MiniMax ने M3.1 Flash लॉन्च किया, Space Bunny के स्टील्थ मॉडल का खुलासा

MiniMax ने 19 अक्टूबर, 2026 को आधिकारिक तौर पर MiniMax M3.1 Flash जारी किया। अपने लॉन्च पोस्ट में कंपनी ने पुष्टि की कि Space Bunny—एक गुमनाम मॉडल, जिसने स्टील्थ मोड में काम करते हुए 200 ट्रिलियन से अधिक टोकन संसाधित किए—इस नए संस्करण का शुरुआती रूप था।

MiniMax की घोषणा में M3.1 Flash को अगली पीढ़ी का Flash मॉडल बताया गया है, जो एजेंट-आधारित कार्यों, कोडिंग, कंप्यूटर के उपयोग और साइबर सुरक्षा में कंपनी के अनुसार “पीढ़ीगत छलाँग” प्रदान करता है। कंपनी ने कहा कि यह संस्करण ऑनलाइन अनुमान प्रक्रिया को लगभग तीन गुना तेज़ करता है और उपयोग की लागत 70% घटाता है।

Space Bunny का स्टील्थ अभियान

MiniMax के लॉन्च पोस्ट के मुताबिक, Space Bunny ने गुमनाम रूप से काम करते हुए वैश्विक लीडरबोर्ड में शीर्ष स्थान हासिल किया था। स्टील्थ अभियान की मेज़बानी करने वाले OpenRouter ने अपनी खुलासा पोस्ट में कहा कि Space Bunny लगातार 10 दिनों तक उसका नंबर-एक मॉडल रहा और उसने 56.7 ट्रिलियन टोकन संसाधित किए—OpenRouter के किसी भी स्टील्थ मॉडल में सबसे अधिक।

OpenRouter ने कहा कि Space Bunny ने 5 अक्टूबर, 2026 को उसका प्लेटफ़ॉर्म छोड़ दिया था और 19 अक्टूबर, 2026 को M3.1 Flash के रूप में वापस आया। OpenRouter इसे 72 घंटे तक निःशुल्क उपलब्ध करा रहा है। OpenRouter के अनुसार, स्टील्थ अवधि के दौरान उपयोगकर्ताओं से मिले सुझावों ने MiniMax को बग ठीक करने और सुधार जारी करने में मदद की: पहला टोकन मिलने का समय 38% घटकर 1.95 सेकंड से 1.22 सेकंड हो गया, थ्रूपुट 45% बढ़कर 70 टोकन प्रति सेकंड से 100 टोकन प्रति सेकंड हो गया और त्रुटि दर 1.4% से घटकर 0.7% रह गई।

कंपनी द्वारा बताए गए बेंचमार्क परिणाम

MiniMax की घोषणा के अनुसार, M3.1 Flash कई तरह के बेंचमार्क में बेहतर प्रदर्शन करता है। कंपनी ने कहा कि जटिल एजेंट-आधारित कार्यों, कंप्यूटर के उपयोग, सॉफ़्टवेयर विकास और साइबर सुरक्षा में इसका प्रदर्शन अग्रणी मॉडलों के स्तर तक पहुँच गया है।

MiniMax ने कहा कि AutomationBench-AA पर यह मॉडल शीर्ष प्रदर्शन करने वालों में शामिल है और SaaS प्रणालियों में वास्तविक व्यावसायिक कार्यप्रवाह पूरे कर सकता है। यह बिक्री, विपणन, परिचालन, ग्राहक सेवा, वित्त और मानव संसाधन से जुड़ी व्यावहारिक समस्याओं को शुरू से अंत तक हल करता है। कई चरणों वाली योजना बनाने, दस्तावेज़ों और फ़ाइलों में एकरूपता बनाए रखने, वित्तीय अनुपालन और क्रमबद्ध टूल कॉल को परखने वाले BankerToolBench पर कंपनी ने 76.2 अंक का स्कोर बताया।

कोडिंग और सॉफ़्टवेयर इंजीनियरिंग में MiniMax ने DeepSWE v1.1 पर 73.7% स्कोर बताया। यह बेंचमार्क ऐसे जटिल सॉफ़्टवेयर कार्यों पर केंद्रित है जिनमें मॉडल को स्वतंत्र रूप से कोड समझना, सुविधाएँ विकसित करना, समस्याएँ ठीक करना और परीक्षण के ज़रिए अपने काम की पुष्टि करना होता है। कंपनी ने कहा कि M3.1 Flash कई चरणों वाले लंबे कार्यों को प्रभावी ढंग से पूरा करता है और कम लागत में जटिल सॉफ़्टवेयर विकास कार्यप्रवाहों को समर्थन देता है। लॉन्च पोस्ट में DeepSWE पर 74%, Automation-Bench पर 62%, ALE पर 30% और दृश्य तर्क क्षमता की जाँच करने वाले परीक्षण BabyVision पर 91% स्कोर का उल्लेख था।

