V4.1 Flash en ont un, contrairement à Flash, pour l’instant.
• Les appels qui doivent s’exécuter sans réflexion. Flash ne peut pas désactiver la réflexion. Pour les prompts courts de classification, la réflexion adaptative a consommé presque rien (de 0 à 6 jetons), mais il est impossible de garantir une consommation nulle.
• Auto-hébergement. Sans poids publiés, il n’y a rien à déployer.

Qui devrait changer maintenant, qui devrait attendre et qui devrait rester

• Utilisateurs de M Plan et Token Plan sur M2.5 ou M2.7 : vous avez déjà basculé, car MiniMax redirige dès aujourd’hui ces noms de modèle. Relancez vos évaluations et ajoutez un niveau d’effort à vos requêtes.
• Utilisateurs à l’usage de M2.5 ou M2.7 : vous avez jusqu’au 18 novembre. Pour passer à M3.1 Flash sur AIHubMix, changez l’identifiant du modèle et ajoutez reasoning_effort. L’article de migration de cette série présente les erreurs que vous rencontrerez.
• Équipes utilisant déjà M3 pour des agents de codage : essayez Flash avec le niveau low ou medium sur une partie du trafic. Son prix par jeton est inférieur de 43 %, et dans notre test, tous les réglages ont réussi.
• Restez sur M3 si vous avez besoin de poids ouverts, de pouvoir désactiver la réflexion, de benchmarks indépendants ou du niveau Priority.

Le moyen le plus rapide de vérifier consiste à envoyer votre propre prompt à MiniMax M3.1 Flash sur AIHubMix et à M3 avec la même clé. La page de comparaison côte à côte affiche les tarifs des deux modèles. Le guide de démarrage rapide d’AIHubMix explique comment obtenir les clés et les URL de 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)

FAQ

MiniMax M3.1 Flash est-il le même modèle que Space Bunny Alpha ?
Oui. Space Bunny Alpha était le nom sous lequel M3.1 Flash était répertorié anonymement sur OpenRouter et OpenCode à partir du 23 septembre 2026. Les tests communautaires des tokenizers l’ont relié à MiniMax avant que l’entreprise ne nomme le modèle, le 27 septembre.

Quel est l’identifiant du modèle sur AIHubMix ?
minimax-m3.1-flash. La documentation de MiniMax utilise MiniMax-M3.1-Flash, et les documents antérieurs indiquaient MiniMax-M3.1-Flash-Preview.

Combien coûte MiniMax M3.1 Flash ?
Sur AIHubMix, il coûte 0,165 $ par million de jetons d’entrée, 0,66 $ par million de jetons de sortie et 0,0165 $ par million de jetons d’entrée mis en cache. Au 19 octobre 2026, MiniMax n’avait pas publié de tarif à l’usage.

Puis-je désactiver la réflexion ?
Non. Le modèle réfléchit toujours. Le niveau le plus bas est l’effort low, qui consomme souvent très peu de jetons de réflexion sur les prompts courts.

Que devient mon utilisation de M2.7 ?
Sur le M Plan et le Token Plan de MiniMax, les requêtes indiquant M2.5 ou M2.7 seront redirigées vers M3.1 Flash à partir du 19 octobre 2026. Avec l’offre à l’usage de MiniMax, les utilisateurs existants pourront appeler M2.5 et M2.7 jusqu’au 18 novembre 2026, date à laquelle ces requêtes cesseront de fonctionner.

M3.1 Flash est-il meilleur que M3 ?
Aucun benchmark publié ne permet de l’affirmer. Flash coûte moins cher par jeton et propose différents niveaux d’effort. M3 dispose de poids ouverts, de scores indépendants et d’une offre Priority, et peut fonctionner sans réflexion.

Prend-il en charge les images et les vidéos ?
MiniMax documente les entrées texte, image et vidéo. AIHubMix indique actuellement que ce modèle accepte les entrées texte et image. Dans nos tests, les images encodées en base64 et les URL d’image ont toutes deux fonctionné.

Poursuivez votre lecture : la série MiniMax M3.1 Flash

• Si vous migrez votre code depuis M2.5 ou M2.7 avant leur retrait le 18 novembre, cet article répertorie toutes les erreurs et modifications silencieuses rencontrées : Abandonner MiniMax M2.5/M2.7 avant le 18 novembre : corriger l’erreur 400 « requires adaptive thinking » de M3.1 Flash
• Le niveau d’effort par défaut a entraîné la majeure partie des coûts présentés ci-dessus. Cet article compare les cinq niveaux sur la même correction de bug : Niveaux d’effort de MiniMax M3.1 Flash : pourquoi le niveau par défaut a coûté 7× moins cher pour la même correction de bug
• Pour comparer Flash aux deux autres modèles de codage économiques lancés le même mois, sur la même tâche : MiniMax M3.1 Flash vs DeepSeek V4.1 Flash vs Claude Haiku 5.5 : une correction de bug, trois factures

Sources

• MiniMax : modèles
• MiniMax : appel de modèle (guide de génération de texte)
• AIHubMix : MiniMax M3.1 Flash
• CellCog : Space Bunny Alpha, le modèle furtif et les indices de MiniMax
• Developers Digest : retrait de MiniMax M2.5 et M2.7