Çinli yapay zekâ şirketi MiniMax, yeni nesil “Flash” modeli M3.1 Flash’ı 19 Ekim 2026’da kullanıma sundu. Şirket, modelin ajan görevleri, kodlama, bilgisayar kullanımı ve siber güvenlikte bir önceki sürüme göre “kuşak atlaması” sağladığını, çevrim içi çıkarımı yaklaşık üç kat hızlandırdığını ve kullanım maliyetini yüzde 70 düşürdüğünü açıkladı.
MiniMax’e göre model, bir süre adını vermeden “Space Bunny” takma adıyla kullanıcılara sunulmuştu ve bu dönemde 200 trilyonu aşkın token işledi. M3.1 Flash şimdi MiniMax API’si, M Plan aboneliği ve masaüstü uygulaması MiniMax Code üzerinden kullanılabiliyor.
Bağımsız değerlendirmede 13 puanlık sıçrama
The Decoder’ın aktardığı Artificial Analysis verilerine göre M3.1 Flash, Artificial Analysis Intelligence Index’te 42 puan aldı. Bu, selefi M3’ün 29 puanının 13 puan üzerinde. Model bu endekste GLM-5.3-Flash ile berabere kalıyor, 41 puanlı Gemini 3.8 Flash’ı geçiyor ve 45 puanlı DeepSeek V4.1 Flash 1017’nin gerisinde kalıyor.
En büyük gelişme karmaşık akıl yürütmede görülüyor. Model “Humanity’s Last Exam” testinde yüzde 48’e ulaşarak hem DeepSeek’i (yüzde 43) hem de GLM’yi geride bırakıyor. Araştırma düzeyindeki 71 fizik problemini kapsayan CritPt testinde yüzde 22 ile GLM-5.3-Flash (yüzde 15) ve Gemini 3.8 Flash’ın (yüzde 18) önünde, DeepSeek’in (yüzde 24) ise hemen arkasında yer alıyor. Artificial Analysis’in olgusal doğruluğu ölçen Omniscience testinde soruların yüzde 56’sını doğru yanıtlıyor.
Ajan ve kodlama iddiaları
MiniMax’in kendi açıkladığı sonuçlara göre model, gerçek yazılım görevlerini ölçen DeepSWE v1.1’de yüzde 73,7 başarıya, bilgisayar kullanımını ölçen OSWorld V2’de 61,7 puana ve gerçek mesleki işleri değerlendiren Agents’ Last Exam’de 29,6 puana ulaştı. Şirket, son iki testte Çin modelleri arasında birinci olduğunu belirtiyor. Bankacılık iş akışlarını ölçen BankerToolBench’te 76,2, güvenlik açığı bulma ve doğrulama testi CyberGym’de ise yüzde 82 skor bildiriliyor.
Şirket, daha agresif seyreklik (sparsity) sayesinde günlük kullanımda saniyede 200’ün üzerinde token çıktı hızına ulaşılabildiğini, ortanca hızın ise sürekli olarak saniyede 170 tokenın üzerinde kaldığını söylüyor.
Fiyat: Görev başına yaklaşık 22 sent
M3.1 Flash’ın API fiyatı milyon girdi tokenı başına 0,15 dolar, milyon çıktı tokenı başına 0,60 dolar; önbelleğe alınmış girdiler için 0,015 dolar. Model bir milyon tokenlık bağlam penceresine sahip ve metnin yanı sıra görselleri de girdi olarak kabul ediyor.
The Decoder’ın aktardığına göre model rakiplerinden çok daha az çıktı tokenı ürettiği için görev başına maliyeti yaklaşık 0,22 dolara iniyor; bu rakam DeepSeek V4.1 Flash 1017 için 0,26 dolar. Kıyaslama boyunca MiniMax yaklaşık 189 milyon, DeepSeek ise 224 milyon çıktı tokenı kullandı. Yani iki Çin modeli arasında her alanda kesin bir kazanan yok: DeepSeek genel endekste, MiniMax ise maliyet ve bazı akıl yürütme testlerinde öne çıkıyor.
Zayıf nokta: Yüzde 93 halüsinasyon oranı
Artificial Analysis’in ölçümüne göre modelin en zayıf yanı yüzde 93’lük halüsinasyon oranı. Bunun nedeni, modelin emin olmadığı sorularda yanıt vermekten kaçınmak yerine her soruyu yanıtlamaya çalışması. Bu durum, özellikle bilgi doğruluğunun kritik olduğu kullanımlarda modelin çıktılarının ayrıca doğrulanması gerektiğini gösteriyor.
Açık ağırlıklar 23 Ekim’de
MiniMax, model ağırlıklarının daha sonra yayımlanacağını açıkladı; The Decoder’a göre açık ağırlıklı sürüm 23 Ekim’de geliyor. OpenRouter’da da modelin ücretsiz bir sürümü 19 Ekim tarihiyle listeleniyor. Şirket, daha yüksek zekâ seviyesini hedefleyen “Pro” sürümünün de ileride geleceğini belirtiyor.
Neden önemli?
M3.1 Flash, Çinli laboratuvarlar arasındaki fiyat yarışının yeni bir halkası. Birkaç gün arayla yayımlanan DeepSeek ve MiniMax modelleri, ajan tabanlı işler için gereken yapay zekâ gücünü görev başına birkaç sent düzeyine indiriyor. Bu, küçük ekiplerin ve girişimlerin otomasyon denemelerini ucuzlatıyor; ancak yüksek halüsinasyon oranı, düşük maliyetin doğruluk kontrolünden vazgeçmek anlamına gelmediğini de hatırlatıyor. Kıyaslama sonuçlarının bir kısmının şirketin kendi ölçümleri olduğunu da akılda tutmak gerekiyor.
Kaynak: MiniMax, The Decoder, OpenRouter
