La línea de $20 millones en la licencia: el día de los pesos audita MiniMax M3.1 Flash

Conclusiones clave

• MiniMax publicó los pesos de M3.1 Flash el 23 de octubre de 2026 — 48 fragmentos safetensors MXFP8 en un repositorio de Hugging Face fechado el 23 de octubre a las 03:37 UTC — cuatro días después del lanzamiento de la API del 19 de octubre (tarjeta del modelo en Hugging Face).
• La MiniMax Community License permite el uso comercial con atribución y un aviso único por debajo de $20 millones de ingresos anuales — y exige autorización escrita previa de MiniMax por encima de esa línea (texto de la licencia).
• La tabla de benchmarks de la tarjeta corta en ambos sentidos: M3.1 Flash supera a DeepSeek-1017 en Automation-Bench v1.0.6 (62.8 a 60.5), pero cede en Terminal-Bench 4.0 (38.1 frente a 42.3) y en DeepSWE v1.1 (73.7 frente a 77.0) (benchmarks de la tarjeta).
• Artificial Analysis confirma de forma independiente la economía de caché del lanzamiento — $0.15/$0.60 con un descuento de caché del 90%, $0.22 por tarea del Intelligence Index — y mide 43 en su índice, frente a una advertencia de alucinación del 92.8% de respuestas erróneas dadas con confianza (Artificial Analysis; Local AI Zone, compilado por un agregador).
• Las conversiones cuantizadas de la comunidad aparecieron a las horas de la publicación de los pesos — cinco builds GGUF, MLX y EXL creados el 23 de octubre — y MiniMax publica recetas de serving de primera mano para SGLang, vLLM y TokenSpeed (Hugging Face; notas de despliegue de la tarjeta).

Cuatro días separan un lanzamiento de modelo de su auditoría. El 19 de octubre, MiniMax lanzó M3.1 Flash como una hoja de precios y seis números de benchmark: $0.15 de entrada, $0.60 de salida, $0.015 para la entrada cacheada y puntuaciones reportadas por el proveedor sin harness publicado. El mismo día publicamos el argumento de la tarifa de caché y retuvimos dos afirmaciones como no verificadas — el conteo de 428B parámetros existía solo a través de una crónica secundaria, y los pesos estaban "por publicarse" con la licencia sin revelar. El 23 de octubre los pesos aparecieron en Hugging Face y ModelScope, y lo que cambió no fue solo la disponibilidad: el lanzamiento se convirtió en un artefacto que un comprador puede auditar. Este artículo lee esa auditoría como la leería un equipo de procurement — licencia primero, parámetros segundo, formato y ecosistema tercero, benchmarks con notas de harness cuarto — y añade la columna de calibración independiente que una tabla del proveedor no puede imprimir sobre sí misma. La conclusión para un comprador de mercado medio es concreta: la auditoría escribe una línea de $20 millones de ingresos en los términos de la licencia, convierte una ventaja de benchmark en una pregunta abierta y deja la aritmética de caché exactamente donde estaba.

El día de los pesos, leído como una auditoría: cuatro artefactos

La licencia es el primer artefacto, y lleva el número que la mayoría de la cobertura omitió. La MiniMax Community License concede uso gratuito para fines no comerciales. El uso comercial está permitido, con dos condiciones en secuencia: mostrar "Built with MiniMax M3.1-Flash" en el sitio web, la interfaz o la documentación del producto relacionado, y enviar un aviso único a api@minimax.io — o, si los productos y servicios que usan el software generan más de $20 millones (USD) de ingresos anuales, obtener una autorización previa por escrito de MiniMax antes del despliegue comercial. El texto también enumera usos prohibidos: fines militares, daño a menores y desinformación, entre otros. Leída como un documento de procurement, la licencia hace lo que los anuncios de lanzamiento jamás hacen — segmenta a los compradores por ingresos y declara el papeleo que debe cada segmento. Una empresa con $150 millones de ingresos anuales no negocia desde la misma posición que una de $19 millones, y los términos lo dicen explícitamente.

