2026年10月19日

MiniMax-M3.1-Flashとは?100万トークン・常時思考の低価格APIを解説

MiniMax-M3.1-Flashは、MiniMaxが公開したエージェント推論・ツール利用・コーディング・長文脈タスク向けの最新MシリーズLLMで、100万トークンのコンテキストウィンドウと常時有効の思考(Thinking)を備えた「日常業務向けの超効率的なオープンウェイトモデル」です。

室谷室谷代表取締役
MiniMaxが新しいモデルを出してきましたね。MiniMax-M3.1-Flash。

公式ドキュメントを読むと、位置づけがかなりはっきりしていて「エージェント推論、ツール利用、コーディング、長文脈タスク向けの最新モデル」なんですよね。
テキトー教師テキトー教師DotAI 認定講師
しかも「日常業務向けの超効率的なオープンウェイトモデル」という説明が付いています。単に大きいモデルを作ったという話じゃないんですよ。

実務で回すことを前提にした設計になっているのが面白いところです。

MiniMax-M3.1-Flashとは?誰がいつ発表したのか

まとめ
MiniMax-M3.1-Flashの要点
  • 発表元はMiniMax。公式Xで「MiniMax-M3.1-Flash is coming」と告知され、同時に公式モデルページとAPIドキュメントが公開された
  • X投稿だけでなく公式ドキュメントにモデル仕様・料金・API呼び出し方が掲載されており、実態として既に触れる状態のモデル
  • 仕様の骨格はMoEアーキテクチャ、総パラメータ428B、アクティブ約23B、疎なアテンション、ネイティブ視覚エンコーダ
  • コンテキストウィンドウは100万トークン、速度は約150トークン/秒と記載
  • 速度は負荷や入出力長で変動する目安であり、エンドツーエンドのタスク完了時間を保証する数字ではない
  • 名称表記が2種類ある: APIのモデルIDは「MiniMax-M3.1-Flash」、公式プレビューページは「M3.1-Flash-Preview」。導入時は有効な表記を確認する必要がある
室谷室谷代表取締役
まず主語を整理しておくと、発表したのはMiniMaxです。公式Xアカウントが「MiniMax-M3.1-Flash is coming」と告知し、同時に公式のモデルページとAPIドキュメントが公開されている、という流れですね。
テキトー教師テキトー教師DotAI 認定講師
はい。ここで大事なのは、Xの投稿だけを見て「予告が出た」で終わらせないことです。

すでに公式ドキュメント側にモデル仕様・料金・APIの呼び出し方まで載っているので、実態としてはもう触れる状態のモデルとして整理できます。
室谷室谷代表取締役
仕様の骨格は、MoEアーキテクチャで総パラメータ428B、アクティブ約23B、疎なアテンション、ネイティブ視覚エンコーダ。コンテキストウィンドウは100万トークンで、速度は約150トークン/秒という記載です。
テキトー教師テキトー教師DotAI 認定講師
総パラメータ428Bでアクティブが約23Bというのは、推論時に動かす計算量を絞りつつ知識量を確保するタイプの構成ですね。だから「超効率的」という表現につながっているわけです。
室谷室谷代表取締役
ただし公式ページでも「負荷や入出力長で変動する」と明記されていて、150トークン/秒はあくまで目安です。エンドツーエンドのタスク完了時間を保証する数字ではない、と。

ここは誤解しないほうがいいですよね。
テキトー教師テキトー教師DotAI 認定講師
そういう注記をちゃんと読むのが、こういう速報記事の一番大事なところです(笑)。スペック表の数字だけが独り歩きしがちなので。
室谷室谷代表取締役
あと名称の表記が2種類あるのも押さえておきたいところです。APIのモデルIDとしては「MiniMax-M3.1-Flash」、公式のプレビューページでは「M3.1-Flash-Preview」と書かれています。

