MiniMax M3.1 Flash Resmi Rilis, Model AI Murah Buat Agen dan Coding

MiniMax resmi merilis MiniMax M3.1 Flash pada 19 Oktober 2026. Ini adalah model AI generasi baru dari perusahaan asal China tersebut yang dirancang khusus untuk pekerjaan agen, coding, mengoperasikan komputer, dan keamanan siber. Daya tarik utamanya ada di harga: US$0,15 per 1 juta token input dan US$0,60 per 1 juta token output, tanpa biaya tambahan untuk konteks panjang.

Model ini sebenarnya sudah diam-diam dipakai banyak orang. MiniMax mengonfirmasi bahwa Space Bunny, model anonim yang sempat ramai di OpenRouter, adalah versi awal M3.1 Flash. Selama beroperasi tanpa nama, Space Bunny sudah memproses lebih dari 200 triliun token.

Artikel ini akan menjelaskan spek MiniMax M3.1 Flash, berapa harganya kalau dihitung ke rupiah, perbedaannya dengan MiniMax M3 dan pesaing seperti DeepSeek, bagaimana hasil benchmark-nya, serta catatan buat developer dan pelaku usaha di Indonesia yang ingin mencobanya.

Spek MiniMax M3.1 Flash: besar tapi yang aktif sedikit

M3.1 Flash memakai arsitektur mixture-of-experts (MoE). Artinya, model ini punya banyak "ahli" di dalamnya, tapi hanya sebagian kecil yang dinyalakan setiap kali menjawab. Cara ini membuat model tetap pintar tapi biaya dan waktu jawabnya jauh lebih ringan.

Berikut spek utama yang sudah diumumkan:

1. Total parameter: sekitar 428 miliar, dengan kira-kira 23 miliar yang aktif per token.
2. Jendela konteks: 1.000.000 token, cukup untuk memasukkan dokumen sangat panjang atau satu repositori kode berukuran sedang.
3. Input: teks, gambar, dan video. Output: teks.
4. Kecepatan: bisa tembus 200+ token per detik, dengan median sekitar 170+ token per detik. MiniMax menyebut inferensinya hampir tiga kali lebih cepat dibanding pendahulunya.
5. Reasoning selalu aktif: mode berpikir tidak bisa dimatikan. Developer hanya bisa memilih lima tingkat usaha, yaitu Low, Medium, High, Xhigh, dan Max. MiniMax merekomendasikan Max sebagai bawaan.

Jumlah parameter ini sama dengan MiniMax M3 yang rilis Juni 2026. Jadi, M3.1 Flash bukan model yang lebih besar, melainkan versi yang dioptimalkan lewat sparsity yang lebih agresif. MiniMax belum merilis laporan teknis yang merinci apa saja yang berubah.

Catatan: Karena reasoning selalu menyala, permintaan API yang mengirim thinking.type=disabled atau effort=none akan menghasilkan error. Aplikasi yang dulu membaca tag <think> dari M3 juga perlu disesuaikan, sebab hasil reasoning sekarang dikirim di kolom terpisah bernama reasoning_content.

Harga MiniMax M3.1 Flash dan hitungan kasar ke rupiah

Bagian ini yang paling banyak dibicarakan. MiniMax memasang harga datar, tanpa tarif berbeda untuk konteks pendek atau panjang.

Sebagai pembanding, MiniMax M3 dihargai US$0,30 input dan US$1,20 output per 1 juta token sampai 512 ribu token input, lalu harganya dua kali lipat di atas itu. Jadi, per token, M3.1 Flash kira-kira setengah harga M3, dan bedanya makin besar kalau pekerjaan memakai konteks panjang.

Kalau dihitung kasar dengan kurs sekitar Rp16.000-an per dolar AS, 1 juta token input M3.1 Flash setara kira-kira Rp2.400-an, sedangkan 1 juta token output sekitar Rp9.600-an. Angka ini hanya perkiraan dan bisa bergeser mengikuti kurs serta biaya kartu kredit atau layanan pembayaran yang dipakai.

MiniMax juga lebih suka bicara soal biaya per tugas, bukan per token. Klaim resminya, total biaya untuk pekerjaan agen turun sekitar 70% dibanding model sebelumnya. Di grafik Automation-Bench milik MiniMax, kelima tingkat usaha berada di bawah US$0,05 per tugas.

Ada satu catatan kecil yang ditemukan MarkTechPost. Grafik biaya MiniMax menampilkan skor Automation-Bench pada usaha maksimal sebesar 62,8, sementara tabelnya menulis 62,2. Bedanya tipis, tapi ini pengingat bahwa semua angka masih berasal dari klaim perusahaan.

Hasil benchmark: jago kerja kantoran, coding masih campur

Semua skor di bawah ini dilaporkan sendiri oleh MiniMax dan belum ada pengujian independen. Meski begitu, angkanya cukup menarik untuk model kelas "Flash".

