MiniMax Rilis M3.1 Flash: Model Agen Otonom 3x Lebih Cepat dan 70% Lebih Hemat Biaya
Perusahaan AI asal Tiongkok, MiniMax, meluncurkan model M3.1 Flash yang dioptimalkan untuk siklus agen otonom, rekayasa kode, dan computer use, menghadirkan kecepatan inferensi 3x lipat, pemangkasan biaya 70%, serta rencana pembukaan bobot model (open weights).
Perusahaan kecerdasan buatan terkemuka asal Tiongkok yang tercatat di bursa Hong Kong, MiniMax, secara resmi meluncurkan pembaruan model fondasi terbarunya: 'M3.1 Flash'. Berbeda dengan model bahasa umum yang dioptimalkan untuk percakapan teks satu putaran (single-turn chat), M3.1 Flash dirancang secara spesifik untuk alur kerja agen otonom (agentic workflows) yang menuntut eksekusi rangkaian tindakan berantai, rekayasa perangkat lunak multi-langkah, pengoperasian antarmuka komputer (computer use), dan penugasan keamanan siber.
Dalam rilis resminya, MiniMax mengonfirmasi bahwa model anonim berkode 'Space Bunny'—yang sempat viral di platform OpenRouter sejak akhir September dan memproses lebih dari 200 triliun token uji coba komunitas—merupakan versi pra-rilis dari M3.1 Flash. Peluncuran ini semakin memanaskan perang harga model kecerdasan buatan berkecepatan tinggi pasca-peluncuran DeepSeek V4.1-Flash.
Arsitektur Sparse Attention: 200+ Token per Detik & Disrupsi Biaya 70%
M3.1 Flash mengadopsi mekanisme Sparse Attention yang agresif, memungkinkan throughput generasi teks melesat hingga 200+ token per detik (dengan nilai median sekitar 170 token/detik). Kecepatan inferensi online ini tercatat hampir tiga kali lipat lebih cepat dibandingkan pendahulunya.
Peningkatan kecepatan ini dibarengi dengan efisiensi biaya yang masif: MiniMax mengklaim biaya total per eksekusi tugas agen turun sebesar 70%. Untuk pasar global, MiniMax mematok tarif API yang sangat kompetitif per 1 juta token: US$0,15 untuk input, US$0,60 untuk output, dan US$0,015 untuk token input yang tersimpan dalam cache (prompt caching).
Capaian Benchmark: DeepSWE 73,7% dan Penggunaan Komputer OSWorld 61,7
MiniMax mempublikasikan sejumlah skor evaluasi benchmark yang menempatkan M3.1 Flash pada jajaran teratas model agen kelas ringkas:
- DeepSWE v1.1 (Rekayasa Perangkat Lunak): Meraih skor 73,7% dalam menyelesaikan issue dan penulisan patch kode di repositori nyata.
- OSWorld V2 (Computer Use & Navigasi Antarmuka): Mencapai skor 61,7 dalam mengoperasikan sistem operasi, peramban web, dan aplikasi desktop secara otonom.
- CyberGym (Simulasi Keamanan Siber): Mencetak skor 82% dalam pengujian pertahanan dan analisis eksploitasi celah keamanan sistem.
- BankerToolBench & AutomationBench-AA: Meraih skor 76,2 pada skenario alur kerja perbankan terstruktur dan otomasi proses bisnis multi-langkah.
- Agents' Last Exam: Mencatatkan skor 29,6 pada evaluasi penalaran agen paling menantang di industri.
Ketersediaan Platform & Komitmen Pembukaan Bobot Model (Open Weights)
M3.1 Flash saat ini telah tersedia secara komersial melalui MiniMax API, paket berlangganan M Plan, serta terminal koding terintegrasi MiniMax Code. Yang paling dinantikan oleh komunitas pengembang global, MiniMax menegaskan komitmennya untuk merilis bobot model (open weights) ke publik pada 23 Oktober 2026, yang akan disusul oleh varian M3.1 Pro.
Bagi para pengembang agen koding, latensi rendah pada M3.1 Flash menjadi diferensiasi penting. Dalam siklus agen koding—di mana model harus membaca konteks, merancang solusi, menjalankan unit test, menganalisis pesan kegagalan, dan mencoba kembali—pemangkasan waktu tunggu di setiap putaran loop secara dramatis mengakselerasi produktivitas pengembang.
- MiniMax merilis M3.1 Flash, mengonfirmasi model 'Space Bunny' yang telah memproses 200T token di OpenRouter
- Mengusung sparse attention dengan kecepatan 200+ token per detik (hampir 3x lebih cepat dari versi lama)
- Memangkas biaya eksekusi tugas agentic sebesar 70%; tarif input US$0,15 / output US$0,60 per 1M token
- Skor benchmark klaim: 73,7% DeepSWE v1.1, 61,7 OSWorld V2, 82% CyberGym, dan 76,2 BankerToolBench
- Tersedia di API, M Plan, dan MiniMax Code; bobot terbuka (open weights) dijadwalkan rilis 23 Oktober
- Catatan evaluasi: seluruh angka benchmark masih merupakan klaim internal dan memerlukan verifikasi independen di LMArena
“Efisiensi agen AI di lingkungan produksi bukan sekadar soal murahnya harga token, melainkan seberapa sedikit percobaan ulang (retry loop) yang dibutuhkan model untuk menuntaskan suatu pekerjaan rekayasa tanpa kegagalan.”
Keputusan untuk membuka bobot model pada akhir pekan ini berpotensi memberikan dorongan besar bagi komunitas open-source untuk menjalankan agen koding otonom mandiri (self-hosted) dengan rasio performa-biaya yang sangat kompetitif.
Rujukan & Sumber Primer
Artikel Terkait & Analisis Lanjutan
Meta Muse Spark Open: Model 816B di Apple M5 Ultra
Meta meluncurkan bobot model Muse Spark Open berkapasitas 816 miliar parameter dengan jendela konteks 1 juta token, menghadirkan eksekusi agen otonom dan multimodal langsung di desktop Mac Studio menggunakan framework Apple MLX.
FLUX 3 Image Klein: Model Visual Open-Weight 5,6B 4K
Black Forest Labs merilis FLUX 3 Image Klein, model visual open-weight berkapasitas 5,6 miliar parameter yang mendukung generasi gambar 4K native, kendali tata letak bounding-box, hingga 10 gambar referensi, serta mampu berjalan di GPU konsumen 8 GB VRAM.
Meta Ungkap Detail Superkluster Prometheus: Skala Gigawatt Menuju 1 Juta GPU
Engineering at Meta membeberkan cetak biru teknis superkluster Prometheus di New Albany, Ohio, yang dirancang menampung hingga 1 juta GPU NVIDIA GB200/GB300 dengan jaringan 51,2T RoCE, goodput training di atas 85%, dan stabilisator lonjakan daya Dynamo Dimmer.