MiniMax lança M3.1 Flash: IA barata para agentes sabe admitir quando erra?

A MiniMax lançou o M3.1 Flash nesta segunda, 19 de outubro, com preço de US$ 0,15 por milhão de tokens de entrada e US$ 0,60 por milhão de saída. O modelo mira agentes e criação de software, segundo o anúncio oficial.

O lançamento vem acompanhado de uma tensão: ficou mais barato executar tarefas complexas, mas a confiabilidade factual ainda exige atenção. Esta reportagem cruza o anúncio com a avaliação independente da Artificial Analysis e sua metodologia, para entender o que muda para quem cria com IA.

O que o novo modelo entrega?

O M3.1 Flash está disponível pela API da MiniMax, pelo M Plan e pelo MiniMax Code. A empresa também revelou que Space Bunny, modelo que operou anonimamente, era uma versão anterior do lançamento e processou mais de 200 trilhões de tokens, segundo seu comunicado.

Nos testes apresentados pela fabricante, o modelo alcançou 73,7% no DeepSWE v1.1, voltado a tarefas de software, e 61,7 pontos no OSWorld V2, de operação de computador. São resultados divulgados pela própria MiniMax, não uma garantia de desempenho em qualquer projeto.

A empresa anuncia ganho de velocidade e menor custo total em tarefas com agentes. Esse tipo de comparação depende de quantos passos, tentativas e respostas o sistema precisa para terminar o trabalho. O preço por token é uma parte da conta.

Para o criador de um app, a pergunta concreta é quantas solicitações o modelo conclui com qualidade suficiente para aprovação. Um teste de software e uma resposta sobre uma informação desconhecida medem capacidades diferentes.

O que a avaliação independente encontrou?

A Artificial Analysis atribuiu 42 pontos ao M3.1 Flash no seu índice de inteligência, 13 acima do M3, com o modelo configurado no esforço máximo de raciocínio. Na publicação original da avaliação, o custo médio por tarefa do índice caiu de aproximadamente US$ 0,51 para US$ 0,22.

Esses valores pertencem ao conjunto de testes do avaliador. Não representam o preço fixo de uma tarefa no seu app, nem uma promessa de economia na mensalidade de ferramentas que usam o modelo.

A ficha pública da Artificial Analysis informa contexto de 1 milhão de tokens, entrada de texto e imagem e saída de texto. Contexto é o volume de material que o modelo consegue receber numa solicitação, não uma medida de quanto desse material ele vai interpretar corretamente.

A mesma ficha registra preços de US$ 0,15 por milhão de tokens de entrada, US$ 0,60 de saída e desconto de 90% para entrada em cache. Cache é o reaproveitamento de conteúdo elegível já processado: esse desconto não vale automaticamente para toda entrada.

Os 93% significam que quase tudo está errado?

Não. O M3.1 Flash respondeu corretamente a 56% das perguntas do AA-Omniscience, segundo a Artificial Analysis. A taxa de alucinação de 93% usa outro denominador: as respostas que não estavam corretas.

A metodologia do AA-Omniscience define a taxa como respostas incorretas divididas pela soma de incorretas, parciais e perguntas não respondidas. Ela procura medir o comportamento do modelo quando deveria reconhecer que não sabe.

Por isso, um modelo pode acertar mais da metade das perguntas e ainda apresentar uma taxa alta de alucinação nessa métrica. Entre as respostas restantes, ele tende a oferecer uma informação errada em vez de se abster.

O índice geral do AA-Omniscience recompensa acertos, penaliza erros e não pune a recusa em responder. A avaliação publicada atribuiu 16 pontos ao M3.1 Flash nesse índice. Isso não permite concluir que o modelo falha na mesma proporção ao escrever código ou operar um sistema: cada teste tem seu escopo.

Como isso muda a conta de quem cria com IA?

A minha leitura é que o custo relevante precisa incluir a correção do resultado. O avanço de preço e capacidade torna o modelo interessante para experimentação, mas o teste útil continua sendo uma tarefa real do produto.

Um exemplo hipotético: um agente prepara o resumo de um pedido para uma loja. A primeira saída pode custar pouco e parecer convincente, mas trocar a quantidade de itens obriga alguém a conferir o cadastro e refazer o resumo. O gasto inclui essa revisão, além da chamada à IA.

Num app em desenvolvimento, dá para observar separadamente três coisas: se a tarefa terminou, se o resultado corresponde aos dados de origem e quantas tentativas foram necessárias. Esse registro ajuda a comparar versões sem confundir uma resposta rápida com uma entrega aprovada.

O AA-Omniscience acrescenta uma pergunta ao teste: diante de uma informação ausente, o agente reconhece a lacuna ou preenche o espaço com algo plausível? Para um resumo interno, isso pode gerar retrabalho; para uma informação exibida ao cliente, pode virar uma decisão baseada num dado inventado. Esses são exemplos de aplicação, não incidentes atribuídos ao lançamento.

Já dá para baixar os pesos?

No anúncio consultado em 19 de outubro, a MiniMax dizia que os pesos seriam liberados posteriormente. A Artificial Analysis registrou a previsão de 23 de outubro, mantendo a classificação de pesos fechados naquele momento.

Previsão de liberação não equivale a disponibilidade atual ou a permissão irrestrita de uso. Quem pretende hospedar o modelo precisa conferir o material e a licença quando forem publicados.

Para quem quer transformar esse tipo de teste em um app ou sistema, a Formação em Vibe Coding do ibe.IA é o caminho de estudo para criar produtos digitais com IA.

Mais análises e aplicações de IA estão no Instagram do ibe.IA, @ibe.ia.