MiniMax M3.1 Flashとは？428BのMoEモデルがウェイト公開

MiniMax M3.1 Flash（ミニマックス・エムスリー・ワン・フラッシュ）は、MiniMaxが2026年10月19日に正式リリースを発表し、10月23日にモデルのウェイトを公開したネイティブ・マルチモーダルなMoE（混合エキスパート）モデルです。テキスト・画像・動画を入力として受け付け、コーディングやエージェント作業、コンピュータ操作、サイバーセキュリティを主戦場にしています。

室谷代表取締役

MiniMaxが「M3.1 Flash」のウェイトを公開しました。総パラメータ428B、1トークンあたりの稼働は23BというMoEモデルなんですよね。

APIはもう出ていて、あとから重みが降ってくるという順番でした。

テキトー教師DotAI 認定講師

そこが今回の面白いところで、単に「オープンウェイトが出ました」という話じゃないんですよ。API提供が先、ウェイト公開が後。

つまり本番環境で先に回して、実運用の知見を溜めてから重みを出すという流れが見えるんです。

室谷代表取締役

発表の中身を整理すると、まず性能面。BankerToolBench 76.2、DeepSWE v1.1で73.7%、OSWorld V2が61.7、Agents' Last Examが29.6、CyberGymが82.2。

エージェント系のベンチマークで軒並み高い数字を出してきています。

テキトー教師DotAI 認定講師

そして効率の話。MiniMax Sparse AttentionとDSpark投機的デコーディングで推論効率を上げていて、オンライン推論は約3倍高速、エージェントタスクの利用コストは70%削減と公式ブログが説明しています。

日常利用で200+TPS、中央値で170+TPSという出力速度も書かれていますね。

室谷代表取締役

料金がまた思い切っていて、入力$0.15、出力$0.60、キャッシュ読み$0.015（いずれも100万トークンあたり）の均一価格。M3の3分の1のコストで3倍速いという打ち出しです。

MYUUUでもエージェントを回すとトークンがどんどん溶けていくので、この価格は素直に気になります・・・。

MiniMax M3.1 Flashとは？428BのMoEモデルがウェイト公開

テキトー教師DotAI 認定講師

まず基本スペックを整理しましょう。公式のモデルカードに書かれているのはこのあたりです。

室谷代表取締役

箇条書きで見たほうが分かりやすいですね。整理するとこうです。

• アーキテクチャ: ネイティブ・マルチモーダルMoE
• パラメータ: 総計約428B、1トークンあたり23Bを稼働
• 入出力: テキスト・画像・動画を入力、テキストを出力
• コンテキストウィンドウ: 最大100万トークン
• 注意機構: MiniMax Sparse Attention（MSA）を全層に適用
• 投機的デコーディング: DSparkドラフトヘッドを同梱
• ライセンス: minimax-community

テキトー教師DotAI 認定講師

M3からの変更点は3つと説明されています。1つ目が全層への疎な注意機構の導入。

最初の3つの全注意層を疎注意に置き換えたんですね。2つ目が量子化考慮学習（QAT）で、ルーティングされるMoEエキスパートと注意経路を学習段階から量子化しています。

3つ目がDSpark投機的デコーディングで、従来のEAGLE系MTP方式を置き換えるものです。

室谷代表取締役

量子化の話はModelScope側のモデルカードが詳しくて、ルーティングされるMoEエキスパートがMXFP8からNVFP4 W4A4へ、疎注意のインデクサとメインブランチがQ8KV8からQ8KV4へ移ると書かれています。共有エキスパートは除外という注記もありました。

メモリフットプリントを下げて配信効率を上げる方向ですね。

テキトー教師DotAI 認定講師

ちなみにHugging Face上の表記ではモデルサイズが220B params、ModelScopeでは220.49Bと表示されています。総パラメータ428Bという発表と数字が違って見えるんですが、これは公開されているウェイトの形式や量子化の違いによる表示だと考えられます。

