MiniMax M3.1 Flash 努力等级：为什么默认设置修复同一个 Bug 的成本低 7 倍

MiniMax M3.1 Flash 有五个思考等级，而且无法关闭。如果你不选择等级，模型就会替你选最深的等级。MiniMax 的文本生成指南指出，省略该参数时，努力等级“默认为 max”。

这个默认设置的成本高得容易被忽略。AIHubMix 在每个等级下都运行了同一个双 Bug 修复任务。默认设置使用的思考 token 约为 low 的 10 倍，耗时约为 6 倍，而每个等级下的每次运行都通过了全部 215 项测试。模型的思考成本随努力等级上升，但任务难度始终不变。

简而言之：从 low 开始，只有任务失败或需要重试时才提高等级，绝不要把这个字段留空。

五个等级，无法关闭

思考无法禁用。根据 MiniMax 的Messages API 参考文档，对于 thinking: {"type": "disabled"} 和努力等级 none，API 会返回 HTTP 400，并提示 model "MiniMax-M3.1-Flash" requires adaptive thinking。较早的 MiniMax 模型会完全忽略努力等级字段。到目前为止，M3.1 Flash 是唯一会响应该字段的 MiniMax 模型。

All three protocols are available for minimax-m3.1-flash on AIHubMix. One difference from MiniMax's own API: AIHubMix accepted reasoning_effort: "none" and "minimal" with HTTP 200, and the model thought anyway. Treat those values as no-ops, not as a way to switch thinking off.

同一任务在各等级下的成本

测试任务：一个有两个 Bug 的计费函数。暂停时间超出计费周期时会多算一天，重叠的暂停时间则会被重复扣除。模型返回修复后的函数，本地测试程序用 215 个隐藏用例进行检查。2026 年 10 月 19 日，通过 AIHubMix 的 Chat Completions 端点在每个等级下运行三次，max_tokens 设置为 32,768。所有数据均由 AIHubMix 测得，尚无其他人复现。

成本按 AIHubMix 对 minimax-m3.1-flash 的定价计算：每百万输入 token $0.165，每百万输出 token $0.66，每百万缓存输入 token $0.0165。思考 token 按输出 token 计费。例如，“省略”这一行平均使用 464 个提示词 token（其中约 192 个为缓存 token）和 6,673 个输出 token，单次修复成本约为 $0.0045。

数据说明了什么

对于这项任务，Low 就足够了。每个级别每次都给出了正确的修复结果。对于范围明确、只涉及单个函数的 bug，在更高级别增加思考并没有带来可衡量的收益。

从 low 提高到 medium，变化很明显。medium 平均使用的思考 token 数约为 low 的 2.6 倍，耗时也超过两倍。

medium 以上的等级差异不明显。我们的 xhigh 运行平均使用的 token 少于 high，而 max 与两者都有重叠。每个等级只运行三次，无法将它们区分开来。对于这个任务，“high”“xhigh”和“max”都意味着“思考更多，有时多很多”。

省略参数的表现与 max 类似。这与 MiniMax 的文档一致。我们的“省略”平均值高于“max”，但两者范围重叠，差异处于运行间的噪声范围内。

每个等级的波动都很大。同一个提示词在默认设置下耗时从 39 秒到 82 秒不等。在 Anthropic Messages 端点上，三次 low 运行分别使用了 511、1,861 和 6,060 个思考 token。最后一次耗时 56 秒，与典型的 max 运行一样久。努力等级决定思考的平均深度，而不是为思考设置硬性上限。

在全部 24 次 Flash 运行中，吞吐量都保持稳定，约为每秒 112 个输出 token，因此耗时几乎随思考 token 数线性增长。按这个速度，思考 6,000 个 token 就要等将近一分钟。

MiniMax 尚未公布各等级对应的 token 数或延迟数据。当更难的任务开始需要更高等级时，我们无法根据这一次测试下结论。上面的数据仅显示，当任务并不需要更高等级时，各等级会产生多少成本。

简短提示词几乎不会触发思考

“始终会思考”并不意味着“每次都会想很多”。思考是自适应的，深度会根据提示词看起来有多难而变化：

• 将五张客服工单分为四个标签之一：low 下思考 token 数为 0，默认设置下平均为 6。所有标签都正确。
• 问题“17 × 23 等于多少？”在 low 下完全没有思考，输出 2 个 token。

