Les résultats des tests de performance et la réputation de MiniMax M3.1 Flash contrastent fortement

---

Fermez la fenêtre d’abord. Le blog officiel de MiniMax M3.1 Flash a été publié le 19 octobre 2026, et le même jour, un post de discussion est apparu sur Hacker News, avec l’ID de l’histoire 50154540. Au moment de la capture d’image, il y avait 324 votes favorables et 140 commentaires. Calculé sur une période de 48 heures, le moment de la première publication est le 19 octobre 2026. Ce texte a été écrit le même jour, toujours dans la période considérée. Il est nécessaire d’indiquer clairement les informations préalables : les données de benchmark annoncées par l’équipe et les résultats obtenus par la communauté présentent des différences, c’est l’axe principal de cet article. Cependant, comme les poids n’ont pas encore été publiés, les utilisateurs ordinaires et les tiers ne peuvent pas reproduire ces chiffres indépendamment. Par conséquent, le texte ne considèrera pas les données officielles comme définitivement établies, mais indiquera simplement l’origine de chaque chiffre et laisserait une marge de doute.

Que s’est-il passé

Le 19 octobre 2026, MiniMax a publié M3.1 Flash, un modèle rapide destiné aux tâches agentives, à la programmation, à l’utilisation de l’ordinateur et aux scénarios de sécurité informatique. Les points forts principaux annoncés par l’équipe sont très impressionnants : la vitesse de raisonnement est presque trois fois plus rapide que la génération précédente, le coût d’utilisation est réduit de 70 %, et le modèle atteint des niveaux de performance leaders dans plusieurs benchmarks. De plus, en exécutant le modèle anonymement sous le nom de Space Bunny, il a déjà traité plus de 200 billions de tokens.

Du point de vue de la gamme de produits, MiniMax a lancé trois options : l’API, le service M Plan à abonnement mensuel pour les utilisateurs fréquents, et le client desktop MiniMax Code. L’API est facturée en fonction du volume d’utilisation par les développeurs, le M Plan est payant pour les utilisateurs fréquents, tandis que MiniMax Code s’adresse directement à des outils de programmation AI tels que Cursor et Windsurf. Cette combinaison « modèle + application + abonnement » indique que MiniMax ne cherche pas seulement à vendre des tokens, mais aussi à retenir les utilisateurs dans leur flux de travail. Pour les observateurs, pour juger si M3.1 Flash est un succès, il ne suffit pas de se fier au leaderboard du modèle, mais aussi à la fidélité des utilisateurs de MiniMax Code et au taux de conversion du M Plan.

En ce qui concerne les prix, M3.1 Flash est vendu à 0,15 dollar par million de tokens d’entrée, 0,60 dollar par million de tokens de sortie, et 0,015 dollar par million de tokens d’entrée en mémoire cache. Les données de performance annoncées par l’équipe incluent : 76,2 points sur BankerToolBench, 73,7 % sur DeepSWE v1.1, 61,7 points sur OSWorld V2, 29,6 points sur Agents’ Last Exam, et 82 % sur CyberGym. De plus, il est affirmé que la vitesse de sortie dépasse 200 TPS, avec une médiane P50 supérieure à 170 TPS. Ces chiffres indiquent tous qu’il s’agit d’un produit rapide et économique, capable de rivaliser avec les meilleurs modèles dans certaines scénarios.

En termes d’accessibilité, les API, le M Plan et le MiniMax Code sont déjà disponibles, tandis que les weights seront publiés ultérieurement. Cela signifie que pour l’instant, ce qui peut être directement vérifié est l’expérience offerte par les API, et pour reproduire les benchmarks officiels, il faudra attendre la disponibilité des weights.