導入時はどちらの表記が有効かを必ず確認する必要があります。
テキトー教師テキトー教師DotAI 認定講師
講座でも受講生さんにいつも言うんですけど、モデル名の変更は「名前を差し替えるだけ」で終わらないことが多いんですよ。特に今回は思考の扱いが変わっているので、そこが移行のポイントになります。

MiniMax-M3.1-Flashでできること——エージェント・コーディング・長文脈・マルチモーダル

MiniMax-M3.1-Flashでできること(公式ハイライト)
100万トークンのコンテキスト
長文脈の入力を扱える
エージェント・コーディングのワークフロー
コードベースを読み、失敗を追跡し、焦点を絞った修正とリグレッション確認を行う
調整可能な思考の深さ(effort)
推論の深さを調整できる
マルチモーダルなチャット入力
入力はテキスト・画像・動画、出力はテキスト。生成ではなく理解するモデル
室谷室谷代表取締役
公式ドキュメントのハイライトは4つ。100万トークンのコンテキスト、エージェントとコーディングのワークフロー、調整可能な思考の深さ(effort)、マルチモーダルなチャット入力です。
テキトー教師テキトー教師DotAI 認定講師
入出力の仕様も明確で、入力はテキスト・画像・動画、出力はテキスト。ここは誤解が多いので丁寧に言っておきたいんですが、画像や動画を「入力として理解する」ことはできても、画像や動画を「生成する」モデルではないんですよ。
室谷室谷代表取締役
そうなんですよね。公式FAQでも「ネイティブな画像・動画出力とは違う」とわざわざ書かれています。

ツールが使える環境なら、コードや画像処理ツールと組み合わせて画像差分の検出やグラフの構造化、動画ショットの分析までやれる、という整理です。
テキトー教師テキトー教師DotAI 認定講師
公式ページに載っている実タスク例も具体的です。Flowdeskの性能最適化、財務三表+DCF、画像差分分析、インタラクティブな流体シミュレーション。

どれも「それっぽい文章を作る」ではなく、成果物を出すタイプの仕事です。
室谷室谷代表取締役
興味深いのは、公式が「テストと計測による証拠」を強調している点です。コードベースを読み、失敗を追跡し、焦点を絞った修正を入れて、リグレッションを確認する。

説得力のあるコードではなく、検証されたコードを出す、という姿勢ですね。
テキトー教師テキトー教師DotAI 認定講師
研究用途でも「前提と出典を検査可能にする」という表現が出てきます。財務のワークブックで、過去データ・前提・数式による推計を区別する、と。

これは教育の現場でもすごく大事な考え方です。
室谷室谷代表取締役
ただ、公式ページ自身が「掲載されている事例は保証ではない」と明記しています。Flowdeskの比較も「一般的な速度保証ではない」と。

ここは記事としてもしっかり伝えておきたい線引きです。
テキトー教師テキトー教師DotAI 認定講師
同じ「証拠ベース」というテーマだと、DeepSeek V4.1 Flashとは?552B MoEとAA-AgentPerf首位のGB300を読み解くもエージェント性能の読み解き方として参考になります。ベンチマークの数字をどう解釈するか、という観点が共通していますね。

MiniMax-M3.1-Flashの使い方・始め方——Anthropic/OpenAI互換APIと対応ツール

MiniMax-M3.1-Flashの利用ルートとAPI互換仕様
画面から試すルート
  • MiniMax Codeの画面から試す
  • MiniMax Agentの画面から試す
Anthropic互換API(推奨)
  • base_url: https://api.minimax.io/anthropic
  • output_config に effort を指定
  • max_tokens を指定
  • Claude CodeやCursorなどのコーディングツール向け手順あり
室谷室谷代表取締役
使い方は2ルートあります。ひとつはMiniMax CodeやMiniMax Agentの画面から試すルート。

もうひとつがAPI連携です。
テキトー教師テキトー教師DotAI 認定講師
APIはAnthropic互換が推奨で、base_urlは https://api.minimax.io/anthropic。OpenAI互換は https://api.minimax.io/v1 です。

