El modelo anónimo tenía nombre
MiniMax ha identificado M3.1 Flash como el modelo que los usuarios estaban probando de forma anónima como “Space Bunny”, y dice que esa versión temprana procesó más de 200 billones de tokens antes de la revelación. La entrada de lanzamiento sitúa la inferencia en línea en casi el triple de velocidad que su predecesor y el coste total de uso agéntico un 70% por debajo.
Las cifras de rendimiento son concretas: más de 200 tokens por segundo en salida cotidiana, con una velocidad mediana constantemente por encima de 170. El precio es plano: 0,15 dólares por millón de tokens de entrada, 0,60 por millón de salida y 0,015 para entrada en caché.
Seis puntuaciones, todas del fabricante
De forma poco habitual en un lanzamiento de gama Flash, MiniMax publica números y no adjetivos. BankerToolBench: 76,2. DeepSWE v1.1: 73,7%. OSWorld V2: 61,7, que MiniMax dice que es el primero entre modelos chinos. Agents’ Last Exam: 29,6, también reclamado como primero entre modelos chinos. CyberGym: 82%, que la compañía describe como liderazgo en descubrimiento y validación de vulnerabilidades. AutomationBench-AA recibe una colocación —“entre los mejores”— pero ninguna puntuación.
Todas son mediciones de la propia MiniMax. La entrada compara el modelo con “modelos líderes” y “mejores modelos” sin nombre y sin publicar ni una puntuación de competidores, de modo que los resultados valen como afirmaciones sobre el sistema de MiniMax y no como una clasificación verificable.
Lo que falta
La entrada no da número de parámetros ni ventana de contexto: dos cifras que un desarrollador necesita antes de comprometerse con un modelo, y dos que MiniMax ha revelado en lanzamientos anteriores. Dice que los pesos se publicarán más adelante y que seguirá una versión Pro más capaz, sin fechas para ninguna de las dos.
La disponibilidad es inmediata a través de la API de MiniMax, la suscripción M Plan y MiniMax Code.
Lo interesante es la revelación de Space Bunny
Meter un modelo de forma anónima en una herramienta de programación de terceros y recoger 200 billones de tokens de uso real antes de anunciarlo es un tipo de lanzamiento distinto de publicar una tabla de pruebas. Da al fabricante datos de evaluación que ninguna clasificación produce, y no da a los usuarios forma alguna de saber qué modelo les respondió.
La práctica se está volviendo lo bastante común como para merecer un nombre. La pregunta que plantea no es si M3.1 Flash es rápido —los datos de uso probablemente lo zanjan internamente— sino si un desarrollador que pasó semanas con “Space Bunny” lo habría elegido con el nombre a la vista.