D’un point de vue de la stratégie de publication, MiniMax a choisi de tester anonymement avec Space Bunny avant de lancer officiellement le produit. Le fait que 200 billions de tokens aient été traités pendant cette période anonyme montre d’une part que l’échelle du test est suffisante, et d’autre part que le fabricant a collecté une grande quantité de retours réels avant la publication. Le problème est que ces retours sont détenus uniquement par le fabricant, il n’y a pas de logs originaux à consulter, et il est impossible de déterminer la relation exacte entre « 200 billions » et « la qualité du produit ». Pour la communauté technique, ce type de « test interne » ne constitue qu’une preuve indirecte et ne peut remplacer un benchmark public et reproductible.

La différence entre les données officielles et les retours des utilisateurs

Les données officielles semblent impressionnantes, mais les retours préliminaires dans la section de discussion HN ne sont pas entièrement positifs. Cette différence se manifeste principalement en trois points.

Premièrement, il y a une comparaison directe. Le commentateur JohnnyApplePRNG souligne que le score de M3.1 Flash sur DeepSWE est inférieur à celui de DeepSeek V4.1 Flash 1017. À moins que MiniMax ne réduise son prix à moitié, il sera difficile de trouver cet appareil attrayant. Le sens implicite de ce commentaire est clair : la supériorité des benchmarks est conditionnelle ; une fois comparés à des modèles de même prix ou dans la même écosystème, l’avantage s’atténue.

Deuxièmement, il y a les retours des utilisateurs pendant la période de test anonyme. Le commentateur walrus01 note que les scores de DeepSWE et TerminalBench 4.0 ne correspondent pas entièrement à l’expérience de Space Bunny mesurée précédemment par les utilisateurs d’OpenCode, avec des erreurs évidentes sur certains points. Cela signifie que, en dehors des tests officiels, les utilisateurs précoces ont déjà accumulé une série de souvenirs réalistes selon lesquels « le produit peut également commettre des erreurs de base ».

Troisièmement, il y a les conditions de vérification. Le commentateur terhechte note que les weights n’ont pas encore été publiés, il ne peut donc que supposer, d’après les déclarations officielles, qu’il s’agit d’un modèle avec environ 150B de paramètres, qui pourrait fonctionner sur du matériel de consommation. Avant la disponibilité des weights, tous les benchmarks ne peuvent être considérés que comme des résultats fournis unilatéralement par le fabricant, et les tiers ne peuvent pas reproduire ces tests indépendamment.

En combinant ces trois points, le problème n’est pas que « les données officielles sont forcément falsifiées », mais plutôt qu’il existe une faille d’explication entre les chiffres impressionnants fournis par les officiels et la performance réelle perçue par les utilisateurs précoces. Il faudra attendre de plus amples tests tiers et la disponibilité des weights pour juger si le modèle est vraiment aussi rapide, précis et bon marché.

Les déclarations officielles ne correspondent pas

Cette section n’est pas une accusation, mais plutôt un examen des dires et des omissions des officiels.

Le récit central du blog officiel est : plus rapide, plus bon marché, avec plusieurs benchmarks en tête. Mais le terme « supérieur » ne fournit pas de comparatif. Est-ce par rapport à la génération précédente de MiniMax ? Ou par rapport à DeepSeek Flash de même prix ? Ou par rapport aux modèles phares de niveau GPT-4 ? Différents comparatifs changeraient complètement le sens de « supérieur ».

Pour aller plus loin, les autorités ont fourni des scores absolus sur plusieurs benchmarks, plutôt que des comparaisons head-to-head avec les concurrents dans les mêmes conditions. Des chiffres tels que 76,2 pour BankerToolBench, 73,7% pour DeepSWE v1.1, et 61,7 pour OSWorld V2 sont élevés en eux-mêmes, mais il est difficile de déterminer leur véritable signification si nous ne savons pas dans quelle version, avec quel prompt et quel script d’évaluation ils ont été exécutés. La reproductibilité des benchmarks dépend non seulement de la transparence du modèle, mais aussi de l’éthique du contexte d’évaluation.

Les autorités ont également mentionné que Space Bunny a traitementé plus de 200 billions de tokens pendant son fonctionnement anonyme. Ce chiffre est très médiatisé, mais il décrit le volume total d’appels, et non la capacité du modèle lui-même. Le nombre de fois où un modèle est appelé n’a pas de relation directe avec la qualité de ses réponses à chaque fois.

