MiniMax M3.1 Flashへの私の評価は3.5/5：安くて速いエージェント用の働き者だが、コードではDeepSeekに勝てないです。MiniMaxは2026年10月19日に、料金ページで100万トークンあたり入力$0.15、出力$0.60の均一料金として公開しました。1Mウィンドウ全体で長文コンテキストの追加料金はありません。MiniMax自身の表ではAutomation-Bench（62.8）でトップ、BankerToolBench（76.2）ではClaude Opus 5と並びます。
落とし穴は同じ表の中にあります。オフピーク時に同じ価格のDeepSeek V4.1 Flash 1017と比べると、M3.1 Flashは共通する6つのベンチマークのうち1つしか勝てず、DeepSWE（73.7対77.0）、Terminal-Bench 4.0、NL2Repoで後れを取ります。タスクあたりコストのグラフはDeepSeekをピーク料金で計算しており、MiniMaxに有利です。重みは10月23日に公開予定とされています。
そのため、オフィス業務型のエージェントループ、ツール呼び出し、長文ドキュメントの作業にはこれを使い、難しいリポジトリ作業にはDeepSeekを選ぶのが私の考えです。サポートチームにとって、モデルは仕事のごく一部にすぎません。eeselのAIヘルプデスクチームメイトは、ヘルプデスク接続、ナレッジ、過去チケットでのリプレイを一式で提供し、smavaはそれで月約27,000件のチケットを処理しています。
MiniMax M3.1 Flashへの私の評価は？
私は一週間のほとんどを、人々が購入前に何を検索するかを見て過ごしていますが、今回のローンチ周辺の検索は率直です。「is M3.1 Flash better than DeepSeek」「is it open source」「what does it cost」。このレビューはその順番に答えます。プレビュー時代の素の仕様表が欲しい方は、同僚のM3.1 Flashの概要がeffortダイヤルと1Mコンテキストを今も解説しています。
私は長年、実際のサポートキューでAIを動かしてきたチームにもいて、その経験がモデルの採点に影響しています。安いモデルは「自社で作ればいい」を簡単に聞こえさせます。解約した中堅の顧客が、去り際にまさにそう言いました。
"We switched to a system that is working well at half the cost. But long term we will just build our own, which is so possible now with AI."
M3.1 Flashのようなモデルが、この言葉を本当らしく感じさせます。本当かどうかは、モデルの周囲にあるすべてにかかっているので、エンジンそのものと、それがどこまで連れて行ってくれるかの両方を採点します。
| 項目 | スコア | 理由 |
|---|---|---|
| トークン単価 | 5/5 | 1Mトークン全体で$0.15/$0.60の均一料金、MiniMax M3の短文コンテキスト料金の半分 |
| エージェント自動化 | 4/5 | MiniMaxの表でAutomation-Benchが最高、BankerToolBenchではOpus 5と並ぶ |
| コーディング | 3/5 | DeepSWE、Terminal-Bench 4.0、NL2RepoでDeepSeek V4.1 Flash 1017に後れ |
| 実運用での信頼性 | 3/5 | 初期テスターが高effortでの怠慢と脱線を報告 |
| オープン性 | 3/5 | 重みは10月23日に公開予定、まだ未公開 |
| 総合 | 3.5/5 | エージェントループ向けの強力で安いエンジン。安価なコーディング王ではない |
これらのスコアは私自身のものです。MiniMaxのローンチ記事、ドキュメントと料金ページ、競合の料金ページ、そして最初の24時間に開発者が投稿した内容に基づいています。
10月19日に実際に何が公開された？
9月に私が書いたプレビューはなくなりました。MiniMaxのドキュメントは現在MiniMax-M3.1-Flashを最新のMシリーズモデルとして掲載し、M Planドキュメントは旧名MiniMax-M3.1-Flash-Previewが廃止され、リクエストは新モデルが処理すると述べています。ステルス期間の噂も裏付けられました。200兆トークン超を処理した匿名モデル「Space Bunny」は、初期バージョンでした。
プレビューから一般公開までの変更点は次のとおりです。
| プレビュー（9月27日） | 一般公開（10月19日） | |
|---|---|---|
| モデルID | MiniMax-M3.1-Flash-Preview | MiniMax-M3.1-Flash |
| 提供先 | MiniMax CodeとToken Planのみ | API、M Plan、MiniMax Code |
| トークン単価 | 未公開 | 入力$0.15／出力$0.60／キャッシュ$0.015 |
| 速度の主張 | なし | 毎秒200+トークン、P50は170+ |
| ベンチマーク | なし | 6つの競合と比較した15行の表 |
| 重み | なし | 10月23日に公開予定 |
3点は変わらず、使い方を今も左右します。コンテキストウィンドウは1,000,000トークン。入力はテキスト、画像、動画に対応。そして思考は常にオンで、effortをlowからmax（デフォルトはmax）で設定し、effort: "none"を送るとテキスト生成ドキュメントのとおり400エラーが返ります。
自前ホスティングを考えている方には、もう1点重要です。"Flash"という名前は小さいことを意味しません。MiniMaxのCodeページには、総パラメータ4,280億、アクティブ約230億のMixture-of-Experts設計とあり、MiniMax M3と同じサイズ帯です。Redditのコメントがうまく言い表しています。
"yeah fair point, the "flash" name is kinda misleading. same 428b / 23b active as m3, so if you could run m3 you can run this."
