Переход с MiniMax M2.5/M2.7 до 18 ноября: как исправить ошибку 400 «requires adaptive thinking» в M3.1 Flash

MiniMax прекращает поддержку M2.5 и M2.7 18 ноября 2026 года, и переход уже начался. С 19 октября новые пользователи больше не могут работать с этими двумя старыми семействами моделей, а запросы по планам, в которых указаны их названия, обслуживаются через M3.1 Flash. Если вы платите по факту использования, у вас есть четыре недели, чтобы самостоятельно изменить ID модели.

Большая часть кода для M2.7 работает с M3.1 Flash без изменений. Проблема в одном архитектурном решении: M3.1 Flash всегда рассуждает, причём на максимальном уровне, если не указать иное. Это приводит к одной явной ошибке, нескольким незаметным увеличениям расходов и паре настроек, которые теперь вообще ничего не делают.

19 октября 2026 года AIHubMix отправил все запросы из этой статьи через свой шлюз к minimax-m3.1-flash. Тексты ошибок скопированы из ответов. Правила MiniMax приведены по документации API.

Кого это затрагивает и что изменится

На странице моделей MiniMax это описано так для пользователей планов: «все запросы к моделям M2.5 и M2.7 в рамках этих планов будут автоматически перенаправляться на M3.1 Flash Preview», а также «прежние названия моделей продолжат работать». Для пользователей с оплатой по факту использования: «После прекращения поддержки API-запросы к этим моделям перестанут работать». В уведомлении не упоминается автоматическое перенаправление для пользователей с оплатой по факту использования, поэтому ожидайте ошибок, а не переключения на резервную модель.

Пользователям планов стоит учитывать, что означает «перенаправляться». В логах по-прежнему будет указано M2.7, но веса модели изменятся, контекст станет в 5× больше, а глубина рассуждений по умолчанию будет равна max. Считайте это сменой модели и заново проведите оценку.

Что приводит к явной ошибке

400: «requires adaptive thinking»

Что вы увидите. Запрос, в котором отключены рассуждения, отклоняется:

{"error": {"message": "invalid params, model \"MiniMax-M3.1-Flash\" requires adaptive thinking; thinking.type=\"disabled\" (including reasoning.effort=none) is not allowed (2013) (tid: …)", "type": "bad_request_error", "param": "", "code": null}}

Почему. В справочнике API Messages MiniMax сказано, что модель «всегда рассуждает»: если передан параметр thinking.type, его значение должно быть adaptive, а значение disabled приводит к HTTP 400. С этой ошибкой может столкнуться код для M3, поскольку в M3 рассуждения можно отключить. Фреймворки, которые помечают модель как не использующую рассуждения и по умолчанию передают параметр «thinking off», получают её при каждом вызове; о подобных случаях сообщили проекты kodus-ai и 9router-go.

Минимальный запрос, вызывающий ошибку (Chat Completions через AIHubMix):

curl https://aihubmix.com/v1/chat/completions \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "minimax-m3.1-flash",
       "messages": [{"role": "user", "content": "hi"}],
       "thinking": {"type": "disabled"}}'

Исправление. Удалите поле thinking или задайте ему значение {"type": "adaptive"}. Если вы отключали рассуждения, чтобы сэкономить время, вместо этого используйте "reasoning_effort": "low".

400 с тем же кодом 2013 при использовании URL изображений

Что вы увидите. invalid param: remote returned status 400 (2013). Мы получили эту ошибку при использовании URL изображения с upload.wikimedia.org. Тот же запрос с изображением в формате base64 или с URL изображения на другом хосте вернул 200.

Почему. Код 2013 — это общий код MiniMax для «недопустимых параметров», а не ошибка, связанная именно с рассуждениями. В данном случае вышестоящий сервис, по всей видимости, не смог загрузить удалённое изображение. Так мы интерпретируем сообщение; MiniMax не документирует этот случай.

Исправление. Передавайте изображения в формате base64 (data:image/png;base64,…) или разместите их на хосте, который принимает обычные HTTP-запросы. Ища в логах код 2013, сначала прочитайте сообщение целиком, прежде чем считать, что это ошибка рассуждений.