Un autre point non clarifié est la condition de mesure « presque 3 fois plus rapide que l’ancienne version ». Pour le même modèle, avec différentes longueurs d’entrée, différents niveaux de concurrence et différentes configurations matérielles, le TPS peut varier de plusieurs fois. Les chiffres officiels de 200 TPS ou plus et de 170 TPS au P50 médian sont difficiles à interpréter sans description du contexte d’essai.

Enfin, le fait que les poids n’aient pas été publiés rend les benchmarks officiels indépendamment vérifiables. Pour la communauté technique, ce n’est pas une petite question. La reproductibilité est la base de la crédibilité des benchmarks ; sans elle, même les chiffres les plus impressionnants restent dans le dossier « à vérifier ».

Que dit la section des commentaires

Parmi les 140 commentaires sur HN, les opinions se divisent globalement en quatre catégories, toutes traitées de manière détaillée.

La première catégorie est celle des comparatistes. En plus du JohnnyApplePRNG qui a comparé DeepSeek V4.1 Flash 1017, swiftcoder s’interroge sur la réelle compétitivité entre M3.1 Flash et DeepSeek Flash. Le point central de ces commentaires est que les benchmarks officiels doivent être considérés dans le contexte des concurrents, plutôt que de prétendre isolément « être en tête ».

La deuxième catégorie est celle des sceptiques. walrus01 compare les scores officiels aux anecdotes d’utilisateurs pendant le fonctionnement anonyme de Space Bunny, soulignant une différence entre les deux. terhechte souligne que comme les poids n’ont pas été publiés, on ne peut même pas deviner la taille du modèle. Ces deux commentaires pointent vers la même question : avant qu’ils puissent être vérifiés indépendamment, la crédibilité des benchmarks officiels doit être réduite.

La troisième catégorie est celle des organisateurs d’informations. Certains commentateurs se demandent si le modèle peut fonctionner sur du matériel de consommation et si le prix est vraiment 70% inférieur aux concurrents, comme annoncé par les autorités. Les réponses à ces questions ne sont pas encore complètes, mais elles reflètent deux critères importants pour la communauté : la capacité de fonctionner localement et le coût réel du modèle. Pour les développeurs, ces deux critères sont plus directs que n’importe quel score de leaderboard.

La quatrième catégorie est celle des discussions métas. theanonymousone note que cela constitue une publication répétée, avec plusieurs commentaires sur le même sujet, ce qui indique que la publication de MiniMax sur HN a vraiment fait du bruit, mais cela laisse également planer le doute sur l’amplification marketing de l’intérêt des discussions. Une publication répétée ne prouve pas la qualité du produit, mais elle nous rappelle que l’intérêt et la qualité sont deux choses distinctes, qu’il ne faut pas confondre.

Trois choses que les utilisateurs ordinaires peuvent faire

Premièrement, doutez des benchmarks officiels avant de tenter de les reproduire avec des outils tiers. Jusqu’à ce que les poids de référence et les résultats indépendants soient disponibles, considérez les données officielles comme une référence plutôt que comme une conclusion définitive. Attendez particulièrement des termes relatifs tels que « leader » ou « 3 fois plus rapide » ou « 70 % de moins en coût », car leurs contre-exemples sont souvent cachés dans les notes de bas de page.

Deuxièmement, si vous souhaitez le tester, essayez d’abord avec une petite quantité d’API pour vérifier son efficacité dans votre contexte. Un modèle qui obtient de bonnes scores dans des benchmarks publics ne signifie pas qu’il sera utile dans votre propre code, votre documentation ou vos processus métier. MiniMax Code et l’API sont déjà disponibles ; vous pouvez les utiliser pour tester des tâches réelles avant de décider si vous souhaitez transférer votre flux de travail principal vers eux.

