MiniMax M3.1 Flash 출시

AI 요약

MiniMax가 M3.1 Flash를 출시했습니다. 익명 모델 Space Bunny는 M3.1 Flash의 초기 버전이었다고 밝혔습니다. 회사는 에이전트 작업, 코딩, Computer Use, 사이버 보안 성능을 개선하면서 온라인 추론 속도를 거의 세 배 높이고 사용 비용을 70% 낮췄다고 설명합니다.

작업별 벤치마크

복잡한 업무 자동화에서는 AutomationBench-AA 상위권에 들었으며, 영업, 마케팅, 운영, 고객 지원, 금융, 인사 업무를 SaaS 시스템에 걸쳐 처리한다고 합니다. 금융 작업을 다루는 BankerToolBench에서는 76.2점을 기록했습니다.

코딩 벤치마크 DeepSWE v1.1 점수는 73.7%입니다. MiniMax는 여러 단계로 이어지는 소프트웨어 개발 작업에서 코드 이해와 기능 구현, 버그 수정, 테스트 검증을 수행한다고 설명합니다. 컴퓨터 조작 평가인 OSWorld V2에서는 61.7점, 실제 업무와 복잡한 작업을 다루는 Agents' Last Exam(ALE)에서는 29.6점을 기록했습니다. 두 평가에서 중국 모델 중 1위라고 밝혔습니다.

사이버 보안 벤치마크 CyberGym 점수는 82%입니다. 회사 내부 보안 전문가 평가에서는 코드 감사, 취약점 패치, 침투 테스트, 악성코드 분석, 역공학 작업에서도 성능을 보였다고 합니다.

속도와 가격

MiniMax는 희소성(sparsity)을 더 강하게 적용해 추론 효율을 높였다고 밝혔습니다. 출력 속도는 일상 사용에서 초당 200토큰 이상이며 중앙값(P50)은 초당 170토큰 이상이라고 설명합니다. 에이전트 작업의 총 사용 비용은 이전 모델보다 70% 낮다고 발표했습니다. 가격은 입력 100만 토큰당 0.15달러, 출력 100만 토큰당 0.60달러, 캐시 입력 100만 토큰당 0.015달러입니다. API, M Plan, MiniMax Code에서 이용할 수 있으며 가중치는 나중에 공개할 예정입니다.

Hacker News 반응

• @swiftcoder — DeepSeek Flash와 비교해 본 사람이 있나요? 가격 대비 성능 벤치마크가 실제로 맞는지 궁금합니다.
  • @bel8 — Reddit 댓글 몇 개에서는 DS 4.1 Flash보다 못하다고 하더군요. 직접 시험해 보지는 않았고 벤치마크도 믿지 않습니다.
• @terhechte — 가중치는 아직 공개되지 않았습니다. 이전 MiniMax M3는 아마 파라미터가 약 4280억 개였던 것 같습니다. 이번 모델은 Flash라고 부르고 추론이 세 배 빠르다고 홍보하니 1500억 개 정도일 가능성이 있습니다. 양자화하면 DGX Spark나 128GB Mac, 새 AMD AI 시스템에서 돌아갈 수도 있겠습니다.
  • @penagwin — 웹사이트 FAQ에는 M3.1 Flash가 총 4280억 개, 활성 파라미터 230억 개라고 나옵니다. DeepSeek 4.1 Flash와 대략 비슷합니다. 이제 Flash라고 부르는 모델들이 작거나 가볍지는 않고, 그다지 빠르지도 않은 경우가 있다는 점이 흥미롭습니다. 보통 모델의 기준이 1조 개 이상으로 올라가고 있는 것 같습니다.
• @LaurensBER — 아직 써보지는 않았지만 DeepSeek와 GLM 5.3 시리즈만으로도 많은 작업을 처리하기에 충분하다고 느낍니다. 더 나은 모델이 계속 더 싸게 나오는 점은 놀랍습니다. 다만 실제 작업을 끝내는 데 걸리는 시간도 더 많이 공개했으면 합니다. 취미 프로젝트라면 저렴한 모델이 두 배 오래 걸려도 괜찮지만 업무에서는 작업 시간이 훨씬 길면 저렴한 모델을 쓰기 어렵습니다.
• @minimaxir — 이전 모델은 MiniMax M3이며 입력과 출력 가격은 각각 100만 토큰당 0.30달러와 1.20달러였습니다. 이번 가격은 각각 0.15달러와 0.60달러이고 캐시 입력도 입력 가격의 20%에서 10%로 낮아졌습니다. 이 가격이면 비용 70% 절감이라는 주장은 타당해 보입니다. DeepSeek 4.1의 캐시 가격은 여전히 더 낮지만 꽤 근접했습니다.
• @mawadev — 왜 모든 회사의 새 모델 발표가 늘 다른 모델보다 성능은 높고 가격은 더 싸다고 하나요? 다음 날이면 더 좋고 더 싼 모델이 나오고요. 독립적으로 검증하는 곳이 있나요? 이런 발표에 댓글을 다는 일은 별 의미가 없는 것 같습니다.
  • @lambda — 회사는 자신에게 유리한 벤치마크와 비교 대상을 골라 강조합니다. 최신 경쟁 모델 대신 이전 세대 모델과 비교하기도 합니다. 독립 벤치마크도 있지만 실행 환경과 모델 출력의 변동 때문에 점수 차이가 생길 수 있습니다.
• @DCKing — 이 모델은 벤치마크 점수를 겨냥해 조정된 것처럼 보입니다. OpenCode Go에서 Space Bunny라는 이름으로 무료 제공됐을 때 실제로 써본 사람들의 경험은 벤치마크와 달랐습니다. 제가 보기에는 GLM 5.3 Flash와 DeepSeek V4.1 Flash가 더 선호됐습니다. 높은 점수를 얻고도 실제 사용에서는 별로일 수 있습니다.
  • @adinb — 연구 프로젝트에서 Space Bunny를 일주일 동안 집중적으로 시험했습니다. 코딩을 아주 못하는 모델은 아니었지만 처음에 실수를 많이 했고 나중에 그중 대부분을 바로잡았습니다. 일을 시킬 수는 있지만 경쟁 모델이 더 싸거나 다루기 쉽습니다.
• @walrus01 — DeepSWE와 TerminalBench 4.0 점수가 Space Bunny를 시험한 OpenCode 사용자들의 경험과 맞지 않는 것 같습니다. Qwen 3.8 Flash Next나 DeepSeek V4 Flash로 돌아갔다는 이야기를 많이 봤습니다.
  • @jakswa — DeepSWE 테스트의 113개 작업 중 23개 이상에서 문제가 발견돼 벤치마크가 결함 있는 것으로 분류됐다는 이야기가 있었습니다. 제 작업에 더 나은 평가 방법을 아직 찾지 못해 계속 참고는 하고 있습니다.
• @quixoticelixer- — 더 싸고 덜 똑똑한 모델과 더 비싼 모델 중 어느 쪽이 나은지 판단하기가 어렵습니다. 비싼 모델은 일을 더 빨리 끝내니까요.

원문: MiniMax / 번역·요약: Trawling