MiniMax M3.1 Flash : agents IA 70 % moins chers et 3x plus rapides
MiniMax M3.1 Flash réduit de 70 % le coût des agents IA et triple la vitesse d'inférence. Découvrez comment optimiser vos agents au quotidien.
Vous avez déjà regardé la facture après avoir laissé un agent IA travailler toute une journée ? Le genre de chiffre qui pique un peu. C'est exactement ce problème que MiniMax vient d'attaquer de front avec son nouveau modèle M3.1 Flash. Le développeur chinois promet rien de moins qu'une chute de 70 % du coût de fonctionnement des agents, tout en rendant l'inférence presque trois fois plus rapide. Voilà une annonce qui mérite qu'on s'y attarde.
Un modèle pensé pour le travail d'agent
La grande force d'un agent IA, c'est sa capacité à enchaîner les appels pour boucler une tâche. La grande faiblesse, c'est que chaque appel coûte du temps et de l'argent. Avec M3.1 Flash, MiniMax s'attaque précisément à ce nerf de la guerre. Selon le communiqué relayé par la presse spécialisée , les tâches agentiques coûtent 70 % de moins que sur le modèle précédent, et la vitesse d'inférence grimpe à près de trois fois celle de M3.
La recette technique derrière la vitesse
Comment obtient-on autant de vitesse sans gonfler la taille du modèle ? La réponse tient en un mot : la parcimonie. M3.1 Flash conserve à peu près les mêmes dimensions que M3, avec 428 milliards de paramètres au compteur. Mais MiniMax a poussé plus loin la sparsité au moment de l'inférence, ce qui veut dire que le modèle active moins de calculs pour produire chaque réponse. Résultat : une sortie qui dépasse les 200 tokens par seconde en pic d'utilisation quotidienne.
Le raisonnement reste activé pour chaque requête, et vous choisissez parmi cinq niveaux d'effort, de « Low » à « Max ». C'est une belle idée : vous dosez la puissance de réflexion selon la complexité de la tâche, plutôt que de payer plein tarif pour une question triviale.
- Entrée multimodale : texte, image et vidéo.
- Des prompts qui peuvent grimper jusqu'à 1 million de tokens.
- Un tarif plat de 15 centimes par million de tokens en entrée.
Des performances qui tiennent la route
La vitesse ne sert à rien si le modèle ne sait pas faire le travail. Et là, MiniMax avance des chiffres plutôt solides. Sur OSWorld V2, un test qui mesure la capacité d'un modèle à opérer un ordinateur, M3.1 Flash décroche 61,7. L'entreprise affirme qu'aucun modèle chinois n'a fait mieux. Sur BankerToolBench, un test de flux de travail bancaire, il obtient 76,2.
Le côté sécurité n'est pas en reste : 82 % sur CyberGym, un benchmark conçu par des chercheurs de l'Université de Californie à Berkeley pour vérifier si un agent peut reproduire de vraies vulnérabilités logicielles. MiniMax cite d'ailleurs l'audit de code, les tests d'intrusion et l'analyse de logiciels malveillants parmi les tâches que son modèle peut prendre en charge.
Une concurrence qui se resserre
À 15 centimes par million de tokens en entrée, M3.1 Flash vient se placer directement face au V4.1-Flash de DeepSeek, qui facture le même tarif hors heures de pointe. DeepSeek affirmait ce week-end que sa version résolvait 77 % des tâches sur DeepSWE v1.1. La bataille des modèles « flash » économiques fait rage, et c'est vous, développeur, qui en profitez.
Pourquoi c'est important
Parce que le coût a longtemps été le mur invisible qui empêchait les agents IA de passer de la démo au vrai usage. Quand un modèle divise la facture par plus de trois et accélère le tout, des projets autrefois trop chers deviennent soudain rentables. Pour votre travail, votre veille ou même vos expérimentations personnelles, cela change concrètement la donne.
Conclusion
MiniMax ne réinvente pas la roue avec M3.1 Flash, mais il enlève un frein majeur. En rendant les agents plus rapides et bien moins chers à opérer, il rapproche l'IA autonome d'un usage quotidien et accessible. La prochaine fois que vous hésiterez à lancer un agent sur une grosse tâche, la question du budget pourrait bien ne plus être le premier obstacle.
Points clés à retenir
- M3.1 Flash réduit de 70 % le coût des tâches agentiques par rapport à M3.
- L'inférence est presque trois fois plus rapide, avec plus de 200 tokens par seconde en pic.
- Le modèle conserve 428 milliards de paramètres et accepte texte, image et vidéo jusqu'à 1 million de tokens.
- Il affiche 61,7 sur OSWorld V2 et 82 % sur CyberGym, des scores solides pour un modèle économique.
- À 15 centimes par million de tokens, il concurrence directement DeepSeek sur le segment des modèles abordables.