どこで勝つ？
勝ち筋はオフィス業務型のエージェント作業に集中しています。業務ソフトをまたぐ多段階タスク、連鎖するツール呼び出し、長文ドキュメントです。ここではMiniMax自身の表が情報源なので、ベンダー報告のスコアとして読んでください。
- Automation-Bench
62.8：表のトップで、DeepSeek 1017（60.5）、Claude Opus 5（50.3）、GPT-5.6 Sol（45.8）を上回ります。MiniMaxはこれを営業、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、人事にわたる実際のワークフローだと説明しています。 - BankerToolBench
76.2：Opus 5と並び、Kimi K3（69.1）を上回ります。 - LOCA-Bench 256K
60.3：表で最高の長文コンテキストエージェントのスコアです。 - CyberGym
82.2：GLM-5.3（84.5）とGPT-5.6 Sol（83.6）に次ぐ成績です。
M3.1 Flashが最もよく見えるのはコストのグラフです。MiniMaxのAutomation-Benchグラフでは、max effortのM3.1 Flashがタスクあたり約$0.045で62.8%に達し、low effortでも52.8%で、各社の最良設定のGPT-5.6、Kimi K3、GLM-5.3を上回ります。Agents' Last Examのグラフでは、合計$111で29.6%に達し、フロンティア上で最も安い点です。
速度もう一つの勝ち点です。MiniMaxは出力が毎秒200+トークンに達し、中央値は170+で、M3のほぼ3倍速いと述べています。初期ユーザーは、正確な数値はともかく体感を裏付けました。
"first impression of minimax m3.1 flash been using model for the last few hours and it's a huge step up from m3. pretty good for flash model"
DeepSeek V4.1 Flash 1017にはどこで及ばない？
ここは、ローンチ報道の多くが飛ばした部分です。DeepSeek V4.1 Flash 1017はMiniMaxの表の6行にスコアがあり、そのうち5行でM3.1 Flashを上回ります。
| ベンチマーク（MiniMaxの表） | M3.1 Flash | DeepSeek V4.1 Flash 1017 | 勝者 |
|---|---|---|---|
| Automation-Bench v1.0.6 | 62.8 | 60.5 | M3.1 Flash |
| Terminal-Bench 4.0 | 38.1 | 42.3 | DeepSeek |
| DeepSWE v1.1 | 73.7 | 77.0 | DeepSeek |
| NL2Repo-Bench | 61.2 | 68.2 | DeepSeek |
| BabyVision (with tools) | 91.0 | 92.5 | DeepSeek |
| HLE (no tools) | 43.4 | 44.0 | DeepSeek |
これらの敗北のうち3つはコーディングのテストで、だからコーディングを3にしました。MiniMax自身のDeepSWEコストグラフでは、DeepSeek 1017の線は高い位置かつ左寄りにあります。maxでタスクあたり約$0.20で約77%、対してM3.1 Flashは約$0.27で73.7%です。DeepSeek 1017がなぜタスクあたりそこまで安くなったかは、DeepSeek 1017の概要で解説しています。
次に脚注です。Automation-Benchのグラフは、DeepSeek 1017をピーク料金（入力$0.30、出力$1.20）で計算しています。DeepSeekの料金ページでは、これを請求するのは平日のUTC 01:00〜04:00と06:00〜10:00だけです。それ以外の時間帯はオフピークで半額の$0.15/$0.60となり、M3.1 Flashとまったく同じ料金です。私の計算では、オフピーク料金だとDeepSeekのmax effortの点はタスクあたり約$0.09から約$0.045に動き、ちょうどM3.1 Flashの位置に来て、スコア差はわずか2.3ポイントです。
Hacker Newsの読者は数時間でこのパターンに気づきました。
"Not as strong as DeepSeek V4.1 Flash 1017 on deepswe so it's already dead to me."