Pekerjaan agen dan otomasi kantor:

• Automation-Bench v1.0.6: 62,2, tertinggi di tabel MiniMax. Sebagai pembanding, Opus 5 mencetak 50,3 dan GPT-5.6 Sol 45,8.
• BankerToolBench: 76,2, setara dengan Opus 5. Tes ini mengukur tugas keuangan bertahap seperti perencanaan, kepatuhan, dan pemanggilan tool berantai.
• LOCA-Bench 256K: 60,3, juga paling atas di tabel.

Mengoperasikan komputer:

• OSWorld V2: 61,7.
• Agents' Last Exam (ALE): 29,6. MiniMax menyebut M3.1 Flash nomor satu di antara model China pada dua tes ini.

Coding:

• DeepSWE v1.1: 73,7%, sedikit di atas GPT-5.6 Sol (73,0), tapi masih di bawah DeepSeek V4.1 Flash yang mencetak 77,0.
• Terminal Bench 4.0: 38,1, jauh di bawah Opus 5 yang mencapai 51,8. Ini adalah titik terlemah M3.1 Flash.
• SWE Refactor Bench: 23,0, dibanding 31,0 milik Opus 5.

Keamanan siber dan visual:

• CyberGym: 82%, menunjukkan kemampuan menemukan dan memvalidasi celah keamanan.
• BabyVision (dengan tools): 91,0 dan CharXiv RQ: 82,5.

Kesimpulan singkatnya, M3.1 Flash terlihat paling kuat untuk otomasi kerja kantoran dan alur kerja SaaS, seperti penjualan, pemasaran, layanan pelanggan, keuangan, dan HR. Untuk coding berat yang butuh banyak perintah terminal, model ini masih tertinggal dari model premium.

Perbedaannya dengan MiniMax M3 dan DeepSeek V4.1 Flash

Banyak yang bertanya apakah M3.1 Flash layak menggantikan M3 atau model murah lain. Berikut gambaran singkatnya.

Baca juga OpenAI Bikin Aturan Baru, Router dan Gateway AI Wajib Minta Izin Mulai 20 November

Dibanding MiniMax M3:

1. Ukuran parameter sama, sekitar 428 miliar total dan 23 miliar aktif.
2. Harga per token kira-kira setengahnya, dan tidak ada tambahan biaya untuk konteks di atas 512 ribu token.
3. Inferensi sekitar tiga kali lebih cepat menurut MiniMax.
4. Reasoning sekarang selalu aktif, sehingga integrasi lama perlu dicek ulang.

Dibanding DeepSeek V4.1 Flash:

1. DeepSeek lebih unggul di DeepSWE (77,0 vs 73,7) dan, di grafik MiniMax sendiri, DeepSeek juga terlihat lebih murah di tingkat usaha maksimal untuk tes tersebut.
2. M3.1 Flash lebih unggul di tugas agen kantoran dan pemakaian komputer, setidaknya menurut tabel MiniMax.
3. Keduanya sama-sama mengincar segmen "pintar tapi murah", jadi pilihan terbaik sangat tergantung jenis pekerjaannya.

Kalau kebutuhan utamanya bot customer service, otomasi spreadsheet, atau agen yang bolak-balik antar aplikasi, M3.1 Flash patut dicoba lebih dulu. Kalau fokusnya memperbaiki bug di repositori besar, DeepSeek atau model premium masih layak jadi pembanding.

Cara akses MiniMax M3.1 Flash

Saat artikel ini ditulis, M3.1 Flash sudah bisa dipakai lewat beberapa jalur resmi:

1. MiniMax API di platform.minimax.io dengan ID model MiniMax-M3.1-Flash.
2. M Plan, paket langganan milik MiniMax.
3. MiniMax Code, aplikasi desktop untuk coding dengan agen AI.

API-nya kompatibel dengan format OpenAI (Chat Completions dan Responses) maupun Anthropic. Jadi, aplikasi yang sudah memakai SDK OpenAI biasanya cukup mengganti base URL, API key, dan nama model.

from openai import OpenAI

client = OpenAI(
    base_url="ISI_BASE_URL_DARI_DOKUMENTASI_MINIMAX",
    api_key="ISI_API_KEY_MINIMAX",
)

resp = client.chat.completions.create(
    model="MiniMax-M3.1-Flash",
    messages=[{"role": "user", "content": "Ringkas laporan penjualan ini dalam 5 poin."}],
)
print(resp.choices[0].message.content)

Tips: Cek dokumentasi resmi MiniMax untuk base URL terbaru dan parameter tingkat usaha reasoning sebelum dipakai di produksi. Contoh di atas hanya gambaran alur dasarnya.

Soal bobot model, MiniMax menyebut bobotnya akan dirilis menyusul. MarkTechPost dan AIBriefs melaporkan jadwalnya sekitar 23 Oktober 2026. MiniMax juga menjanjikan versi Pro yang lebih bertenaga di kemudian hari.

