MiniMax M3.1 Flash
El nuevo modelo de lenguaje grande M3.1 Flash de MiniMax está siendo comparado con rivales como DeepSeek V4.1 Flash, GLM 5.3 Flash y modelos frontier como Opus 5.5 y GPT-5.6 Sol, y muchos usuarios lo encuentran más lento, más verboso y menos fiable en flujos reales de programación, pese a sus sólidas afirmaciones de benchmark. Los comentaristas destacan evidencias de “benchmaxxing” y comparaciones sesgadas, sosteniendo que las puntuaciones oficiales ya no reflejan la utilidad en el mundo real y que modelos como DeepSeek Flash y Qwen 3.8 Flash Next ofrecen actualmente un mejor equilibrio entre precio-rendimiento y latencia. El intercambio se amplía a preocupaciones sobre fallos de benchmarks, marketing opaco y la economía de los precios de API frente a suscripciones fuertemente subvencionadas, subrayando un creciente escepticismo hacia el bombo incremental de los lanzamientos de LLM.
Arquitectura del modelo y posicionamiento “Flash”
- La FAQ cita a MiniMax M3.1 Flash con ~428B parámetros totales y ~23B activos (MoE), aproximadamente comparable en tamaño/estructura a DeepSeek V4.1 Flash.
- “Flash” se usa de manera laxa entre proveedores; aquí no significa “pequeño”. Se plantean ideas como expertos únicos que encajan en GPUs rentables, sparsity MoE para una inferencia más barata, y una etiqueta de marketing a medida que los modelos “regulares” no-1T se vuelven comunes.
Comparaciones con DeepSeek, GLM, Qwen y otros
- Muchos comentaristas dicen que rinde peor que DeepSeek V4.1 Flash (especialmente 1017) y GLM 5.3 Flash en uso práctico de programación y SWE.
- El despliegue sigiloso como “Space Bunny” en OpenCode llevó a muchos usuarios a volver a Qwen 3.8 Flash Next o DeepSeek V4 Flash.
- Algunas comparaciones de terceros (p. ej., aibenchy) lo muestran claramente por detrás de GPT-5.6 Sol y Opus 5, contradiciendo los propios gráficos de MiniMax.
Benchmarks, “benchmaxxing” y comportamiento en el mundo real
- Hay un fuerte escepticismo de que los resultados de benchmarks de MiniMax reflejen el uso típico; varios llaman al modelo “benchmaxxed”.
- Las puntuaciones de Deepswe/TerminalBench se ven como inconsistentes con las experiencias de los usuarios; deepswe en sí se califica de “defectuoso” y saturado.
- Preocupa en general que muchos laboratorios ahora sobreajusten a los benchmarks (ley de Goodhart), haciendo que las puntuaciones sean menos significativas.
Coste, precios y economía
- M3.1 Flash reduce a la mitad los precios de entrada y caché frente a M3, lo que hace plausible la afirmación de ser “70% más barato para tareas agentic”.
- Aun así, sigue siendo ligeramente peor en coste de caché que DeepSeek V4.1, que tiene un caché KV inusualmente barato y muy optimizado.
- Debate sobre la economía de API frente a suscripción: algunos sostienen que las suscripciones fuertemente subvencionadas (p. ej., laboratorios frontier) superan a las APIs baratas; otros dicen que las cuotas y ventanas de tiempo hacen que APIs baratas como DeepSeek sean más utilizables en el día a día.
Velocidad, uso local y caché
- Hay varios reportes de que los modelos de MiniMax son lentos en la práctica (alta verbosidad de CoT, TTFT largo), frente a DeepSeek Flash y Qwen 3.8 Flash Next, que son muy rápidos.
- Para programación interactiva/agentic, la velocidad de decodificación y el rendimiento de prefill se consideran críticos; 13 tok/s se ve como apenas aceptable o inutilizable según el flujo de trabajo.
- El KV cache extremadamente comprimido de DeepSeek (y su TTL largo) se destaca como un diferenciador clave en coste y UX.
Rendimiento por caso de uso
- Algunos benchmarks de analítica de datos muestran a M3.1 Flash empatando con Opus 5.5 y Argon en precisión, pero siendo mucho más lento debido al uso excesivo de tokens.
- Las pruebas de ciberseguridad y reverse engineering, según se informa, favorecen a GLM 5.3 Flash y otros modelos; M3.1 Flash “rinde muy por debajo” ahí en al menos las evaluaciones de una plataforma.
- Un benchmark de programación adversarial de nicho lo sitúa aproximadamente al nivel de DeepSeek V4 Pro.
Confianza, seguridad y privacidad
- Varios comentaristas dicen haber “perdido la confianza” en MiniMax por la percepción de inflación de benchmarks.
- Preocupaciones más amplias sobre modelos frontier “nerfeados” con el tiempo, aunque otros señalan proyectos de seguimiento que sugieren que el rendimiento se mantiene en gran medida estable.
- Gran incomodidad por ser monitorizado mediante suscripciones en la nube; escepticismo hacia las afirmaciones de “zero data retention”.
- Discusión sobre proveedores de enclaves seguros (p. ej., servicios basados en TEE) y preocupaciones sobre el escaneo dentro del enclave y posibles patrones de exfiltración de datos.
- Un comentario señala una anterior inclusión en listas negras por parte del DHS de un modelo de MiniMax y se pregunta si este también será objetivo.
Meta y fatiga de anuncios
- El dominio minimax.io parece haber sido shadowbanned en HN, causando muchas publicaciones duplicadas.
- Muchos expresan fatiga ante anuncios casi diarios de modelos “más baratos, mejores, más rápidos” con benchmarks cuidadosamente seleccionados y fronteras de Pareto en movimiento.
- Algunos siguen viendo valor: cada nuevo modelo “flash” o de gama media puede desplazar la frontera de coste por tarea, especialmente para usos no frontier como flujos locales o sensibles al coste.