私ならそこまで厳しくは言いません。M3.1 Flashはエージェント自動化で今も勝っており、余分なものなしでより安く提供しています。ただ、ローンチ記事が語る「より安くてより優れている」という単純な話ではありません。
実際のコストは？
価格はシンプルで、私はそこを評価しています。M3.1 Flashは1Mウィンドウ全体で単一の料金ですが、MiniMax M3は入力が512Kトークンを超えると倍になります。
| モデル（100万トークンあたり） | 入力 | キャッシュ入力 | 出力 | 出典 |
|---|---|---|---|---|
| MiniMax M3.1 Flash | $0.15 | $0.015 | $0.60 | MiniMax |
| MiniMax M3（512Kまで） | $0.30 | $0.06 | $1.20 | MiniMax |
| MiniMax M3（512K超） | $0.60 | $0.12 | $2.40 | MiniMax |
| DeepSeek V4.1 Flash、オフピーク | $0.15 | $0.003 | $0.60 | DeepSeek |
| DeepSeek V4.1 Flash、ピーク | $0.30 | $0.006 | $1.20 | DeepSeek |
| GPT-6 Luna | $0.10 | $0.01 | $0.50 | OpenAI |
| Gemini 3.8 Flash（2026年12月31日まで） | $0.75 | $0.075 | $3.75 |
目を引く点が2つあります。第一に、キャッシュ入力ではDeepSeekがまだ勝っています。オフピークで$0.003、M3.1 Flashは$0.015で、5倍安いのです。エージェントループは同じコンテキストを何度も読み直すので、キャッシュを多用する処理では、見出しの価格が同じでも請求額がDeepSeekに傾くことがあります。第二に、GPT-6 Lunaはどちらよりもトークン単価が安く、Lunaの料金解説にはそのキャッシュ料金も載っています。ただしMiniMaxのAgents' Last Examグラフでは、M3.1 Flashの合計$111はGPT-5.6 Lunaの点よりかなり下にあるため、トークン価格だけでは決まりません。
サブスクリプションで払いたい場合、M PlanはM3.1 FlashをMiniMax Codeや他のモデルとまとめて提供します。年額課金はGo、Explore、Buildの各ティアで年$220、$550、$1,320で、Goの1倍、3倍、7.5倍の利用量があり、5時間と週単位のウィンドウでリセットされます。MiniMax自身のM Plan FAQは、このプランが個人の対話的な利用向けに設計されているとし、本番には従量課金を推奨しています。その言葉どおりに受け取ってください。サブスクは自分のコーディングセッション用で、顧客に提供するプロダクト用ではありません。
1日たった実際のユーザーの声は？
最初の反応ははっきり分かれました。ベンチマークは人々を感心させました。実際に触ったテスターの評価はより割れ、最も多い不満はデフォルトである高effortでの挙動です。
"I might get downvoted for this, but this model was WAY too lazy, even at Max effort"
同じ話題は、全体的には気に入っていたXのテスターからも出ました。
"hallucinates alot on xhigh or max and starts doing stuff i didn't ask for, and cuz of that model ends up being slow despite giving 100+ tok/s"
Hacker Newsでは、ステルス版を試したユーザーが、スコアと日々の使用感の間にずれがあると指摘しました。
"The deepswe and terminalbench4.0 scores don't seem to jive with what many opencode users' experience has been of this model while it was being tested as "space bunny"."
MiniMaxはSpace Bunnyは以前のチェックポイントだと述べているので、一部は修正済みかもしれません。すべての報告が否定的だったわけではありません。MiniMax Code内でプレビューを使った開発者は、不確かさの扱い方を評価しました。
"it found the real bug instead of patching around it, refused to pad weak results, wrote its own tests and got to 12/12 green, and said UNVERIFIED when it couldn't confirm something"
私が読んだ中で最も公平なコメントは、トークンではなく時間についてでした。倍の時間がかかる安いモデルは、仕事では正当化しにくいのです。
"For a hobby project I do not mind that a cheaper model takes twice as long but at work it's hard to justify using a "cheaper" model if the time per task is so much higher than the frontier models."