どちらが正しいという話ではなく、配布物としてのサイズ表記だと理解しておくのが安全です。

室谷代表取締役

あと地味に面白いのが、匿名で運用されていた「Space Bunny」が200兆トークン以上を処理していて、それがM3.1 Flashの初期バージョンだったという開示です。全球のリーダーボード上位に入っていたモデルの正体がこれだった、と。

テキトー教師DotAI 認定講師

これは発表の信頼性を補強する材料ですよね。ベンチマークの前に、実トラフィックで200兆トークン捌いていましたという実績を先に出してくる。

受講生さんにも「ベンチマークだけじゃなくて実運用の裏付けがあるモデルは見方が変わる」とよく話しています。

MiniMax M3.1 Flashでできること——コーディング・エージェント・サイバーセキュリティ

室谷代表取締役

で、実際に何ができるのか。公式ブログは4領域を挙げています。

複雑タスクと自動化、コーディングとソフトウェア工学、コンピュータ操作、サイバーセキュリティです。

テキトー教師DotAI 認定講師

複雑タスクのところは具体的で、SaaSシステムをまたぐ実際の企業ワークフローを、営業・マーケティング・オペレーション・カスタマーサービス・財務・HRまでエンドツーエンドでこなせると。BankerToolBench 76.2は、多段階の計画立案、文書やファイルをまたぐ一貫性の維持、財務コンプライアンス、連鎖的なツール呼び出しといった現実の難所を測る指標だと説明されています。

室谷代表取締役

コーディングはDeepSWE v1.1で73.7%。これはモデルが自立してコードを理解し、機能を開発し、問題を修正し、テストで検証するという複雑なソフトウェアタスクを対象にしたベンチマークです。

長いステップ列でも実行力が落ちない、と。

テキトー教師DotAI 認定講師

コンピュータ操作はOSWorld V2が61.7、Agents' Last Examが29.6で、公式ブログはこの2つで中国モデル中1位だと主張しています。タスクを理解する段階を超えて、実際に行動して成果を出すところまで、というのが売り文句ですね。

室谷代表取締役

サイバーセキュリティはCyberGym 82.2。脆弱性の発見と検証に強くて、社内のセキュリティ専門家による詳細評価ではコード監査、脆弱性パッチ、ペネトレーションテスト、マルウェア解析、リバースエンジニアリングで強い性能を示したと書かれています。

テキトー教師DotAI 認定講師

ただし公式の統合ガイドには注記があって、モデルの出力はあくまで「支援された分析」として扱い、最終判断は人がやるべきだと。セキュリティ領域は特にそうですね。

コード監査の一次スクリーニングを回して、人は怪しいところに集中する、という使い方が現実的だと思います。

室谷代表取締役

マルチモーダルも効いていて、テキスト・画像・動画を入力にできます。公式の統合ガイドには、参考写真からThree.jsの手続き型3Dモデルを組み立てる事例や、ブラウザのパフォーマンスツールとフレームチャートでサポートチケットシステムの遅延を特定して修正する事例が載っています。

テキトー教師DotAI 認定講師

その事例は「1つの文書化されたケースであって、一般的な速度保証ではない」と公式がわざわざ断っています。ここは正確に押さえておきたいところです。

MiniMax M3.1 Flashのベンチマーク性能を前世代・競合と比較

室谷代表取締役

ここが一番気になる読者が多いところだと思うので、モデルカードの比較表を出しておきます。

テキトー教師DotAI 認定講師

数字は公式のモデルカード（Hugging Face / ModelScope）の比較表からです。整理するとこうです。

室谷代表取締役

見方はいくつかあって、まずAutomation-Benchで62.8は表の中では一番高い。BankerToolBenchは76.2でOpus 5と並ぶ。

一方でTerminal Bench 4.0は38.1でOpus 5の51.8には届かず、NL2Repo-Benchも61.2でOpus 5の75.3には及びません。

テキトー教師DotAI 認定講師

全部で勝っているわけではなくて、領域によって強弱があるのが正直なところですね。CyberGymも82.2でGLM-5.3の84.5やGPT-5.6 Solの83.6が上にいます。