Catatan buat developer dan UMKM di Indonesia

Model murah seperti M3.1 Flash cukup relevan buat pasar Indonesia, karena biaya API dalam dolar sering jadi penghalang utama bagi startup kecil dan pelaku UMKM yang ingin memakai AI.

Beberapa hal yang perlu diperhatikan:

• Bayar pakai dolar. Harga API tetap dalam dolar AS, jadi siapkan kartu kredit atau metode pembayaran internasional. Biaya konversi bank bisa sedikit menambah total tagihan.
• Cocok untuk volume besar. Dengan harga input sekitar Rp2.400-an per 1 juta token, chatbot WhatsApp toko online atau alat ringkas dokumen internal bisa jalan dengan biaya yang jauh lebih terkendali.
• Konteks 1 juta token tanpa biaya tambahan memudahkan pekerjaan seperti membaca kontrak panjang, laporan keuangan tahunan, atau kumpulan chat pelanggan sekaligus.
• Bahasa Indonesia perlu diuji sendiri. MiniMax tidak merilis skor khusus untuk bahasa Indonesia, jadi sebaiknya coba dulu dengan contoh percakapan asli sebelum dipakai melayani pelanggan.
• Perhatikan data sensitif. Ini layanan cloud dari perusahaan luar negeri. Untuk data pelanggan atau data keuangan, pastikan sesuai dengan aturan internal dan regulasi perlindungan data pribadi di Indonesia.

Kalau bobot modelnya benar-benar dirilis, perusahaan yang punya server GPU sendiri juga bisa mempertimbangkan menjalankannya secara lokal. Namun, dengan total 428 miliar parameter, kebutuhan hardware-nya tetap besar dan belum diumumkan MiniMax.

Catatan sebelum percaya angka benchmark

Daya tarik terbesar model ini jelas ada di kombinasi harga murah dan konteks 1 juta token. Fakta bahwa Space Bunny sudah memproses lebih dari 200 triliun token sebelum identitasnya dibuka juga dianggap sebagai bukti bahwa model ini memang sudah banyak dipakai sungguhan, bukan sekadar menang di atas kertas.

Di sisi lain, ada beberapa hal yang perlu diingat:

1. Semua benchmark masih klaim internal. Belum ada replikasi independen, dan ada sedikit selisih angka antara grafik dan tabel resmi.
2. Coding berbasis terminal masih lemah, terlihat dari skor Terminal Bench 4.0 yang tertinggal cukup jauh.
3. Reasoning yang selalu aktif berarti setiap jawaban tetap memakan token "berpikir", sehingga biaya nyata bisa lebih tinggi dari hitungan per token yang terlihat di atas kertas.
4. Klaim penghematan 70% belum dijelaskan detail perhitungannya oleh MiniMax.

Jadi, angka-angka ini sebaiknya dianggap sebagai titik awal. Uji coba dengan beban kerja sendiri tetap jadi cara paling jujur untuk menilai apakah model ini cocok.

Checklist

• Daftar akun di platform MiniMax dan siapkan metode pembayaran dolar.
• Ganti nama model ke MiniMax-M3.1-Flash di aplikasi yang sudah kompatibel OpenAI atau Anthropic.
• Hapus parameter yang mematikan reasoning agar tidak error.
• Sesuaikan parser jika sebelumnya membaca tag <think> dari M3.
• Uji kualitas jawaban dalam bahasa Indonesia dengan contoh nyata.
• Hitung biaya per tugas, bukan hanya biaya per token.

Poin penting

• MiniMax M3.1 Flash rilis 19 Oktober 2026 dan merupakan versi final dari model anonim Space Bunny.
• Spek: MoE 428 miliar parameter, sekitar 23 miliar aktif, konteks 1 juta token, input teks/gambar/video.
• Harga datar US$0,15 input dan US$0,60 output per 1 juta token, kira-kira setengah harga M3.
• Unggul di otomasi kantor dan agen, tapi masih tertinggal di coding berbasis terminal.
• Tersedia lewat MiniMax API, M Plan, dan MiniMax Code. Bobot model dijadwalkan menyusul.

Referensi

1. MiniMax (2026). MiniMax M3.1 Flash: Redefining Agent Performance and Cost
2. MiniMax API Docs (2026). Pricing Overview
3. MiniMax API Docs (2026). Model Invocation
4. MarkTechPost (2026). MiniMax Just Launched M3.1 Flash: 428B MoE Agentic Model at $0.15/M Input
5. Digital Today (2026). China's MiniMax unveils M3.1 Flash, cuts AI agent costs 70 percent
6. SiliconANGLE (2026). MiniMax launches M3.1 Flash
7. AIBriefs (2026). AI News Briefing for Thursday, October 22, 2026