कंप्यूटर के उपयोग के मामले में MiniMax ने OSWorld V2 पर 61.7 अंक बताए। यह बेंचमार्क कंप्यूटर चलाने और अलग-अलग ऐप्लिकेशन के बीच कार्य पूरे करने की AI की क्षमता मापता है। वास्तविक पेशेवर काम और जटिल कार्यों पर प्रदर्शन का आकलन करने वाले Agents’ Last Exam (ALE) पर मॉडल को 29.6 अंक मिले। कंपनी ने कहा कि M3.1 Flash इन दोनों बेंचमार्क पर चीनी मॉडलों में पहले स्थान पर है। कंपनी के मुताबिक, मॉडल वास्तविक परिवेशों के साथ काम कर सकता है, टूल का उपयोग कर सकता है और कई चरणों वाले लंबे कार्य पूरे कर सकता है।

साइबर सुरक्षा के मामले में MiniMax ने CyberGym पर 82% स्कोर बताया। कंपनी के अनुसार, यह स्कोर कमज़ोरियों का पता लगाने और उनकी पुष्टि करने में मॉडल की अग्रणी क्षमता दिखाता है। कंपनी ने यह भी कहा कि उसके आंतरिक सुरक्षा विशेषज्ञों के मूल्यांकन में मॉडल ने कोड ऑडिट, कमज़ोरियों के पैच लगाने, पेनेट्रेशन टेस्टिंग, मैलवेयर विश्लेषण और रिवर्स इंजीनियरिंग में अच्छा प्रदर्शन किया।

OpenRouter की पोस्ट में MiniMax के बताए गए 72.5% AutomationBench-AA और 73.67% DeepSWE स्कोर अलग से साझा किए गए। पोस्ट के मुताबिक, MiniMax के अपने मूल्यांकन में M3.1 Flash ने Automation-Bench और HLE बेंचमार्क पर DeepSeek V4.1 Flash से थोड़ा बेहतर प्रदर्शन किया।

MiniMax ने कहा कि उसने विरलता को अधिक आक्रामक ढंग से लागू करके मॉडल की अनुमान क्षमता को और बेहतर बनाया है। कंपनी के मुताबिक, रोज़मर्रा के उपयोग में आउटपुट की गति 200 टोकन प्रति सेकंड से अधिक हो सकती है, जबकि माध्यिका (P50) गति लगातार 170 टोकन प्रति सेकंड से ऊपर रहती है।

कीमत, उपलब्धता और मॉडल वेट्स जारी करना

API की एकसमान कीमतें इनपुट के 1M टोकन के लिए $0.15, आउटपुट के 1M टोकन के लिए $0.60 और कैश किए गए इनपुट के 1M टोकन के लिए $0.015 हैं। MiniMax ने कहा कि एजेंट-आधारित कार्यों में मॉडल की कुल उपयोग लागत उसके पिछले संस्करण से 70% कम है। लॉन्च पोस्ट में M3.1 Flash को सहयोगात्मक कार्य, कोडिंग और दृश्य तर्क से जुड़े कार्यों में अत्याधुनिक स्तर की बुद्धिमत्ता देने वाला बताया गया—वह भी M3 की एक-तिहाई लागत पर और तीन गुना गति के साथ।

M3.1 Flash MiniMax API, M Plan सदस्यता और डेस्कटॉप के लिए MiniMax Code के ज़रिए उपलब्ध है। OpenRouter ने कहा कि 72 घंटे की निःशुल्क अवधि के बाद वह मॉडल की कीमत इनपुट के 1M टोकन के लिए $0.15, आउटपुट के 1M टोकन के लिए $0.60 और कैश किए गए इनपुट के 1M टोकन के लिए $0.015 रखेगा।

MiniMax के लॉन्च पोस्ट में कहा गया कि मॉडल के वेट्स 23 अक्टूबर, 2026 को जारी किए जाएँगे, जबकि कंपनी की घोषणा के मुताबिक वेट्स बाद में जारी होंगे। MiniMax ने यह भी कहा कि Pro मॉडल, जिसे उसने बुद्धिमत्ता की सीमाओं को आगे बढ़ाने वाला बताया, बाद में आएगा। कंपनी ने Flash को दक्षता और क्षमता के बीच संतुलन तलाशने की अपनी निरंतर कोशिश के रूप में पेश किया।