既にOpenAI SDKで組んでいるなら、base_urlとmodelを差し替えるだけで既存クライアントをそのまま使える、という案内になっています。
室谷室谷代表取締役
公式ドキュメントにはClaude CodeやCursorといったコーディングツールでMシリーズを使う手順も用意されています。ここは実務者には大きいですよね。

MYUUUでも、まず既存の開発フローに差し込めるかどうかから試すと思います。
テキトー教師テキトー教師DotAI 認定講師
呼び出しの形も載っています。Anthropic互換なら output_config に effort を入れて、max_tokens を指定する。

OpenAI互換なら reasoning_effort を使う。Responses APIでは reasoning.effort と max_output_tokens という違いがあります。
室谷室谷代表取締役
始める前のチェックとして公式が挙げているのは4つです。アクセスとモデルの確認、実際のタスク材料の提供、思考と出力設定の見直し、そして結果を信頼する前の検証。
テキトー教師テキトー教師DotAI 認定講師
2つ目の「材料を渡す」が地味に重要なんですよ。コーディングならリポジトリと再現手順と受け入れ条件、研究なら元データと日付、視覚分析なら元の画像や動画。

公式ページのCTAではサンプルファイルは転送されないので、自分で用意する必要があります。
室谷室谷代表取締役
そこ、勘違いしやすいポイントですよね。「Make the same」を押せば同じ結果が出るわけではなく、プロンプトとモデル選択要求が引き継がれるだけ、と明記されています。
テキトー教師テキトー教師DotAI 認定講師
モデル選択もアプリのバージョンとアカウントの可用性に依存すると書かれています。リンクを踏んだからといってアクセス権が付与されるわけではない、と。

ここは正確に伝えたいところです。
室谷室谷代表取締役
API移行時の注意としては、thinking.type=disabled と effort=none を削除すること。これを送るとエラーになります。

既存の連携で reasoning_details やインラインの <think> パースに依存している場合は、reasoning_content を読む形に更新が必要です。
テキトー教師テキトー教師DotAI 認定講師
出力トークンの予算も、思考分と最終回答分を合わせて確保する必要があります。この辺の設計は、ChatGPTとClaudeを徹底比較【2026年最新】:料金・性能・プログラミング・使い分けを完全解説で扱っているようなAPI設計の考え方と通じるところですね。

料金と提供範囲——日本から使えるか・いつから利用できるか

室谷室谷代表取締役
料金は公式の価格表に載っています。MiniMax-M3.1-Flashは入力$0.15/100万トークン、出力$0.60/100万トークン、プロンプトキャッシュの読み取りが$0.015/100万トークンです。
テキトー教師テキトー教師DotAI 認定講師
比較のために同じ表のM3を見ると、512k以下の入力で入力$0.30、出力$1.20、キャッシュ読み$0.06。M3そのものの実力や商用利用の条件はMiniMax M3とは?100万トークンの実力と料金、商用利用の条件を整理で詳しく整理しています。

512k超だと入力$0.60、出力$2.40、キャッシュ読み$0.12です。プライオリティは標準の1.5倍の価格で、service_tier をpriorityに設定して有効化する、という説明になっています。
室谷室谷代表取締役
整理するとこうです。
項目MiniMax-M3.1-FlashMiniMax-M3(≤512k入力)
入力$0.15 / 100万トークン$0.30 / 100万トークン
出力$0.60 / 100万トークン$1.20 / 100万トークン
キャッシュ読み$0.015 / 100万トークン$0.06 / 100万トークン
コンテキスト100万トークン100万トークン
テキトー教師テキトー教師DotAI 認定講師
コンテキスト長は同じ100万トークンで、価格が下がっているという関係ですね。ここは素直に比較しやすいポイントです。
室谷室谷代表取締役
日本から使えるかという点ですが、APIは api.minimax.io のエンドポイントで、価格はすべてUSD建て、支払いはアカウント残高からの従量課金という案内です。地域ごとの提供制限についての記載は、今回の資料の中には見当たりません。