После 18 ноября: ID снятых с поддержки моделей

С этой даты перестанут работать вызовы к MiniMax-M2.5, MiniMax-M2.5-highspeed, MiniMax-M2.7 и MiniMax-M2.7-highspeed через API MiniMax с оплатой по факту использования. В уведомлении не упоминаются M2.1 и M2. Замените ID модели заранее. На AIHubMix новый ID — minimax-m3.1-flash.

Что может незаметно пойти не так

Все эти запросы возвращают 200. Разница проявится в счёте, задержке или ответе модели.

1. Переключатели «отключить рассуждения» теперь ничего не делают

Через AIHubMix принимаются три способа запросить отключение рассуждений, но ошибок не возникает, и модель всё равно рассуждает:

Для первых двух строк выполнено по три запуска на одной и той же логической головоломке про три коробки; при значении low использовалось 173–251 токен рассуждений. Проверка значения minimal состояла из одного запуска с однострочной арифметической задачей.

Только Chat Completions с параметром thinking: {"type": "disabled"} приводит к описанной выше ошибке 400. Если ваш код для M2.x или M3 использовал любой из этих переключателей, чтобы ускорить вызовы, теперь модель незаметно для вас рассуждает. Единственная действительно работающая настройка — уровень усилий, минимальное значение — low.

2. По умолчанию установлен максимальный уровень усилий

У M2.7 не было уровней рассуждений. У M3.1 Flash их пять, и в документации MiniMax указано, что если не передавать этот параметр, используется значение max. На небольшой задаче по исправлению двух ошибок в одной функции Python AIHubMix получил такие результаты:

Каждый запуск с обеими настройками прошёл все 215 скрытых тестов. Расходы рассчитаны по тарифам AIHubMix: $0.165 за миллион входных токенов и $0.66 за миллион выходных токенов; для каждой настройки выполнено по три запуска. Если вы перейдёте на новую модель, не задав уровень усилий, та же задача будет занимать примерно в 6× больше времени. Полные измерения для всех пяти уровней приведены в статье об уровне усилий из этой серии.

3. Токены рассуждений расходуют max_tokens

Токены рассуждений учитываются в max_tokens. В коде для M2.x часто задаются небольшие лимиты для коротких ответов. При max_tokens: 64 и вопросе из двух предложений модель потратила лимит на рассуждения, а затем вернула finish_reason: "length" и ответ «В солнечном свете много цветов», оборванный на полуслове. MiniMax рекомендует значение 131,072 и допускает максимум 524,288. Увеличьте низкие лимиты или проверяйте finish_reason, прежде чем доверять тексту ответа.

4. Изменились кэширование и уровни обслуживания

• cache_control не поддерживается в M3.1 Flash (и M3), согласно справочнику API MiniMax. В M2.7 явная запись в кэш тарифицировалась по $0.375 за миллион токенов. В M3.1 Flash кэширование выполняется автоматически. AIHubMix тарифицирует чтение из кэша по $0.0165 за миллион токенов, и в каждом отправленном нами запросе около 175–195 токенов промпта обслуживались из кэша, даже в первом запросе. Похоже, на стороне MiniMax используется неизменный префикс; при такой цене это обходится примерно в треть цента за тысячу запросов. Удалите блоки cache_control — здесь они ничего не дают.
• service_tier не поддерживается. Если вы использовали уровень Priority в M3 для снижения задержки, эквивалента для Flash нет.

5. То же название, но другие параметры генерации

Значение top_p по умолчанию у MiniMax изменилось с 0.9 в M2.x на 0.95 в M3.1 Flash, а размер контекстного окна вырос с 204,800 до 1,000,000 токенов. Промпты, настроенные для M2.7, могут давать более длинные или менее точные ответы. Даже если название модели не изменилось, это всё равно новая модель: проведите оценку заново.

Правила тарификации, о которых легко забыть

• Рассуждения тарифицируются как выходные данные. На AIHubMix это $0.66 за миллион токенов. При уровне усилий по умолчанию рассуждения составили 95% выходных данных в нашей задаче на исправление кода (6,364 из 6,673 токенов).
• MiniMax пока не опубликовала официальные цены за токен. На странице с тарифами указаны M3 и M2.x, но не M3.1 Flash. AIHubMix взимает $0.165 / $0.66 / $0.0165 (входные токены / выходные токены / чтение из кэша).
• Официальная цена M3 удваивается, если объём входных токенов превышает 512K. На AIHubMix для M3.1 Flash указана единая цена. Если вы отправляете очень длинные промпты, сверьте первый счёт со своими расчётами.