Troisièmement, placez M3.1 Flash sur la « liste des candidats » plutôt que sur la « seule solution ». Il existe plus d’un modèle rapide de même niveau, comme DeepSeek Flash, GPT-4o mini ou Claude Haiku, qui continuent de évoluer. La tarification et les performances de MiniMax sont bien compétitives pour l’instant, mais la concurrence change rapidement. Il sera plus sûr de prendre du temps après deux semaines à un mois pour recueillir les retours de la communauté avant de faire un investissement à long terme.

Pour conclure, pour les petites entreprises et les développeurs indépendants, le prix est souvent le premier critère lors du choix d’un modèle, mais les coûts réels sont souvent cachés. Les dépenses supplémentaires liées à l’intégration, à la conception des suggestions, aux corrections des erreurs et aux vérifications de conformité peuvent dépasser le coût des tokens eux-mêmes. Si vous changez fréquemment de modèle juste pour économiser quelques dollars, cela peut s’avérer contre-productif. Considérez M3.1 Flash comme une nouvelle option à examiner plutôt que comme une raison suffisante pour remplacer votre flux de travail actuel.

Du point de vue plus large, la publication de MiniMax est également un reflet des efforts des fabricants de modèles de grande taille dans la région : « compétition sur le prix, la rapidité et les benchmarks ». Alors que tous insistent sur leur « rapidité et économie », ce dont les utilisateurs doivent se méfier, c’est de la tendance à considérer des indicateurs isolés comme reflétant l’expérience globale. Le choix d’un modèle n’est pas comme acheter une loterie ; on ne peut pas parier uniquement sur un leaderboard.

Conclusion

Précision : cet article ne condamne pas MiniMax, ni nie la valeur technique de M3.1 Flash. Les benchmarks et les données de performance publiés par l’équipe officielle proviennent du blog de MiniMax et ont été identifiés un par un ; les comparaisons et doutes exprimés dans les commentaires HN sont également attribués un par un ; les retours des utilisateurs pendant la phase d’expérimentation anonyme de Space Bunny ne peuvent pas prouver la qualité du modèle, mais servent simplement à expliquer l’écart entre les performances. Les poids de référence n’ont pas encore été publiés et ne peuvent pas être reproduits indépendamment par des tiers, un point qui traverse tout le texte.

Les faits vérifiés incluent : le blog officiel de MiniMax a publié M3.1 Flash le 19 octobre 2026 ; la story HN 50154540 a été soumise le même jour, avec une snapshot 324▲/140💬 ; les prix sont de 0.15/0.60/0.015 dollars par million de tokens ; les API, le plan M et MiniMax Code sont déjà disponibles, les poids de référence seront publiés ultérieurement ; les benchmarks officiels incluent BankerToolBench 76.2, DeepSWE v1.1 73.7 %, OSWorld V2 61.7 %, ALE 29.6 %, CyberGym 82 %, avec une vitesse de sortie de 200+ TPS.

Deux points à surveiller : premièrement, après la publication officielle des weights, la communauté pourra-t-elle reproduire les benchmarks officiels ? Deuxièmement, les résultats de comparaison horizontale entre des modèles du même niveau comme DeepSeek Flash et GPT-4o mini par des organismes d’évaluation tierces ou des développeurs. Toute nouvelle preuve suffisante pour changer le jugement actuel entraînera la sortie de la version v2.

Sources de référence

• Blog officiel de MiniMax 2026-10-19 « MiniMax M3.1 Flash » : Publication du modèle, données de performance, prix et sources d’obtention, https://www.minimax.io/blog/minimax-m31f
• HN story 50154540 : Soumis le 2026-10-19T16:39:09Z, titre « MiniMax M3.1 Flash », snapshot 324▲/140💬 ; les commentaires swiftcoder/terhechte/johnnyApplePRNG/walrus01/theanonymousone sont des présentations personnelles des auteurs, le contenu est attribué individuellement.
• L’entrée « hot » dans le fichier facts /Users/kael/xhs-content/drafts/2026-10-20-facts-packages.json : La seule source de faits pour cet article. Le texte a été écrit en interne, sans vérification ultérieure sur Internet.