因此，缺少关闭开关对简短的分类、提取和路由调用几乎没有成本影响。成本主要出现在代码等开放式任务上：你允许模型思考得越深入，它就会找到越多值得思考的内容。

从哪里开始

以下是建议的起始等级。只有前两行经过直接测量；其余是我们的建议，请结合你自己的重试情况进行验证：

只有当你发现 high 无法胜任这类任务时，才使用 max。

更改努力等级会造成什么问题，或带来哪些额外成本

• 回答被截断。思考 token 也计入 max_tokens。一次默认设置的运行仅处理一个函数就用了 9,376 个思考 token，因此，为 M2.x 回答设置的 4K 或 8K 限制可能会截断回复，并返回 finish_reason: "length"。MiniMax 建议设置为 131,072，最高允许 524,288。
• 超时。使用 high 或更高等级时，单次调用可能耗时一分钟。为响应迅速的模型调好的客户端和代理超时设置，需要提高到 120 秒或更长。
• 看似有效、实际无效的值。通过 AIHubMix，none、minimal 和诸如 auto 这样的未知值都会被接受，但模型仍会思考。根据某网关项目的测试，MiniMax 自家的端点会拒绝未知值（sub2api issue #8025）。请使用文档列出的五个值之一。
• 不提供努力等级选项的工具。OpenCode 目前不会为此模型解析任何努力等级变体，而一些框架会发送“thinking disabled”，从而触发 400 错误。请检查你的工具实际发送了什么。
• 同一条流水线中混用不同模型。M3 和 M2.x 会忽略努力等级字段。如果你在多个模型之间路由，那么能为 Flash 省钱的努力等级对其他模型毫无作用。

如何在各协议中设置

通过 AIHubMix 使用一个密钥即可接入全部三种协议。快速入门介绍密钥的使用方法，统一推理参数页面介绍 AIHubMix 如何处理不同供应商的推理字段。

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；如果你的 SDK 版本不识别该字段，请将 output_config 放入 extra_body）：

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)

请检查前几次调用中的 usage。Chat Completions 会在 completion_tokens_details.reasoning_tokens 中报告思考 token 数，Messages 会在 output_tokens_details.thinking_tokens 中报告，Responses 则会在 output_tokens_details.reasoning_tokens 中报告。如果你更改等级后这些数字没有变化，说明设置没有传到模型。

常见问题

MiniMax M3.1 Flash 的默认努力等级是什么？
Max。如果请求中没有努力等级字段，模型就会以最深的等级进行思考。

我能完全关闭思考吗？
不能。在 MiniMax 的 API 上禁用思考会返回 HTTP 400。最低等级是 low，而对于简短的提示词，low 通常不会使用任何思考 token。

编程时应该使用哪个努力等级？
单函数修复和小型代码审查从 low 开始，多文件修改从 medium 开始，只有任务失败时才提高等级。在我们的测试中，low 每次都能正确修复包含两个 Bug 的函数。

max 努力等级会更准确吗？
在我们的测试任务中并没有：所有等级都通过了全部 215 项测试。max 使用了远多得多的 token，也耗时更长。更高等级或许有助于解决更难的任务，但目前还没有人公布数据说明哪些任务需要它。

为什么同一个请求一次耗时 10 秒，另一次却要 56 秒？
即使等级固定，思考深度也会在不同运行间变化。在 Messages 端点上，一次 low 努力等级的运行使用的思考 token 约为另一次的十倍。

通过 AIHubMix 使用 reasoning_effort none 有效吗？
该值会被接受且不会报错，但模型仍会思考。请改用 low。

如何查看一次调用使用了多少思考 token？
查看 usage 对象：Chat Completions 和 Responses 中的 reasoning_tokens，以及 Messages API 中的 thinking_tokens。

继续阅读：MiniMax M3.1 Flash 系列

• 了解这一设置背后的全貌，从 Space Bunny 发布到与 M2.7 和 M 相比的价格：MiniMax M3.1 Flash 即 Space Bunny：相比 M2.7 和 M 有哪些变化，成本如何
• 从 M2.5/M2.7 代码迁移时，努力等级只是诸多变化之一。这篇文章介绍 400 错误及其他问题：在 11 月 18 日前迁离 MiniMax M2.5/M2.7：修复 M3.1 Flash 的“requires adaptive thinking”400 错误
• 在 low 努力等级下，Flash 在同一个修复任务的三款模型中成本最低。来看看它的默认设置与 DeepSeek 和 Haiku 的默认设置相比如何：MiniMax M3.1 Flash vs DeepSeek V4.1 Flash vs Claude Haiku 5.5：一个 Bug 修复，三种账单

来源

• MiniMax：模型调用（文本生成指南）
• MiniMax：Messages API 参考文档
• AIHubMix：MiniMax M3.1 Flash
• AIHubMix：统一推理参数
• sub2api issue #8025：MiniMax M3 / M3.1 Flash 努力等级支持