Los parámetros pasaron de secundarios a primarios. La tarjeta del modelo establece "aproximadamente 428B totales; 23B activados por token" — el conteo que nuestro artículo del día del lanzamiento solo podía atribuir al reporte de MarkTechPost mientras la fuente primaria callaba. La tarjeta también declara lo que el anuncio nunca dijo sobre la arquitectura: atención dispersa en toda la red, con las tres primeras capas de atención completa reemplazadas; entrenamiento consciente de la cuantización; y una cabeza de borrador de decodificación especulativa DSpark incluida en la publicación. Los ajustes de sampling recomendados y la escalera de esfuerzo de razonamiento (low a max, pensamiento siempre activo) están impresos en la tarjeta.

El formato y el ecosistema son el tercer artefacto. El repositorio entrega los pesos como 48 fragmentos safetensors con quant_method: mxfp8 en la configuración — el formato de 8 bits para el que fue diseñado el entrenamiento consciente de cuantización. Los metadatos de la API de Hugging Face muestran los pesos del repositorio fechados el 23 de octubre a las 03:37 UTC, con 5,789 descargas y 303 likes en nuestra verificación del 24 de octubre. Las conversiones comunitarias siguieron a las horas: el build GGUF de unsloth y una segunda publicación de unsloth, un GGUF comunitario, dos builds 4-bit de mlx-community para silicio Apple y un quant EXL3 llevan todos fechas de creación del 23 de octubre — el mismo patrón que produjo la publicación de pesos abiertos del predecesor M3. MiniMax también publicó recetas de serving de primera mano: un cookbook de SGLang, una receta de vLLM y soporte TokenSpeed, además de notas de despliegue multichip FlagOS. El ritmo de conversión es una señal de compromiso comunitario — cinco builds independientes en un solo día es el ecosistema actuando como si los pesos importaran.

La tabla de benchmarks es el cuarto artefacto, y corta en ambos sentidos. La tabla de la tarjeta ahora lleva notas de harness que el anuncio omitía — la brecha que el análisis profundo de Local AI Zone llamó "un anuncio de lanzamiento, no una tarjeta de modelo". Las columnas que la tarjeta añade son victorias reales: Automation-Bench v1.0.6 en 62.8 supera los 60.5 de DeepSeek-1017 y los 50.3 de Claude Opus 5 (600 tareas publicadas), LOCA-Bench 256K en 60.3 lidera su columna y BankerToolBench en 76.2 empatan con el 76.2 de Opus 5 según la tarjeta. Las columnas donde ceden son igual de reales: Terminal-Bench 4.0 imprime 38.1 frente a los 42.3 de DeepSeek-1017 y los 51.8 de Opus 5; DeepSWE v1.1 imprime 73.7 frente a los 77.0 de 1017; Agents' Last Exam imprime 29.6 bajo los 32.2 de Opus 5; y los 82.2 de CyberGym quedan tras los 84.5 de GLM-5.3 en la misma tabla. Las notas de harness merecen por sí mismas atención de procurement: BankerToolBench es juzgado por un modelo MiniMax ("MiniMax-M2.7 judge"), una autorrevelación como juez que el anuncio jamás hizo, mientras Terminal Bench corre bajo Codex 0.149.1 y DeepSWE bajo mini-SWE-agent 2.4.5 a 512K de contexto. La tarjeta cierra con su propio marcador de honestidad: "Los resultados son para los pesos oficiales; las cuantizaciones de terceros pueden diferir".