Как снизить расходы:

1. По умолчанию задавайте reasoning_effort: "low" (Chat), output_config.effort: "low" (Messages) или reasoning.effort: "low" (Responses), а для отдельных задач повышайте уровень.
2. Размещайте неизменные инструкции в начале промпта, чтобы они обслуживались автоматическим кэшированием.
3. Задайте для max_tokens достаточно большое значение, чтобы рассуждения не обрезали ответ: повторный запрос из-за обрезанного ответа обойдётся дороже, чем запас по лимиту.

Агенты с реальными правами доступа

Если модель может выполнять команды или редактировать файлы, важны три особенности:

• Перед действием модель всегда рассуждает, даже при уровне low. Это помогает выбирать инструменты. Но из-за этого каждый шаг с инструментом добавляет задержку на рассуждения; в наших коротких вызовах инструментов шаг при уровне low занимал около 2–7 секунд.
• Модель выполняет инструкции буквально и в узких рамках. Один из первых тестировщиков назвал её «невероятно быстрой, но ей нужны чёткие и конкретные инструкции, иначе она ленится». Задавайте агентам явные условия остановки и шаги проверки («запусти тесты и вставь результат»), а не расплывчатые цели.
• tool_choice официально поддерживает только значение auto. AIHubMix принимал "required" (Chat) и {"type": "any"} (Messages), и модель вызывала инструмент, но MiniMax не документирует принудительный вызов. Не полагайтесь на это в проверках безопасности.

MiniMax рекомендует в следующих сообщениях возвращать блоки рассуждений без изменений (Messages) и сохранять reasoning_content целиком (Chat). В нашем тесте короткий цикл вызова инструмента с удалённым блоком рассуждений всё равно сработал, но в длинных циклах работы агента следуйте документации.

Инструменты для программирования

AIHubMix предоставляет minimax-m3.1-flash по всем трём протоколам, необходимым распространённым инструментам для программирования. Каждый инструмент был протестирован 19 октября: текстовый запрос, вызов инструмента и обмен результатом его работы.

В API MiniMax размер контекстного окна — 1,000,000. По словам одного из сопровождающих проекта magpie, который процитировал документацию MiniMax, сам MiniMax Code по умолчанию задаёт клиенту 512K «для баланса между удобством и стоимостью»; в API нет параметра для настройки окна.

Claude Code. Настройте его для работы с AIHubMix, как описано в руководстве AIHubMix по Claude Code, и укажите модель minimax-m3.1-flash:

export ANTHROPIC_BASE_URL="https://aihubmix.com"
export ANTHROPIC_AUTH_TOKEN="$AIHUBMIX_API_KEY"
export ANTHROPIC_MODEL="minimax-m3.1-flash"
export ANTHROPIC_DEFAULT_HAIKU_MODEL="minimax-m3.1-flash"   # background tasks too

Оба варианта thinking, которые отправляют клиенты в стиле Anthropic, — enabled с бюджетом и adaptive — в наших тестах возвращали код 200, поэтому ошибка 400 вам не грозит. Известная проблема: в документации не указано, передаётся ли настройка effort в Claude Code сторонней модели как output_config.effort. Если нет, модель работает со значением по умолчанию max, и ответы будут медленнее, чем на M2.7. Проверка ниже поможет это выяснить.

Codex CLI. Codex использует Responses API, который поддерживает эту модель: вызовы функций возвращаются как элементы function_call. Настройте пользовательского провайдера по инструкции в руководстве AIHubMix по Codex, указав wire_api = "responses", затем задайте model = "minimax-m3.1-flash" и model_reasoning_effort. Значения xhigh и minimal были приняты; minimal не входит в список уровней MiniMax, но модель всё равно рассуждает.

OpenCode. В проблеме OpenCode #54801 (воспроизводится в v2.0.27) сообщается, что OpenCode не определяет варианты effort для этой модели, поэтому ctrl+t ничего не делает. Обходной путь, предложенный в обсуждении, — самостоятельно объявить пять вариантов в opencode.json. Для совместимого с OpenAI провайдера AIHubMix в запросе каждого варианта нужно задать поле reasoning_effort (low … max), а не output_config.effort, указанное в обсуждении. Не добавляйте вариант none.

