MiniMax M3.1 Flash เปิดตัวจริง — เฉลยว่า "Space Bunny" คือตัวนี้, ราคา $0.15/$0.60 ต่อ 1M โทเคน แต่ยังไม่มีน้ำหนัก และกราฟของ MiniMax เองโชว์ว่า DeepSeek V4.1 Flash-1017 ทำ DeepSWE ได้สูงกว่าในราคาที่ถูกกว่า

MiniMax ประกาศเปิดตัว MiniMax M3.1 Flash อย่างเป็นทางการเมื่อ 19 ต.ค. 2026 และเฉลยในโพสต์เดียวกันว่า “Space Bunny” โมเดลนิรนามบน OpenRouter ที่ประมวลผลไปแล้ว มากกว่า 200 ล้านล้านโทเคน ระหว่างที่ยังไม่เปิดเผยชื่อ คือ M3.1 Flash รุ่นแรก ๆ วันเดียวกันนั้น OpenRouter ก็เปิดสลัก minimax/minimax-m3.1-flash:free ให้ใช้ฟรี พร้อม context 1M โทเคน

MiniMax วางตำแหน่งตัวนี้เป็นโมเดลราคาถูกสำหรับงาน agent และงานโค้ดประจำวัน ราคา $0.15 อินพุต / $0.60 เอาต์พุต / $0.015 cache read ต่อ 1M โทเคน มีให้ใช้ทั้งผ่าน MiniMax API, M Plan และแอป MiniMax Code คะแนนที่บริษัทประกาศ ได้แก่ DeepSWE v1.1 73.7%, OSWorld V2 61.7, Agents’ Last Exam 29.6, BankerToolBench 76.2 และ CyberGym 82% ข้อควรรู้ก่อนย้ายไปใช้มีสองข้อ คือ น้ำหนักโมเดลยังไม่ปล่อย และ กราฟที่ MiniMax ทำมาเองไม่ได้ให้ M3.1 Flash ชนะทุกตัว

”ถูกลง 70%” หมายถึงต้นทุนต่องาน ราคาต่อโทเคนถูกลงครึ่งเดียว

ประโยคที่ MiniMax ใช้คือ “overall usage cost is 70% lower than its predecessor” สำหรับงาน agentic ถ้าดูหน้าราคาบน platform.minimax.io จะเห็นว่า M3 รุ่นก่อนคิด $0.30 / $1.20 (cache $0.06) เมื่ออินพุตไม่เกิน 512K โทเคน และขึ้นเป็น $0.60 / $2.40 เมื่อเกิน 512K ส่วน M3.1 Flash คิด อัตราเดียวตลอดทั้ง 1M โทเคน

ราคาต่อโทเคนจึงลดลง 50% และราคา cache read ลดลง 75% ส่วนที่เหลือจนได้ 70% น่าจะมาจากการที่โมเดลใช้โทเคนต่องานน้อยลง ซึ่งเอกสาร Tool Use ของ MiniMax ระบุว่า M3.1 Flash “thinks on demand” คือถ้าเป็น tool call ง่าย ๆ อาจไม่สร้าง thinking block เลย ข้อนี้มีผลกับโค้ดฝั่งเรา เพราะต้องเช็กก่อนว่ามีฟิลด์ thinking หรือ reasoning_content หรือไม่ แล้วค่อยอ่าน และต้องส่ง assistant message กลับไปทั้งก้อนทุกเทิร์น ไม่อย่างนั้น interleaved thinking จะขาดตอน

API รองรับทั้งรูปแบบ Anthropic (ANTHROPIC_BASE_URL=https://api.minimax.io/anthropic) และ OpenAI (https://api.minimax.io/v1) จึงเสียบเข้ากับ Claude Code หรือ agent framework ที่ใช้อยู่ได้โดยเปลี่ยนแค่ base URL กับชื่อโมเดล MiniMax-M3.1-Flash สำหรับคนที่ต้องการ latency ต่ำ มี Priority tier ให้เลือกในราคา 1.5 เท่า