OSWorld 2.0も61.7に対してGPT-5.6 Solが65.7、Opus 5が70.6です。

室谷代表取締役

HLE（ツールなし）は43.4。ここは前世代のM3の数字がモデルカードの比較表に載っていないので、前世代比でどう上がったかはこの資料からは読み取れないんですよね。

ブログにもHLEの記述はありません。

テキトー教師DotAI 認定講師

そこは正確に言っておきたいです。モデルカードの表で確認できるのは、HLE 43.4に対してDeepSeek V4.1 Flashが39.2、Kimi K3が43.5、GLM-5.3が42.3、GPT-5.6 Solが49.5、Opus 5が55.6という並びまでです。

前世代からの伸びは、この資料だけでは判断できません。

室谷代表取締役

あと公式ブログが強調しているのは「性能とコストの経済性」で、Automation-Bench、DeepSWE、ALEの3つを並べて、トップモデルと同等の性能を非常に低いタスクコストで出すと主張しています。ベンチマークのスコア単体ではなく、タスクあたりのコストで見てほしいというメッセージですね。

テキトー教師DotAI 認定講師

評価ノートには「結果は公式ウェイトによるもので、第三者の量子化版は異なる場合がある」と明記されています。ローカルで量子化して使う場合は数字が変わる前提で読むべきです。

室谷代表取締役

ベンチマーク偏重かどうかという論点もありますけど、Space Bunnyとして200兆トークン実運用していたという事実があるので、そこは実用寄りの裏付けとして見ていいと思います。ただし、あくまでMiniMax自身の発表なので、第三者評価はこれから出てくるのを待つ形ですね。

MiniMax M3.1 Flashの料金とAPI——M3の3分の1のコストで使えるのか

室谷代表取締役

料金は公式ブログに均一価格として明記されています。整理するとこうです。

• 入力: $0.15 / 100万トークン
• 出力: $0.60 / 100万トークン
• キャッシュ読み: $0.015 / 100万トークン

テキトー教師DotAI 認定講師

そして「M3の3分の1のコスト、3倍の速度」というのがXの発表の言い方ですね。公式ブログでは、エージェントタスクの全体的な利用コストが前世代より70%低いと説明されています。

室谷代表取締役

ここは注意が必要で、70%削減というのはエージェントタスクの「利用コスト」の話であって、APIの単価そのものをM3と比べた数字ではないんですよ。公式の統合ガイドにも「報告されているコスト削減はエージェントタスクにおける前世代比であり、API単価の比較ではない」とわざわざ書かれています。

テキトー教師DotAI 認定講師

そこは混同されやすいので、記事としてもしっかり区別しておきたいですね。単価の3分の1という表現と、タスクコスト70%減という表現は別物です。

M3の単価が資料にないので、単価ベースで何倍安いかは今回のソースからは確定できません。

室谷代表取締役

エージェントを回すと入出力のトークンが積み上がるので、キャッシュ読みが$0.015で済むのは効きますよね。同じコンテキストを何度も読ませるワークフローだと、そこが効いてくる。

テキトー教師DotAI 認定講師

提供経路は3つです。MiniMax API、サブスクリプションのM Plan、そしてデスクトップアプリのMiniMax Code。

同じモデルが3つの環境で動くと公式が説明しています。

室谷代表取締役

MiniMax Codeはコーディングモードとワークモードがあって、ローカルファイルやブラウザ、ターミナルにつないで作業できるやつですね。料金プランはGo、Explore、Buildと並んでいて、公式ページには$22が$11、$55が$27.5、$132が$66という表示が出ています。

これはキャンペーン価格なのか通常価格なのか、現時点では明らかにされていません。

テキトー教師DotAI 認定講師

為替や税の扱いも資料には書かれていないので、契約前にコンソールで確認するのが確実です。MiniMax全体の会社概要やプロダクトの整理はMiniMaxとは？会社概要から料金、H3の使い方とローカル実行まで解説にまとまっています。