メリットとデメリットは？
メリット
- 1Mトークン全体で
$0.15/$0.60の均一料金、長文コンテキストの段階料金なし。 - MiniMaxの表でAutomation-Benchが最高、BankerToolBenchではOpus 5と並ぶ。
- 毎秒200+トークンを主張、M3の約3倍。
- AnthropicスタイルとOpenAIスタイルのクライアントで動くため、Claude Code、Codex、Cursor、OpenClawから接続できる。
- オープンな重みを10月23日に公開予定。
デメリット
- 共通する6つのベンチマークのうち5つ、すべてのコーディングテストを含めてDeepSeek V4.1 Flash 1017に後れ。
- キャッシュ入力がDeepSeekのオフピーク料金の5倍。
- 思考をオフにできず、デフォルトは
maxで、テスターが怠慢と脱線を報告。 - 総パラメータ4,280億のため、ローカル利用には大型のマシンが必要。
- M Planは個人利用向けなので、本番トラフィックは従量課金キーで運用。
あなたの仕事に合う安いモデルは？
実行したい仕事を選んでください。ウィジェットが、私が最初に選ぶモデルとその理由を示します。
誰が使うべきで、誰が見送るべき？
使うべき人：業務ツール、スプレッドシート、長文ドキュメントに対してエージェントループを回していて、タスクあたりのコストを気にする人です。Automation-BenchとBankerToolBenchの結果はまさにその作業を指しており、均一料金のおかげで長いコンテキストも気になりません。すでにMiniMax Codeを使っていて、高速なデフォルトモデルが欲しい開発者にも向いています。
今は見送るべき人：主な仕事が難しいリポジトリ作業の人です。DeepSeek V4.1 Flash 1017は、オフピークで同じ価格のまま表のすべてのコーディング行で上回り、自前ホストする人の間ではQwen 3.8 Flash Nextもよく挙がります。
フロンティアモデルが欲しく、支払える人にとっては、GPT-6 SolとClaude Opus 5.5が今も一段上です。
待つべき人：自分で動かしたい人です。重みは10月23日の予定で、サイズからして大型のマルチGPU機か大容量ユニファイドメモリのマシンが必要です。
サポートチームにとって何を意味する？
AutomationBenchはワークフローの一つにカスタマーサービスを挙げているので、高スコアを「自分のキューに使える」と読みたくなります。私はそうしません。ベンチマークが確かめるのは、モデルが台本のあるタスクを完了したかどうかです。あなたのキューが問うのは、その回答がこの顧客にとって、あなたのポリシーと返金ルールのもとで正しかったか、そしてモデルがチケットに手を出すべきでないと判断できたかです。
M3.1 Flashの上に自前のサポートフローを作る場合、自分で持ち続けるものは次のとおりです。
- ヘルプセンターと過去チケットを供給するナレッジパイプライン。
- チケットを読み返信を書くヘルプデスク接続。
- いつ引き継ぐかのルール。ティア1の自動解決の核心です。
- 実際の履歴でのテスト。これでサポートでのハルシネーションを見つけます。
どれもモデルの問題ではないので、安いモデルが減らすのは請求書の一行であって、プロジェクト全体ではありません。残りはAIカスタマーサービスのコストガイドで扱い、AIエージェントと人間のエージェントのコストの比較が全体像を示します。
eeselはM3.1 Flashとどう並ぶ？
MiniMax M3.1 Flashはインフラです。eeselは従業員です。eeselは、特定の仕事向けにすぐ働けるチームメイトを採用するAIチームメイトのプラットフォームで、サポート向けがこのAIヘルプデスクチームメイトです。ZendeskやFreshdeskなど、すでに運用しているキューに加わり、ヘルプセンターと過去チケットから学び、過去のチケットを再生するので、顧客より先にその回答を確認できます。
大規模ではこうなります。ベルリンのローン比較プラットフォームsmavaは、2つのブランドのために1つのZendesk上で3つのeeselエージェントを運用しています。1つがすべてのチケットを分類し、1つが約820件のマクロとヘルプセンター記事から返信を下書きし、ブランドごとに1つが顧客にそのまま送れる回答を準備します。2026年8月8日から9月8日までで約27,000件のチケットとなり、担当者が下書きを承認しました。SE Rankingは、3つの製品それぞれに別のエージェントをZendeskのライブチャットで運用し、1か月で約4,650件の会話を処理して、返金やティア2の問題は顧客情報を添えてチームに引き継いでいます。
モデルのレビューを読むタイプのビルダーなら、ターミナルが欲しくなるでしょう。eesel CLI（@eesel/cli）は、ダッシュボードで見るのと同じチームメイトを操作します。eesel integrations connect zendeskでヘルプデスクを接続し、eesel files uploadでナレッジを追加し、eesel instructionsで常設ルールを編集し、eesel approvalsで人の承認待ちのアクションを一覧し、eesel activityでエージェントの行動を確認します。すべてのコマンドはJSONを出力するので、Claude CodeやCursorがセットアップを代行でき、各ワークスペースはMCPサーバーとしても動作します。パターンはエージェントCLIガイドで紹介しています。
サポートの選択肢を並べて比較するには、最高のカスタマーサービスエージェントの一覧か、AIチームメイトのより広い解説から始めてください。
eeselを試す
M3.1 Flashは、得意な場所で使いましょう。確認できる、安くて速いエージェントループです。来週にはヘルプデスクでAIにチケットへ回答させたいのなら、eeselのAIヘルプデスクチームメイトは今お使いのツールに接続し、過去チケットから学び、顧客が返信を見る前に、どう答えていたかを示します。smavaが主導権を手放さずに月15,300件の下書きを得ているのはそのためです。eeselを無料で試し、まず自分のチケット履歴で動かしてみてください。始める前にeeselの料金を確認することもできます。