กราฟของ MiniMax เองบอกอะไรบ้าง

โพสต์เปิดตัวมีกราฟคะแนนเทียบต้นทุนอยู่สามรูป เมื่ออ่านตัวเลขในรูปโดยตรงจะได้ภาพที่ละเอียดกว่าข้อความในโพสต์

• DeepSWE v1.1 (ใช้ mini-swe-agent): M3.1 Flash ทำได้ 68.1% / 72.1% / 73.7% ที่ effort high / xhigh / max โดยใช้เงินราว $0.25–0.28 ต่องาน แต่ในกราฟเดียวกัน DeepSeek V4.1 Flash-1017 ที่ effort max ได้ประมาณ 77% โดยใช้เงินไม่ถึง $0.20 ต่องาน คือคะแนนสูงกว่าและถูกกว่า ข้อความในโพสต์ใช้คำว่า “alongside top models” ซึ่งก็ถูกต้องตามนั้น แต่ไม่ได้แปลว่าเป็นอันดับหนึ่ง และหมายเหตุใต้กราฟระบุว่าใช้ข้อมูล leaderboard “as of 2026-09-22” ทั้งที่ในกราฟมีโมเดล 1017 ซึ่งเพิ่งออกเมื่อ 17 ต.ค. อยู่ด้วย จึงควรถือว่าข้อมูลของคู่แข่งแต่ละตัวมาจากคนละช่วงเวลา
• Automation-Bench v1.0.6 (ใช้ Claude Code เป็น harness): M3.1 Flash ได้ 52.8% ถึง 62.8% ไล่จาก low ถึง max โดยต้นทุนไม่เกิน $0.05 ต่องาน ชนะ Opus 5.5 ที่ max (ประมาณ 57%) ซึ่งใช้เงินเกือบ $1 ต่องาน ข้อที่ควรสังเกตคือ หมายเหตุใต้กราฟบอกว่าคิดราคา DeepSeek-V4.1-Flash-1017 ด้วยอัตรา peak $0.30 / $1.20 ขณะที่โมเดลอื่นใช้ “official pricing” แต่ราคา off-peak ของ DeepSeek คือ $0.15 / $0.60 ซึ่งเท่ากับราคาของ M3.1 Flash พอดี ถ้าคิดราคา DeepSeek แบบ off-peak จุดของ DeepSeek จะเลื่อนมาทางซ้ายเกือบครึ่งหนึ่ง และระยะห่างด้านต้นทุนระหว่างสองตัวจะแคบลงมาก
• Agents’ Last Exam (ALE-V1, 152 งาน): M3.1 Flash ได้ 29.6% ด้วยต้นทุนรวมราว $111 ซึ่งถูกที่สุดในกราฟ และสูงกว่าโมเดลจีนทุกตัวที่อยู่ในกราฟ (Kimi K3 ประมาณ 28%) แต่ยังห่างจาก Claude Opus 5.5 (ประมาณ 38%) และ GPT-6 Astra (ประมาณ 34%) ทั้งนี้ M3.1 Flash รันผ่าน Claude Code ที่ effort max ส่วนโมเดลอื่นใช้ “best harness and effort per model”

สรุปได้ว่า M3.1 Flash อยู่บนเส้น frontier ด้านต้นทุนต่อคะแนนจริง แต่ใน tier ราคานี้มี DeepSeek V4.1 Flash-1017 แข่งอยู่สูสี และบน DeepSWE ซึ่งเป็นงานโค้ดโดยตรง DeepSeek ยังนำ

”โมเดล open-weight” ที่ยังไม่มีน้ำหนักให้โหลด

หน้า Release Notes ของ MiniMax เรียก M3.1 Flash ว่า “An ultra-efficient open-weight model for everyday work” แต่โพสต์เปิดตัวเขียนชัดว่า “Model weights will be released later” ณ เช้า 20 ต.ค. (เวลาไทย) ยังไม่มี repo MiniMaxAI/MiniMax-M3.1-Flash สาธารณะบน Hugging Face และ MiniMax ไม่ได้เปิดเผยจำนวนพารามิเตอร์ บอกแค่ว่าใช้ “more aggressive sparsity” จนได้ความเร็ว output มากกว่า 200 TPS (ค่ามัธยฐานมากกว่า 170 TPS) และบอกว่า รุ่น Pro จะตามมาทีหลัง

