MiniMax Luncurkan M3.1 Flash, Model MoE 428B untuk Tugas Agentik

Pengembang AI asal China, MiniMax, merilis model bahasa barunya, M3.1 Flash, pada 19 Oktober 2026. Dibangun dengan desain mixture-of-experts (MoE), model ini memiliki total 428 miliar parameter dan ditujukan untuk beban kerja agentik.

Menurut rincian yang dirilis, M3.1 Flash mengaktifkan sekitar 23 miliar dari parameter tersebut untuk setiap langkah. Model ini juga mendukung jendela konteks 1 juta token, cukup untuk memproses dokumen panjang, basis kode berukuran besar, atau riwayat tugas multi-langkah yang panjang dalam sekali proses.

Harga dan bobot terbuka

MiniMax mengenakan biaya $0,15 per juta token input dan $0,60 per juta token output melalui API-nya. Perusahaan menyatakan bobot model akan dipublikasikan pada 23 Oktober 2026. Lisensi yang akan digunakan untuk merilisnya belum dijelaskan dalam informasi yang tersedia.

Model MoE terbagi menjadi banyak sub-jaringan khusus, dan hanya sebagian kecil yang dijalankan untuk setiap masukan. Tujuannya adalah mempertahankan kapasitas pengetahuan model yang sangat besar sambil menekan biaya dan latensi inferensi agar mendekati model yang jauh lebih kecil, yang selaras dengan harga rendah yang ditetapkan MiniMax.

Mengapa ini penting

Sistem agentik memanggil alat, menulis kode, dan menjalankan tugas multi-langkah atas nama pengguna, dan sistem tersebut cenderung menghabiskan token dalam jumlah besar. Hal ini membuat harga per token menjadi faktor penentu bagi pengembang yang membangun di atas model semacam itu.

MiniMax, yang berbasis di Shanghai, adalah salah satu dari sejumlah perusahaan China yang menarik perhatian karena model generasi bahasa dan videonya. Model besar dari laboratorium China dengan bobot yang dirilis secara terbuka telah menjadi sumber tekanan harga yang signifikan di pasar global.

Hasil benchmark dan perbandingan dengan model pesaing tidak disertakan dalam informasi yang tersedia. Pengujian independen setelah bobot model dipublikasikan seharusnya memberikan gambaran yang lebih jelas tentang kinerjanya dalam praktik.