室谷代表取締役

あとInferactというパートナーがDay 0から本番配信していて、MiniMaxプラットフォーム経由のリクエストがMiniMax自身のキャパシティと並んでInferactのスタックにルーティングされる、と。SLA付きで提供され、MiniMaxがモデルの配信方法の制御は保持するという役割分担です。

MiniMax M3.1 Flashの使い方・始め方——Hugging Face・vLLM・SGLang対応

テキトー教師DotAI 認定講師

使い方は大きく3ルートです。API、MiniMax Code、そしてローカルデプロイ。

ローカルの場合はまずモデルを落とします。

hf download MiniMaxAI/MiniMax-M3.1-Flash --local-dir MiniMax-M3.1-Flash

室谷代表取締役

推論フレームワークはSGLangとvLLMが推奨で、モデルカードにはTransformers、TokenSpeed、KTransformers、unsloth、ATOMへの統合も進行中と書かれています。SGLangはDay 0対応で、bs1デコードで1K tok/s超を実現したと発表されています。

テキトー教師DotAI 認定講師

SGLang側の発表が具体的で、NVIDIA BlackwellとHopper（GB300/B300/B200/H200）、AMD Instinct MI350X/MI355Xに対応。AgentXのコーディングエージェントトレースで96並行セッション時にGPUあたり約100K tok/s、MegaKernelsで単一リクエストのデコードが2.15倍高速になると。

MiniMax、NVIDIA、AMD、radixarkの共同作業で、MilesでRLも回せると書かれています。

室谷代表取締役

vLLM側もInferactが各MiniMaxリリースでDay 0対応を主導していて、そのエンジニアリングはvLLMにアップストリームされていると。オープンソース側に還元されるのは健全ですね。

テキトー教師DotAI 認定講師

推論設定もモデルカードに書かれています。サンプリングはtemperature=1.0、top_p=0.95が推奨。

推論の深さはチャットテンプレートのreasoning_effortでlow、medium、high、xhigh、maxの5段階から選べます。

室谷代表取締役

ここ面白いのが、M3は推論を有効化するか無効化するかを選べたのに対して、M3.1 Flashは常時有効で深さだけ調整できる仕様になっているんですよ。公式の比較表にそう書かれています。

常に考えてから答えるけど、どれだけ考えるかは調整できる、という設計ですね。

テキトー教師DotAI 認定講師

100万トークンのコンテキストはサポートされていますが、モデルカードには「実際に使える長さとスループットはGPUメモリと配信構成に依存する」と注記があります。スペック上の上限と実用上の上限は別物です。

室谷代表取締役

既存のコーディングツールからAPIを叩く使い方もあります。APIキー設定やBYOKの手順はCursor APIキーの完全ガイド【2026年最新】：BYOK設定方法・料金・対応プロバイダー・よくあるエラー対処まで徹底解説が参考になります。

100万トークンと常時思考という仕様の整理はMiniMax-M3.1-Flashとは？100万トークン・常時思考の低価格APIを解説でも扱っています。

テキトー教師DotAI 認定講師

公式の統合ガイドが「始め方4ステップ」として挙げているのは、アカウントとモデルの利用可否を確認する、アクセス経路を選ぶ、実際のタスク素材を渡す、結果を検証してから頼る、という流れです。特に最後の検証が大事で、コードならテストとブラウザ操作、表計算なら数式と出典、視覚結果なら目視確認までやる。

室谷代表取締役

これは現場感覚と合いますね。エージェントは「それっぽい出力」を高確率で出してくるので、検証工程をワークフローに埋め込まないと危ない。

MYUUUでも、生成物をそのまま納品せずに必ずテストを通す工程を挟んでいます。

MiniMax M3.1 Flashは日本から使える？提供範囲と公開スケジュール

室谷代表取締役

日本から使えるかという点ですが、MiniMaxはグローバルにサービスを展開している企業で、APIプラットフォームもMiniMax Codeも公式サイトからアクセスできる形になっています。ただし、日本向けの個別の提供条件やリージョン制限については、今回の資料の中では明記されていません。

