MiniMax M3.1 Flash 공개 — 입력 100만 토큰당 $0.15, 정체 숨긴 'Space Bunny'가 이 모델이었어요
MiniMax가 10월 19일 에이전트·코딩용 M3.1 Flash를 내놨어요. 입력 $0.15 · 출력 $0.60(100만 토큰당), 컨텍스트 100만 토큰. 이름을 숨기고 200조 토큰 넘게 처리한 'Space Bunny'가 이 모델의 초기 버전이었다고 밝혔어요.
- MiniMax가 10월 19일 M3.1 Flash를 공개했어요. 가격은 100만 토큰당 입력 $0.15 · 출력 $0.60 · 캐시 입력 $0.015이고, API 문서 기준 컨텍스트는 1,000,000토큰이에요.
- 이름을 숨기고 운영되며 200조 토큰 넘게 처리한 'Space Bunny'가 M3.1 Flash의 초기 버전이었다고 MiniMax가 밝혔어요.
- MiniMax 자체 표에서 Automation-Bench 62.2로 표 안 1위였지만, DeepSWE v1.1(73.7)은 DeepSeek V4.1 Flash-1017(77.0) · Opus 5(74.0)보다 낮았어요. 가중치는 '나중에' 공개한다고만 했어요.
코딩 에이전트나 도구 호출(AI가 외부 기능을 불러 쓰는 것)을 여러 번 도는 작업에 지금 쓰는 모델이 비싸다면, 같은 작업 몇 개를 MiniMax-M3.1-Flash로 돌려 결과와 청구 금액을 나란히 비교해 볼 만해요.
긴 자료(100만 토큰 컨텍스트)를 한 번에 넣고 요약·정리시키는 반복 작업이 많다면, 출력 100만 토큰당 $0.60이라 비용 부담이 적은 후보예요. 다만 한국어 품질은 원문에서 따로 다루지 않았으니 직접 확인해야 해요.
영업·마케팅·고객 응대처럼 여러 SaaS를 오가는 업무 자동화를 생각 중이라면, MiniMax가 내세운 Automation-Bench 결과를 참고 삼아 작은 업무 하나로 먼저 시험해 보세요.
1. platform.minimax.io 에서 API 키를 받아요. 2. 공식 문서(Text Generation)의 Anthropic 호환(권장) 또는 OpenAI 호환 호출 예시를 그대로 따라 해요. 3. 예시의 model 값을 "MiniMax-M3.1-Flash" 로 두고, 평소 쓰던 작업 3~5개를 똑같이 돌려요. 4. 결과 품질과 청구 금액을 지금 쓰는 모델과 나란히 적어 비교해요.
긴 문서나 코드 저장소를 통째로 넣고 반복해서 고치게 하는 작업이라면, 먼저 작은 작업 몇 개로 지금 쓰는 모델과 비용·결과를 나란히 비교해 보면 좋을 것 같아요. 점수는 MiniMax가 직접 잰 값이라 내 작업에서 다시 확인하는 게 좋겠어요.
MiniMax가 10월 19일 공식 블로그에서 MiniMax M3.1 Flash를 공개했어요. 에이전트 작업(AI가 여러 단계를 스스로 이어 가는 일), 코딩, 컴퓨터 사용(Computer Use, AI가 화면을 보고 직접 조작하는 것), 사이버보안을 겨냥한 'Flash'급 모델이에요.
'Space Bunny'의 정체
MiniMax는 블로그 첫머리에서 "이름을 숨기고 운영되며 200조 토큰 넘게 처리한 Space Bunny 🐰가 MiniMax M3.1 Flash의 초기 버전이었다"고 밝혔어요. 어디에서 운영됐는지는 블로그에 적혀 있지 않아요.
가격과 속도
- 가격(100만 토큰당, 고정): 입력 $0.15 · 출력 $0.60 · 캐시 입력(이미 보낸 내용을 다시 쓸 때) $0.015
- MiniMax는 에이전트 작업 기준 전체 사용 비용이 이전 모델보다 70% 낮다고 했어요. 이전 모델이 무엇인지는 블로그에 이름이 없어요.
- 속도: 출력이 초당 200토큰 이상까지, 중앙값(P50)은 초당 170토큰 이상. 온라인 추론이 "거의 3배 빨라졌다"고 했어요.
- 컨텍스트(한 번에 넣을 수 있는 분량): API 문서 기준 1,000,000토큰
벤치마크 — MiniMax가 직접 잰 값
블로그 표에는 DeepSeek V4.1 Flash-1017 · DeepSeek V4.1 Flash · Kimi-K3 · GLM-5.3 · GPT-5.6 Sol · Opus 5가 함께 실렸어요. 몇 가지만 옮기면:
- Automation-Bench v1.0.6(기업 업무 자동화): M3.1 Flash 62.2 — 표 안에서 가장 높았어요(같은 글의 그래프에는 max 62.8로 적혀 있어요 · DeepSeek V4.1 Flash-1017 60.5, Opus 5 50.3).
- BankerToolBench: 76.2 — Opus 5와 같은 점수예요.
- DeepSWE v1.1(실전 코딩): 73.7 — DeepSeek V4.1 Flash-1017 77.0, Opus 5 74.0보다 낮고 GPT-5.6 Sol 73.0보다 조금 높았어요.
- OSWorld 2.0(컴퓨터 조작): 61.7 — Opus 5 70.6, GPT-5.6 Sol 65.7보다 낮아요. MiniMax는 이 항목과 ALE에서 "중국 모델 가운데 1위"라고 했어요.
- Agents' Last Exam(ALE): 29.6 — Opus 5 32.2, GPT-5.6 Sol 30.6보다 낮아요.
- CyberGym(보안 취약점 찾기): 82.2 — Kimi-K3 80.0보다 높고 GLM-5.3 84.5보다 낮아요.
MiniMax가 함께 올린 그래프에서는 ALE를 max 설정(Claude Code로 실행)으로 풀 때 전체 비용이 약 $111로, 그래프에 실린 다른 모델들보다 낮은 쪽에 찍혔어요. 표 아래 설명을 보면 항목마다 평가 도구(Claude Code · mini-SWE-agent · Codex 등)와 조건이 달라요. 모두 MiniMax가 직접 잰 값이라는 점은 감안해서 보세요.
어디서 쓰나
지금 MiniMax API, M Plan, MiniMax Code에서 쓸 수 있어요. 모델 가중치는 "나중에" 공개하고, 더 큰 Pro 버전도 "나중에" 나온다고 했어요. 둘 다 날짜는 없어요.
