Perusahaan AI asal China, MiniMax, mengumumkan LLM “MiniMax M3.1 Flash” pada 19 Oktober (waktu Jepang), yang dirancang untuk coding dan penggunaan agen AI. Perusahaan itu menjelaskan bahwa model misterius “Space Bunny”, yang menarik perhatian di papan peringkat dunia, merupakan versi awal model ini. Bobot model (open-weight) dijadwalkan dirilis pada 23 Oktober. Tarif API-nya adalah US$0,15 untuk input dan US$0,60 untuk output per 1 juta token.
Identitas model misterius terungkap: Flash yang dikhususkan untuk coding
Model yang tiba-tiba muncul di papan peringkat, lalu bertahan di posisi atas tanpa mengungkap nama maupun pengembangnya. Fenomena seperti ini sesekali terjadi di dunia AI, tetapi identitas “Space Bunny” kali ini terungkap dengan cepat. Model itu ternyata M3.1 Flash dari MiniMax. Perusahaan tersebut menjelaskan bahwa versi awalnya telah memproses total lebih dari 200 triliun token tanpa mengungkap identitas, dan sempat menduduki posisi teratas di papan peringkat dunia.
M3.1 Flash ditujukan untuk coding dan penggunaan agen, yakni saat AI menyusun langkah-langkahnya sendiri untuk menyelesaikan pekerjaan. Model ini menghasilkan teks dan kode, serta berbeda dari AI pembuat video MiniMax, “MiniMax H3”. M3.1 Flash merupakan model multimodal yang juga dapat menangani input selain teks, dengan jendela konteks (jumlah input yang dapat dibaca sekaligus) sebesar 1 juta token. Salah satu fiturnya adalah kemampuan mengatur secara bertahap seberapa dalam model berpikir sebelum menjawab.
Menjalankan pengujian dengan identitas tersembunyi, mengumpulkan reputasi, lalu baru memasang nama. Dalam persaingan pengembangan AI saat ini, pendekatan ini tampaknya menjadi salah satu cara mengumpulkan data tentang penggunaan tanpa prasangka awal.
Harga dan kecepatan menyasar penggunaan agen
MiniMax menonjolkan bahwa dibandingkan model unggulan mereka sebelumnya, “MiniMax M3”, tarif M3.1 Flash sepertiga lebih murah dan kecepatannya tiga kali lipat. M3 mulai ditawarkan perusahaan pada Juni, sedangkan M3.1 Flash diposisikan sebagai versi yang lebih ringan dan cepat. Namun, angka perbandingan ini sebaiknya dipahami sebagai klaim yang disampaikan perusahaan.
Tarif API-nya seragam: US$0,15 per 1 juta token input (sekitar 24 yen, dengan kurs US$1 = sekitar 158 yen) dan US$0,60 untuk output (sekitar 95 yen). Pembacaan cache, yakni penggunaan kembali konten yang sudah dibaca, dikenai tarif lebih rendah, yaitu US$0,015 (sekitar 2 yen). Model ini juga dapat digunakan melalui API MiniMax, paket berbayar “M Plan”, dan aplikasi desktop “MiniMax Code”.
Untuk penggunaan agen, yang berpengaruh bukan hanya kecerdasan model. Karena model berulang kali membaca instruksi dan materi yang sama sambil mencoba berbagai cara, konsumsi token dapat membengkak seperti bola salju. Menetapkan tarif cache sepersepuluh dari tarif input menunjukkan bahwa desain ini mempertimbangkan pola penggunaan semacam itu.
Baca hasil tolok ukur berdasarkan keunggulan tiap bidang
MiniMax telah memublikasikan hasil performa dalam tabel perbandingan. Dalam “Automation-Bench v1.0.6”, yang mengukur kemampuan otomatisasi pekerjaan, model ini meraih 62,2% dan menempati posisi teratas di antara tujuh model yang dibandingkan. Posisi kedua diraih “DeepSeek-V4.1-Flash-1017” dengan 60,5%, sementara “Claude Opus 5” mencatat 50,3%.
Di sisi lain, pada “DeepSWE v1.1”, yang mengukur akurasi perbaikan kode, nilainya 73,7%—belum menyamai posisi teratas DeepSeek-V4.1-Flash-1017 (77,0%). Dalam “BabyVision”, yang menguji penalaran berdasarkan gambar, skornya mencapai 91,0% saat menggunakan alat, di bawah Claude Opus 5 yang meraih 94,1%.
Jika dibandingkan, M3.1 Flash berada di posisi teratas dalam otomatisasi pekerjaan, sementara untuk perbaikan kode dan penalaran visual model ini masuk jajaran atas, tetapi bukan yang teratas. Alih-alih menyimpulkan bahwa model ini “paling unggul secara keseluruhan”, lebih tepat memilih berdasarkan indikator yang paling sesuai dengan kebutuhan masing-masing.
Angka utama yang dipublikasikan
Automation-Bench v1.0.6: 62,2% (peringkat pertama dari tujuh model yang dibandingkan); DeepSWE v1.1: 73,7% (nilai teratas 77,0%); BabyVision (saat menggunakan alat): 91,0% (Claude Opus 5 meraih 94,1%). Semuanya merupakan angka perbandingan yang dipublikasikan MiniMax.
Bobot model dan lisensi akan menjadi sorotan saat dirilis
Bobot model open-weight dijadwalkan dirilis pada 23 Oktober. Namun, hingga 19 Oktober, MiniMax belum mengungkap tempat bobot model akan dipublikasikan, jumlah parameternya, maupun lisensi yang berlaku. Jumlah parameter merupakan informasi dasar untuk memperkirakan apakah model dapat dijalankan di mesin sendiri.
Model sebelumnya, M3, dirilis dengan lisensi “MiniMax Community License”. Penggunaan nonkomersial tidak dikenai biaya. Penggunaan komersial diizinkan bagi pihak dengan pendapatan tahunan maksimal US$20 juta, dengan syarat memberi tahu MiniMax dan mencantumkan “Built with MiniMax M3”. Apakah ketentuan yang sama berlaku untuk M3.1 Flash baru akan diketahui saat model dirilis.
Istilah “open-weight” mungkin memberi kesan bahwa model bebas digunakan, tetapi kenyataannya ketentuan seperti cakupan penggunaan komersial dan kewajiban pencantuman berbeda-beda menurut lisensinya. Hal yang perlu diperiksa pun bergantung pada apakah model hanya akan dicoba secara pribadi atau diintegrasikan ke layanan perusahaan.
Harga murah dan kecepatan tinggi berpotensi memperluas penggunaan agen. Cara paling pasti untuk menilai model ini adalah menunggu hingga bobotnya dirilis empat hari lagi, lalu mempertimbangkan performa untuk tiap kebutuhan beserta ketentuan lisensinya.
コメント