15-минутная проверка для любого из трёх инструментов:

1. Создайте временную папку с функцией, в которой есть известная ошибка, и тестовым файлом, который из-за неё завершается неудачно.
2. Попросите агента: «Запусти тесты, исправь ошибку, снова запусти тесты и покажи мне результат».
3. Успешный результат выглядит так: агент запускает тесты до и после исправления, последний запуск проходит успешно, работа завершается за несколько ходов и ни один ход не возвращает ошибку 400.
4. Проверьте журнал использования AIHubMix. В нём должны отображаться запросы minimax-m3.1-flash с токенами reasoning. Если каждый ход занимает почти минуту, настройка effort не доходит до модели, и она работает со значением max.

Контрольный список миграции

• Замените идентификаторы MiniMax-M2.5 / M2.7 на minimax-m3.1-flash (в AIHubMix) до 18 ноября.
• Уберите из запросов отключённый thinking, effort none и effort minimal.
• Явно задайте уровень effort для каждого запроса; начните с low.
• Увеличьте max_tokens, чтобы thinking не обрезал ответы; проверьте finish_reason.
• Уберите поля cache_control и service_tier.
• Отправляйте изображения в формате base64 или с хоста, к которому upstream может получить доступ.
• Не изменяйте блоки thinking и reasoning_content при переходах между вызовами инструментов.
• Повторно запустите оценки: название то же, модель новая, настройки сэмплирования по умолчанию изменились.
• В инструментах для программирования убедитесь, что настройка effort доходит до модели (время выполнения хода быстро покажет, так ли это).

Часто задаваемые вопросы

Почему я получаю ошибку «requires adaptive thinking»?
В запросе отключён thinking — обычно для этого в endpoint Chat Completions указывают тип thinking disabled. M3.1 Flash всегда использует thinking. Удалите это поле или задайте adaptive, а для ускорения используйте effort low.

Мои запросы к M2.7 не изменились, но ответы стали другими. Почему?
Если вы пользуетесь MiniMax M Plan или Token Plan, запросы с указанием M2.5 или M2.7 с 19 октября 2026 года обрабатываются моделью M3.1 Flash, но под прежним названием.

Какой срок для пользователей с оплатой по факту использования?
18 ноября 2026 года. После этой даты запросы к MiniMax API для M2.5 и M2.7 перестанут работать.

Работает ли reasoning_effort none в AIHubMix?
Запрос возвращает код 200, но модель всё равно рассуждает. Самый низкий действенный уровень — low.

Мне всё ещё нужен cache_control?
Нет. MiniMax не поддерживает его в M3.1 Flash. Кэширование происходит автоматически, а AIHubMix тарифицирует кэшированный ввод по цене $0.0165 за миллион токенов.

Можно ли использовать M3.1 Flash в Claude Code и Codex?
Да. AIHubMix предоставляет доступ к модели через Anthropic Messages API для Claude Code и через Responses API для Codex. На 19 октября 2026 года обе модели прошли тесты с текстом, вызовами инструментов и результатами их работы.

Почему ответы обрываются?
Токены thinking учитываются в max_tokens. Если finish_reason имеет значение length, увеличьте max_tokens. MiniMax рекомендует 131,072.

Читайте дальше: серия MiniMax M3.1 Flash

• Прежде чем переходить на новую модель, узнайте, что вас ждёт: от запуска Space Bunny до сравнения цены с M2.7 и M3: MiniMax M3.1 Flash — это Space Bunny: что изменилось по сравнению с M2.7 и M3 и сколько это стоит
• После миграции важнее всего правильно настроить effort. В этой статье сравниваются все пять уровней на одном исправлении ошибки: Уровни effort в MiniMax M3.1 Flash: почему вариант по умолчанию обошёлся в 7× дороже low на одном и том же исправлении
• Если из-за миграции вы задумались, стоит ли вообще оставаться с MiniMax, сравните стоимость и результат той же задачи у двух ближайших конкурентов: MiniMax M3.1 Flash против DeepSeek V4.1 Flash и Claude Haiku 5.5: одно исправление ошибки — три счёта

Источники

• MiniMax: модели (уведомление о выводе из эксплуатации)
• MiniMax: справочник по Messages API
• AIHubMix: MiniMax M3.1 Flash
• Проблема OpenCode #54801: варианты глубины thinking для M3.1 Flash отсутствуют
• Developers Digest: вывод MiniMax M2.5 и M2.7 из эксплуатации