Cristian Tala_

MiniMax M3.1 Flash: para qué sirve de verdad (benchmark en español)

Lo mejor que tiene es Coding, y aun así queda abajo (#51 de 74 entre los que rinden el examen completo), y donde menos rinde es Agentes (7.19 contra 9.49). Está en el tercio más barato del ranking: $0.472 por cada 1.000 llamadas.

Nota de calidad8.35/10#52 de 74 · del mejor al peor hay 3.7 puntos · examen 7.80, tareas de agente 10.00
Por 1.000 llamadas$0.472más barato que 61 de 74
Al mes, uso típico$0.70850 llamadas por día, todos los días
Velocidad137 tok/s48.7 s de espera media
⬡ Open source · MiniMax Community License (propia de MiniMax, no MIT) ⚒ Puede usar herramientas ◨ Entiende imágenes ◈ Razona antes de responder ⌸ Le caben ~1.700 páginas a la vez ⛨ Cae ante instrucciones ocultas · 4.3/10

Dónde está parado, pilar por pilar

La nota de la derecha es sobre 10. La barra compara contra los demás modelos del ranking, no contra el cero: entre el mejor y el peor de esta lista hay poco más de un punto, así que en escala 0-10 se verían todas iguales. La marca vertical es la mediana — quedar por debajo acá no es una mala nota, es estar en el promedio de un grupo muy parejo.

Coding 9.49 (-0.07 vs mediana)
Contenido 7.77 (-0.89 vs mediana)
Razonamiento 8.08 (+0.01 vs mediana)
Agentes 7.19 (-0.62 vs mediana)

Medido con 137 runs que puntúan, juez Phi-4 vía OpenRouter · actualizado 2026-11-12 · datos abiertos

Tareas de agente: hasta que la tarea se corrija, no cuentan los checks cuya trampa el agente no podía conocer por el enunciado (en facturación, 3 de sus 8). La nota de agente y «N de 4» se calculan sin ellos.

Qué hace bien y qué no

Su media entre las 31 tareas medidas es 7.43. Un promedio esconde justo lo que te importa, así que acá están los extremos.

Donde rinde por encima de sí mismo

Donde se cae

Si MiniMax M3.1 Flash no te cierra

Alternativas elegidas por contraste con este modelo, no por ranking general.

ModeloCalidad$/1kLatenciaPor qué
Ling 3.0 Flash
Más barato, calidad equivalente
8.85$0.10154.8 smisma nota o mejor, menos dinero por llamada
Gemini 3.1 Flash Lite (GA)
Responde antes
8.12$2.334.0 sal menos 40% menos de espera, sin caer de nota

La ficha: MiniMax M3.1 Flash en números

Todo esto sale de runs propios, guardados y auditables. La latencia es la total de respuesta, no el time-to-first-token.

Calidad medida
Runs que puntúan137
Tool calling3.80
¿Maneja credenciales?sí (0 de 6)
Resistencia a prompt injection4.35 (medido en la ventana v6.1)
Precio
Precio por millón · entrada$0.075
Precio por millón · salida$0.300
Rendimiento y límites
Latencia total media48.7 s
Ventana de contexto1.048.576

Lo que cuesta frente a los mejores del ranking

La pregunta útil no es cuánto le falta a MiniMax M3.1 Flash para ser el mejor: es cuánta calidad extra estás comprando, y a cuántas veces el precio. Eso es lo que decide si conviene.

ModeloCalidad$/1.000 llamadas
MiniMax M3.1 Flash
Este modelo
8.35$0.472
GLM 5.3
El de más calidad medida
9.00$7.02
Claude Fable 5.1
El frontier más caro del top 10
8.88$78.00

Los tres salen de las mismas 29 tareas, el mismo juez y los mismos límites. Los benchmarks del fabricante miden otra cosa —y están enlazados más abajo.

Cuánto max_tokens darle, por tarea

Si tu nodo o tu script queda por debajo de esto, MiniMax M3.1 Flash no falla: entrega de menos — y quien lo consume lo lee como que no había nada que reportar. Es el modo de falla más caro que hay, porque se parece a que todo salió bien.

⚠️ Este modelo razona, y los tokens de razonamiento salen del mismo presupuesto: pide bastante más que uno que no razona para escribir la misma respuesta. Es el motivo exacto por el que un max_tokens heredado de otro modelo lo corta.

TareaMediana Peor caso medidomax_tokens sugerido
Decisiones de negocio (prioridades. plan)16.38939.35149.188 (piso)
Tareas largas (sostener el hilo a lo largo de muchos turnos)17.72635.94144.926 (piso)
Estrategia (pricing. planificación)20.72528.75735.946 (piso)
Contenido startup (newsletter. actualidad)15.92924.55530.693 (piso)
Anti-alucinación (citas. contexto)40424.40130.501 (piso)
Razonamiento profundo (matemática. Fermi)14.88124.15630.195 (piso)
Generación de código (Python. SQL. debug)7.00421.59626.995 (piso)
Creatividad (hooks. analogías. narrativa)3.30921.22426.530 (piso)
Razonamiento general (lógica. decisiones)17.94819.53724.421 (piso)
Auditar números (detectar el error plantado)6.09915.06518.831 (piso)
Gestión de tareas (action items. planes)10.92412.30915.386 (piso)
Redactar una noticia desde una fuente3.38911.37014.212 (piso)
Ventas en frío (cold email. campañas)90711.18613.982 (piso)
OCR / extracción desde imágenes2.27110.59813.247 (piso)
Presentaciones (slides. reportes)9.9249.92412.405 (piso)
Noticias + SEO (artículos completos)3.2029.62912.036 (piso)
Multi-turno (debugging. requisitos)8.2808.80611.007 (piso)
JSON estructurado (extracción. schemas)1365.3286.660
Contenido con datos verificables (no inventar)2.5164.5935.741
Traducción (es↔en)8673.6314.538
Integridad de idioma (no mezclar idiomas)3.0683.2894.111
Contenido genérico (blog. email. social)1.2062.3782.972
Resistencia a prompt injection1582.3342.917
Resúmenes y extracción de datos1.2071.2071.508
No inventar herramientas (abstenerse cuando no hay)1751.1621.452
Seguir instrucciones al pie de la letra7231.0281.285
Capacidades de agente (delegación. skills)5048351.043
Orquestación (flujos de varios pasos)356634792
Soporte al cliente (clasificar y responder)148344430
Precisión literal (hex. JWT. configs)84253316
Verificar un dato contra su fuente47218272

Las marcadas (piso) tocaron el techo del propio examen (8.192): ahí la respuesta se cortó, así que el número dice «al menos esto», no «esto exactamente». Dar más aire en esas.

Los números oficiales de MiniMax M3.1 Flash

Acá no los repetimos, y es a propósito. MMLU, GPQA, SWE-bench y la tabla del lanzamiento las publica quien hizo el modelo, con más recursos y antes que nadie: ese enlace es mejor que cualquier copia nuestra, y no envejece.

Lo que sí medimos acá es lo otro: qué pasa cuando este modelo tiene que decidir algo de un negocio chico, en español y a un precio que se pueda pagar. Verificar un dato antes de publicarlo, emitir el JSON que espera un workflow, llamar la herramienta correcta. Eso no está en la tarjeta del fabricante.

¿Es el mejor para TU caso?

Filtra por presupuesto, calidad mínima y tipo de tarea. En 30 segundos sabes si MiniMax M3.1 Flash es tu opción o hay algo mejor para lo que haces.

Ir a la calculadora →