Den anonyma modellen hade ett namn
MiniMax har namngett M3.1 Flash som den modell användare testat anonymt under namnet “Space Bunny”, och uppger att den tidiga versionen bearbetade mer än 200 biljoner token före avslöjandet. Lanseringsinlägget anger att inferens online går nästan tre gånger så snabbt som föregångaren och att den samlade kostnaden för agentanvändning är 70% lägre.
Genomströmningssiffrorna är precisa: mer än 200 token per sekund i vardaglig utmatning, med en medianhastighet stadigt över 170. Prissättningen är platt: 0,15 dollar per miljon token in, 0,60 per miljon ut och 0,015 för cachad indata.
Sex resultat, samtliga från tillverkaren
Ovanligt för en lansering i Flash-klassen publicerar MiniMax siffror i stället för adjektiv. BankerToolBench: 76,2. DeepSWE v1.1: 73,7%. OSWorld V2: 61,7, vilket MiniMax uppger är först bland kinesiska modeller. Agents’ Last Exam: 29,6, också angivet som först bland kinesiska modeller. CyberGym: 82%, vilket bolaget beskriver som ledande inom upptäckt och validering av sårbarheter. AutomationBench-AA får en placering — “bland de främsta” — men ingen poäng.
Var och en av dessa är MiniMax egen mätning. Inlägget jämför modellen med onämnda “ledande modeller” och “toppmodeller” utan att publicera en enda konkurrents resultat, så siffrorna står som påståenden om MiniMax eget system snarare än som en rangordning någon kan kontrollera.
Det som saknas
Inlägget ger varken antal parametrar eller kontextfönster — två tal en utvecklare behöver innan hen binder sig vid en modell, och två som MiniMax redovisat vid tidigare lanseringar. Det säger att vikterna släpps senare och att en mer kapabel Pro-version följer, utan datum för någon av dem.
Tillgängligheten är omedelbar via MiniMax API, prenumerationen M Plan och MiniMax Code.
Det intressanta är avslöjandet om Space Bunny
Att skicka in en modell anonymt i ett kodverktyg från tredje part och samla 200 biljoner token verklig användning innan den annonseras är en annan sorts lansering än att publicera en testtabell. Det ger tillverkaren utvärderingsdata ingen topplista producerar, och det ger användarna ingen möjlighet att veta vilken modell som svarade dem.
Den metoden börjar bli vanlig nog att förtjäna ett namn. Frågan den väcker är inte om M3.1 Flash är snabb — användningsdatan avgör sannolikt det internt — utan om en utvecklare som lagt veckor på “Space Bunny” hade valt den med namnet synligt.