現時点では明らかにされていない、という扱いが正確です。
テキトー教師テキトー教師DotAI 認定講師
「いつから」についても、公式ドキュメントの冒頭に「新しいMiniMax M3.1 Flashが利用可能になった」という告知が出ています。ただしプレビューという位置づけの表記もあり、恒久的な無料提供は明言されていません。

アカウント側でアクセスと現在の価格を確認する必要があります。
室谷室谷代表取締役
無料で試せるかどうかは、公式ページでも「継続的な無料利用を約束するものではない」と書かれています。ここは期待しすぎないほうがいいですね。
テキトー教師テキトー教師DotAI 認定講師
あと財務の事例についても、公式FAQが「投資助言ではない」と明記しています。データ・前提・数式・結論は自分で検証する前提です。

この線引きは受講生さんにも必ず伝えています。

MiniMax-M3から何が変わった?常時思考とeffort設定のポイント

室谷室谷代表取締役
ここが今回一番の変化です。M3は推論の有効・無効を切り替えられたんですが、M3.1-Flashは思考が常時有効で、無効化できません。
テキトー教師テキトー教師DotAI 認定講師
代わりに深さを選ぶ仕組みが入りました。low、medium、high、xhigh、maxの5段階で、省略時はmaxがデフォルト。

公式ガイドもmaxを推奨しています。
室谷室谷代表取締役
思考を切ろうとして thinking: {"type": "disabled"} や effort: "none" を送ると400エラーで「adaptive thinkingが必要」と返ってくる。ラテンシーやトークン使用量を下げたいなら、無効化ではなくeffortを下げる、という設計思想ですね。
テキトー教師テキトー教師DotAI 認定講師
思考の返り方も変わりました。OpenAI互換では reasoning_content として本文と分離して返るので、<think> タグをパースする必要がない。

ここは実装がかなり楽になります。
室谷室谷代表取締役
整理するとこうです。
  • 推論: M3は有効/無効を切替可、M3.1-Flashは常時有効で無効化不可
  • effort: M3は設定不可、M3.1-Flashはlow/medium/high/xhigh/max(省略時max)
  • 思考の返し方: M3は設定次第でインライン<think>、M3.1-Flashはreasoning_contentとして分離
  • コンテキスト窓: 両方100万トークン
  • プロンプトキャッシュ: 両方対応
テキトー教師テキトー教師DotAI 認定講師
フィールド名がプロトコルごとに違うのも要注意です。Anthropic互換は output_config.effort、OpenAI互換は reasoning_effort、Responsesは reasoning.effort。

同じ「effort」でも置き場所が違うんですよ。
室谷室谷代表取締役
これは移行時にハマるポイントですね。モデル名だけ変えて動くと思ったら、思考の設定でエラーになる、というパターンが想像できます。
テキトー教師テキトー教師DotAI 認定講師
講座でも「移行は名前の差し替えではなく、思考の扱いの再設計」と伝えたいところです。出力予算の取り方も変わりますからね。