テキトー教師DotAI 認定講師

そこは正直に「現時点では明らかにされていません」と書くべきところですね。料金の通貨表示や税の扱いも資料には出てきません。

契約前にコンソールの表示を確認するのが確実です。

室谷代表取締役

公開スケジュールははっきりしていて、10月19日に正式リリースの発表、10月23日にウェイト公開です。Xの発表では「Model weights will arrive on Oct 23」と書かれていて、ModelScopeのモデルページもOct 23, 2026 updatedとなっています。

テキトー教師DotAI 認定講師

発表時点では「ウェイトは後日」と言っていて、その4日後に本当に出した。この約束を守る速度は、開発者としては信頼材料になりますよね。

室谷代表取締役

ライセンスはminimax-community。オープンウェイトとはいえ、ライセンス名は正確に押さえておく必要があります。

商用利用の条件などはライセンス本文の確認が必要で、今回の資料には条件の詳細までは書かれていません。

テキトー教師DotAI 認定講師

あと公式ブログの最後に「Pro」が後日登場すると書かれています。知能の限界を押し上げるモデルとして位置づけられていて、Flashは効率と能力のバランスを探る系列だという整理ですね。

Proの詳細は現時点では明らかにされていません。

室谷代表取締役

同じ発表で、MiniMax Codeのミニアプリの話も10月22日付で出ています。デスクトップとクラウドをまたいでタスクを引き継げる仕組みで、エージェント運用の導線が整ってきている印象です。

よくある質問

テキトー教師DotAI 認定講師

ここからは、よく聞かれる点をまとめておきます。

室谷代表取締役

まず「M3.1 Flashのベンチマークは具体的にどのくらいか」。これはBankerToolBench 76.2、DeepSWE v1.1が73.7%、OSWorld V2が61.7、Agents' Last Examが29.6、CyberGymが82.2、Automation-Bench v1.0.6が62.8、HLE（ツールなし）が43.4です。

テキトー教師DotAI 認定講師

「前世代のM3と比べてどうか」については、モデルカードの比較表にM3の列がないため、ベンチマークの前世代比は今回の資料からは判断できません。公式ブログが明示している前世代比は、オンライン推論が約3倍高速、エージェントタスクの利用コストが70%削減という2点です。

室谷代表取締役

「料金はいくらか」。入力$0.15、出力$0.60、キャッシュ読み$0.015（各100万トークンあたり）の均一価格です。

M PlanとMiniMax Codeのサブスクリプションは別体系で、Go・Explore・Buildの3プランが表示されています。

テキトー教師DotAI 認定講師

「APIはどうやって使うか」。platform.minimax.ioの開発者プラットフォームから利用します。

ローカルで動かす場合はHugging FaceまたはModelScopeからウェイトを取得し、SGLangかvLLMでサーブするのが推奨です。

室谷代表取締役

「商用利用はできるのか」。ライセンスはminimax-communityですが、条件の詳細は今回の資料には書かれていません。

利用前にライセンス本文の確認が必要です。

テキトー教師DotAI 認定講師

「マルチモーダルには対応しているのか」。対応しています。

テキスト・画像・動画を入力として受け付け、出力はテキストです。コンテキストは最大100万トークンです。

室谷代表取締役

「思考の深さは調整できるのか」。できます。

reasoning_effortでlow、medium、high、xhigh、maxの5段階です。M3が推論の有効・無効を選べたのに対し、M3.1 Flashは常時有効で深さのみ調整可能という違いがあります。

テキトー教師DotAI 認定講師

「ベンチマーク偏重ではないのか」。これについては、匿名運用されていたSpace Bunnyが200兆トークン以上を処理した初期バージョンだったという開示が一つの材料になります。

実トラフィックの裏付けがある一方、評価ノートには第三者の量子化版では結果が異なる場合があると明記されています。

室谷代表取締役

総じて、エージェントを大量に回すワークフローにとっては価格と速度のインパクトが大きい発表です。ただ、単価の比較とタスクコストの比較は混ぜないこと、前世代比のベンチマークは資料にないこと、この2点だけは正確に押さえておきたいですね。