Kiinalainen MiniMax julkaisi maanantaina M3.1 Flash -kielimallin, joka on suunnattu agenttitehtäviin, ohjelmointiin ja tietokoneen käyttöön. Yhtiön mukaan malli tuottaa vastauksia lähes kolme kertaa edeltäjäänsä nopeammin. Agenttikäytön kustannukset laskevat samalla 70 prosenttia.
Malli ei ole täysin uusi tuttavuus. MiniMaxin virallisen blogin mukaan nimettömänä ajettu "Space Bunny" oli M3.1 Flashin varhainen versio, ja se ehti käsitellä yli 200 biljoonaa tokenia ennen julkistusta. Kesäkuussa julkaistun M3:n jälkeen yhtiö keskittyy nyt halpaan ja nopeaan malliluokkaan, jossa kilpailu on kiristynyt syksyn aikana.
Agenttitehtävät ja yritysautomaatio
MiniMax painottaa julkaisussaan ennen kaikkea monivaiheisia työtehtäviä. Yhtiön mukaan M3.1 Flash kuuluu kärkijoukkoon AutomationBench-AA-testissä, joka mittaa todellisten yritystyönkulkujen suorittamista SaaS-järjestelmien välillä. Tehtävät kattavat myynnin, markkinoinnin, asiakaspalvelun, talouden ja henkilöstöhallinnon.
Rahoitusalan BankerToolBench-testissä malli sai 76,2 pistettä. Testi painottaa monivaiheista suunnittelua, johdonmukaisuutta useiden asiakirjojen välillä, sääntelyn noudattamista ja ketjutettuja työkalukutsuja. Juuri nämä ominaisuudet ratkaisevat, pysyykö agentti raiteillaan pitkässä tehtävässä.
Luvut ovat yhtiön itse raportoimia, eikä niitä ole vielä toistettu riippumattomasti. Suunta on silti selvä. MiniMax kilpailee halvoissa malleissa nyt agenttikyvyllä eikä pelkällä keskustelun laadulla.
Käytännössä tämä tarkoittaa esimerkiksi agenttia, joka hakee tilauksen asiakkuudenhallinnasta, tarkistaa laskun taloushallinnon järjestelmästä ja vastaa asiakkaalle ilman ihmisen välivaihetta. Tällaiset työnkulut ovat tähän asti vaatineet kalliimpia malleja, koska halvat mallit ovat eksyneet pitkissä tehtäväketjuissa.
Koodaus, tietokoneen käyttö ja tietoturva
Ohjelmistokehityksessä M3.1 Flash ylsi 73,7 prosenttiin DeepSWE v1.1 -testissä. Testi mittaa, pystyykö malli itsenäisesti ymmärtämään koodikannan, toteuttamaan ominaisuuksia, korjaamaan virheitä ja varmistamaan työnsä testeillä. MiniMaxin mukaan tulos nostaa mallin kärkimallien rinnalle selvästi pienemmin kustannuksin.
Tietokoneen käyttöä mittaavassa OSWorld V2 -testissä malli sai 61,7 pistettä ja ammattityötä simuloivassa Agents' Last Exam -testissä 29,6 pistettä. Molemmissa se on yhtiön mukaan paras kiinalainen malli. Tietokoneen käytöllä (computer use) tarkoitetaan mallia, joka ohjaa työpöytäsovelluksia hiirellä ja näppäimistöllä kuten ihminen.
Tietoturvapuolella CyberGym-testin tulos oli 82 prosenttia. Testi mittaa haavoittuvuuksien löytämistä ja todentamista. MiniMax kertoo mallin pärjänneen myös sisäisissä arvioinneissa, joissa tehtävinä olivat koodin auditointi, haittaohjelmien analyysi ja takaisinmallinnus.
Koodausagenteissa malli on käytettävissä suoraan MiniMax Code -sovelluksessa. Rajapinnan kautta sen voi kytkeä myös muihin kehitystyökaluihin. Edullinen hinta tekee siitä houkuttelevan esimerkiksi taustalla ajettaviin testien korjaus- ja katselmointitehtäviin.
Hinta ja nopeus painavat eniten
Hinnoittelu on julkaisun kovin uutinen. Miljoona syötetokenia maksaa 0,15 dollaria ja miljoona tulostetokenia 0,60 dollaria. Välimuistista luettu syöte maksaa vain 0,015 dollaria miljoonalta tokenilta.
Nopeutta MiniMax on hakenut aiempaa aggressiivisemmalla harvuudella (sparsity), jossa vain osa mallin parametreista on käytössä kunkin tokenin kohdalla. Arkikäytössä tulostusnopeus nousee yli 200 tokeniin sekunnissa. Mediaaninopeus pysyy yhtiön mukaan jatkuvasti yli 170 tokenissa sekunnissa.
Agenteille nopeus on erityisen tärkeää, koska mallia kutsutaan uudelleen jokaisella askeleella. Pienet viiveet kertautuvat kymmenien askelten tehtävissä. Halpa tokenihinta taas tekee pitkistäkin ajoista taloudellisesti järkeviä.
MiniMax korostaa tokenihinnan sijaan tehtäväkohtaista kustannusta. Malli, joka ratkaisee tehtävän vähemmillä askelilla ja tokeneilla, on lopulta halvempi, vaikka listahinta olisi sama. Yhtiön mukaan M3.1 Flash yltää kärkimallien tasolle selvästi pienemmällä kustannuksella tehtävää kohden.
Saatavuus ja avoimet painot myöhemmin
M3.1 Flash on saatavilla heti MiniMaxin rajapinnan, M Plan -tilauksen ja MiniMax Code -työpöytäsovelluksen kautta. Mallin painot yhtiö lupaa julkaista myöhemmin, mutta aikataulua se ei kertonut. Tulossa on myös suurempi Pro-versio, joka tähtää älykkyyden kärkeen.
Kehittäjille avoimet painot ovat merkittävä lupaus. Ne mahdollistaisivat mallin ajamisen omalla infrastruktuurilla, mikä on monelle eurooppalaiselle yritykselle edellytys tietosuojan ja sääntelyn vuoksi. Siihen asti malli on käytettävissä vain kiinalaisen palveluntarjoajan rajapinnan kautta.
Suomalaisille kehitystiimeille M3.1 Flash on varteenotettava vaihtoehto erityisesti suuren volyymin agenttiputkiin. Malli kannattaa kuitenkin testata omilla tehtävillä ennen siirtymistä, sillä yhtiön omat vertailut eivät kerro koko totuutta.
Julkaisu jatkaa kiinalaisten mallitalojen linjaa, jossa kilpaillaan hinnalla ja avoimuudella. DeepSeek ja Alibaba ovat viime kuukausina tuoneet markkinoille useita edullisia malleja. MiniMax vastaa samaan haasteeseen agenttityöhön painottuvalla mallilla.
Yhteenveto
MiniMax M3.1 Flash tuo kärkimallien tasoa tavoittelevan agentti- ja koodauskyvyn murto-osaan totutusta hinnasta. Yhtiön mukaan malli on lähes kolme kertaa nopeampi ja agenttikäytössä 70 prosenttia edullisempi kuin edeltäjänsä.
Ratkaisevaa on, kestävätkö yhtiön vertailuluvut riippumattoman testauksen ja milloin luvatut avoimet painot todella julkaistaan. Jos molemmat toteutuvat, halpojen agenttimallien hintataso laskee jälleen.