100万トークンと約150トークン/秒は実務でどう効くか——向き不向きの判断

室谷室谷代表取締役
100万トークンというと巨大な数字に見えますが、実務では「リポジトリ全体を一度に読ませる」「長い財務資料をまとめて渡す」といった使い方が現実的になります。公式が想定用途として挙げているのは、頻繁なコーディング、財務リサーチ、マルチモーダル理解、フロントエンド作業です。
テキトー教師テキトー教師DotAI 認定講師
約150トークン/秒という速度は、思考を常時回すモデルとしては体感を左右する数字です。ただし公式が「負荷や入出力長で変動する」と書いている通り、保証値ではありません。
室谷室谷代表取締役
向き不向きで言うと、向いているのは、テストや計測で検証できるコーディング作業、出典と前提を分離したいリサーチ、画像や動画を入力にした分析とその先のコード生成。逆に、思考を切ってとにかく速く短文を返したい用途は、このモデルの設計とは噛み合いません。
テキトー教師テキトー教師DotAI 認定講師
そこは誤解されやすいので補足すると、思考を切れないのは制約であると同時に、品質を安定させるための割り切りでもあるんですよ。低レイテンシー最優先ならeffortをlowに落とす、という調整で対応する形になります。
室谷室谷代表取締役
あと公式が繰り返し「事例は保証ではない」と言っている点は、導入判断でとても重要です。Flowdeskの最適化も、同じ8,000件のレコードを使った3回の比較として紹介されているだけで、あらゆるタスクで同じ速度改善が出るという話ではありません。
テキトー教師テキトー教師DotAI 認定講師
同じ「Flash」という名前でも、小型化してオンデバイスに寄せたモデルもあるわけです。MAI-Code-1.1-Flashとは?Microsoftの小型コーディングモデルがオンデバイス対応と並べると、Flash系の設計思想が結構違うことが見えてきます。
室谷室谷代表取締役
M3.1-Flashは小型化ではなく、MoEで総パラメータを確保しつつアクティブを約23Bに絞る方向。同じ「効率」でもアプローチが違うんですよね。
テキトー教師テキトー教師DotAI 認定講師
導入判断としては、まず自分のタスクで「証拠を出せるか」を基準にすると良いと思います。テストで確認できる仕事、出典を検査できる仕事は相性が良い。

逆に、正解が曖昧で検証コストが高い仕事は、出力の検証体制を先に作る必要があります。
室谷室谷代表取締役
既存のAPI連携があるなら、まずはAnthropic互換の推奨パスで小さく試して、effortをmaxとlowで振ってみて、レイテンシーとトークン消費のバランスを見る。それが一番現実的な第一歩だと思います。
テキトー教師テキトー教師DotAI 認定講師
モデル選びの歴史的な流れを知りたい方は、ChatGPTはいつから?リリースの歴史・モデル進化・料金プラン・最新動向を完全解説【2026年最新】も合わせて読むと、今回の位置づけが立体的に見えてきますよ。

よくある質問

室谷室谷代表取締役
ここからは、よく聞かれそうな点を公式の記載範囲で整理していきます。
テキトー教師テキトー教師DotAI 認定講師
まず基本情報から。MiniMax-M3.1-Flashは何ですか?
室谷室谷代表取締役
MiniMaxのモデルで、頻繁なコーディング、財務リサーチ、マルチモーダル理解、フロントエンド作業に向けたものとして案内されています。MoEで総パラメータ428B、アクティブ約23B、疎なアテンション、ネイティブ視覚エンコーダという構成です。
テキトー教師テキトー教師DotAI 認定講師
画像や動画は使えますか?
室谷室谷代表取締役
入力としてはテキスト・画像・動画に対応し、出力はテキストです。ツールが使える環境では、コードや画像処理ツールと組み合わせて画像差分の検出やグラフの構造化、動画ショットの分析ができます。

ネイティブな画像・動画出力とは異なります。
テキトー教師テキトー教師DotAI 認定講師
コンテキスト長と速度はどれくらいですか?
室谷室谷代表取締役
プレビューガイドでは100万トークンのコンテキストウィンドウと約150トークン/秒。実速度は負荷と入出力長に依存し、エンドツーエンドのタスク遅延を保証するものではありません。
テキトー教師テキトー教師DotAI 認定講師
思考はオフにできますか?
室谷室谷代表取締役
できません。常時有効で、low/medium/high/xhigh/maxのeffortから選び、maxが推奨デフォルトです。

思考を無効化する設定やeffort=noneは移行時に変更が必要です。
テキトー教師テキトー教師DotAI 認定講師
掲載されている事例は実在のものですか、それとも生成画像ですか?
室谷室谷代表取締役
4つの例は公式ガイドに記録された事例です。中国語を含むスクリーンショットは英語にローカライズされており、その画像は「新しいモデル実行」ではなく提示上の編集物と明記されています。