M3 ปล่อยน้ำหนักในวันเปิดตัวเลย ดังนั้นการที่ M3.1 Flash ยังไม่ปล่อยจึงเป็นเรื่องต้องจับตา ตอนนี้ยังตอบไม่ได้ว่าจะรันบนเครื่องตัวเองได้หรือไม่ ขนาดเท่าไร และใช้ license แบบใด

มุมมอง AI Curator

เรื่องที่สำคัญที่สุดในข่าวนี้คือ ราคาต่ำสุดของโมเดลระดับ agent ไหลลงมาอยู่ที่ประมาณ $0.15 / $0.60 แล้ว และตอนนี้มีอย่างน้อยสองค่ายจากจีนที่ตั้งราคาตรงจุดเดียวกัน สำหรับทีม dev ในไทยที่รัน coding agent หรือ workflow อัตโนมัติจำนวนมาก (งาน back-office, ตรวจเอกสาร, ระบบ CI ที่ให้ agent แก้ test) ต้นทุนต่องานระดับไม่กี่เซนต์ทำให้ใช้ agent แบบ “รันทุก PR” ได้โดยไม่ต้องคิดเรื่องงบมาก

แต่อย่าเลือกโมเดลจากข้อความโฆษณา กราฟ Automation-Bench ใช้ราคาคู่แข่งในช่วงที่แพงที่สุดของวัน ซึ่งเป็นกลเม็ดเดียวกับที่เราเคยเห็นในกราฟของผู้ขายรายอื่น ส่วนกราฟ DeepSWE ที่ MiniMax ทำเองก็แสดงว่าคู่แข่งชนะในงานโค้ด ทางที่ดีที่สุดคือเอางานจริงของทีมมารันเทียบสองตัวนี้ผ่าน OpenRouter ซึ่งมีทั้งสองโมเดล (M3.1 Flash ยังมีสลักฟรี) แล้ววัดทั้งอัตราที่งานผ่านและจำนวนโทเคนต่องาน เพราะส่วนลด 70% ที่ MiniMax เคลมมาจากการใช้โทเคนน้อยลง ซึ่งแต่ละงานได้ผลไม่เท่ากัน

อีกเรื่องที่ไม่ควรมองข้ามคือ Space Bunny ประมวลผลไปกว่า 200 ล้านล้านโทเคนโดยที่ผู้ใช้ไม่รู้ว่าเป็นโมเดลของใคร โมเดลนิรนามบน OpenRouter กลายเป็นช่องทางที่แล็บใช้ทดสอบโมเดลกับงานจริงไปแล้ว องค์กรที่มีนโยบายข้อมูล (เช่น ต้องทำตาม PDPA) ควรปิดการใช้ stealth model ใน router ไว้ก่อน เพราะเราไม่รู้ว่าข้อมูลที่ส่งเข้าไปถูกเก็บไว้ที่ไหนและอยู่ภายใต้เงื่อนไขอะไร ส่วนเรื่องน้ำหนักโมเดล เราจะรายงานอีกครั้งเมื่อ MiniMax ปล่อยจริง พร้อมอ่านไฟล์ LICENSE ด้วย ไม่ใช่ดูแค่ป้ายบนการ์ดโมเดล

แหล่งข่าว

• MiniMax M3.1 Flash: Redefining Agent Performance and Cost (MiniMax, 19 ต.ค. 2026)
• MiniMax API — Pricing Overview (M3.1 Flash vs M3)
• MiniMax API — Tool Use & Interleaved Thinking guide
• OpenRouter — MiniMax M3.1 Flash (free)