英語のプロンプトも短縮された改変版です。
テキトー教師テキトー教師DotAI 認定講師
「Make the same」を押せば同じ結果が自動で出ますか?
室谷室谷代表取締役
いいえ。編集可能なプロンプトを引き継ぎ、M3.1-Flash-Previewを要求しますが、サンプルファイルの転送やモデルアクセスの付与は行いません。

対応バージョンではサインインとモデル確認の後に自動送信される場合がありますが、ログインや認可の問題がある場合は手動確認が必要です。
テキトー教師テキトー教師DotAI 認定講師
対応しているAPI連携はどれですか?
室谷室谷代表取締役
Anthropic互換のSDK/APIと、OpenAI互換のSDK・Chat Completions・Responsesです。APIのモデルIDはMiniMax-M3.1-Flash-Preview。

モデル名の変更だけで済ませず、思考の扱いと出力予算を再確認する必要があります。
テキトー教師テキトー教師DotAI 認定講師
プレビューは無料ですか?財務の結果をそのまま使えますか?
室谷室谷代表取締役
恒久的な公開価格は資料では確定していないため、継続的な無料利用の約束はありません。アカウントでアクセスと現在の価格を確認してください。

財務の例はリサーチとモデリングのワークフローを示すもので、投資助言ではありません。データ・前提・数式・結論は独立して検証する必要があります。
テキトー教師テキトー教師DotAI 認定講師
最後に、日本からの利用について。地域制限の記載は今回の資料にはないので、現時点では明らかにされていません。

USD建ての従量課金で、アカウント残高から支払う形です。まずは公式コンソールでアクセスを確認するのが確実ですね。
室谷室谷代表取締役
まとめると、M3.1-Flashは「思考を切れない代わりに、深さを選べて、100万トークンで、安い」というモデルです。この割り切りが自分のワークフローに合うかどうかで判断するのが良さそうです。
テキトー教師テキトー教師DotAI 認定講師
そうですね。派手な数字より、移行時の設定変更と検証体制のほうが実務では効いてきます。

そこを押さえて試すのがおすすめです。

Related

関連記事

New Articles

新着記事

ガイド

GoogleのAIモードとAIによる概要の消し方|公式オフ機能の有無とPC・スマホの回避策

2026年11月18日
室谷テキトー教師
ガイド

Azure OpenAI Serviceとは?料金・モデル一覧・データの扱いを最新情報で整理

2026年11月18日
室谷テキトー教師
ニュース

Perplexityの「Orchestrator API」とは?45以上のモデルを1つのAPIキーに統合

2026年11月18日
室谷テキトー教師
ニュース

Microsoftの「Copilot Workspaces」とは?人とエージェントが協働する新体験

2026年11月18日
室谷テキトー教師
ガイド

Geminiのファミリープランは何人まで?Google AI Proを家族で割る料金と設定の手順

2026年11月18日
室谷テキトー教師
ニュース

Microsoft MAIとは?Ignite 2026で発表の7モデルと料金

2026年11月18日
室谷テキトー教師
ニュース

Replit Missionsとは?エージェントスウォームで目標達成型の自律実行

2026年11月18日
室谷テキトー教師
ニュース

Copilot Fusion Maxとは?Terminal-Bench 4.1首位の自動モデル選択

2026年11月18日
室谷テキトー教師
ニュース

Googleの「Gemini Tasks」とは?日本でも無料開始、Gemini 4 Hydrogen搭載

2026年11月18日
室谷テキトー教師
ニュース

HeyGenの「Avatar 6」とは?実映像と見分け84.4%の最新アバター

2026年11月18日
室谷テキトー教師

Join

AIプレナーになる。

入会は審査制です。いまの事業と、AIで何を動かしたいのかを聞かせてください。

参加を申請する