La columna que el proveedor no puede imprimir: medición independiente

La página del modelo de Artificial Analysis añade la verificación de precios que un comprador no puede hacer desde la hoja del proveedor sola: $0.15/$0.60 confirmados, con el descuento de caché leído de forma independiente en un 90% — la tarifa publicada de $0.015 para entrada cacheada se sostiene bajo medición de terceros cuatro días después del lanzamiento. La página también etiqueta el precio del trabajo del agente: $0.22 por tarea del Intelligence Index, donde el despacho de octubre de Local AI Zone reporta el predecesor M3 en $0.51 por tarea (compilado por un agregador). La lectura del índice es 43 — quinta de 173 modelos en su clase — con efectos medibles que un modelo de costos debería llevar: la corrida del Intelligence Index emitió 180M de tokens de salida contra una mediana de 100M (la verbosidad es una factura, como mostró el análisis de economía de esfuerzo de Sonnet 5.5) y una velocidad de salida de 95.6 tokens por segundo queda por debajo de la mediana de 111.3.

La advertencia de calibración es el número más afilado del expediente. AA-Omniscience — 6,000 preguntas en 42 temas de seis dominios, donde la metodología define la tasa de alucinación como respuestas incorrectas divididas por todas las respuestas no correctas y premia la abstención — califica a M3.1 Flash con un índice de 16, con una precisión bruta del 56% y el 92.8% de sus respuestas erróneas dadas con confianza en lugar de matizadas o rechazadas (compilado por Local AI Zone a partir de mediciones de Artificial Analysis reportadas por VentureBeat y aimlapi — una fila compilada por un agregador). Para escala, los líderes de ese índice imprimen 46, 44 y 43 — Claude Opus 5.5, GPT-6 Astra y Claude Fable 5.1 respectivamente. La lectura operativa es la que dibuja el despacho: excelente para trabajo verificable y estructurado — ejecución de código, llamadas a herramientas, bucles agénticos con resultados comprobables — y el modelo más propenso a inventar una respuesta entre todo lo rastreado este mes en recuperación factual abierta sin una capa de verificación. Una nota honesta: la página de AA todavía etiqueta al modelo como propietario, un estatus que los pesos del 23 de octubre dejaron atrás.

Lo que el día de los pesos cambia en el procurement

Lea la licencia antes que la tabla de benchmarks. El estado de la licencia de M3.1 Flash, en dos renglones: por debajo de $20 millones de ingresos comerciales anuales, el costo del autohospedaje es una cadena de atribución y un aviso único; por encima, el costo es una solicitud de autorización previa por escrito a api@minimax.io — una compuerta de consentimiento con un cronograma impredecible, y un punto de preguntas para su departamento legal que la revisión del contrato debería marcar antes de que la tabla de benchmarks convenza a nadie. Ninguna de las dos condiciones aplica a llamar a la propia API de MiniMax; la licencia rige los pesos, no el servicio alojado del proveedor. La distinción importa porque el camino alojado es donde aplica de todos modos la tarifa de caché publicada.

Alojabilidad no es lo mismo que alojar. La matemática de hardware del backbone de 428B es despiadada con cualquier cuantización: la tabla de planificación de Local AI Zone sitúa MXFP8 en unos 428 GB — un servidor de 8× H200 o 4× B200 — los builds GGUF de clase Q4 en 220–240 GB en una estación de trabajo con 512 GB de RAM, y los builds de clase Q2 marcados como no recomendados para trabajo agéntico (análisis profundo de Local AI Zone). Para la mayoría de los equipos de mercado medio sin infraestructura de GPU, la API sigue siendo el default racional de serving; lo que compran los pesos no es un plan de hosting sino checkpoints fijados, la auditabilidad de lo que sirve y una ruta de salida — la misma disciplina de riesgo de sustitución que prescribe el artículo de sustitución de modelos. Guarde el checkpoint fijado en almacenamiento aunque no sirva nada con él.

La auditoría se generaliza, y el calendario dará más oportunidades de ejecutarla. Cinco comprobaciones cubren cualquier día de pesos: los términos de la licencia y los umbrales de ingresos; la fuente de la declaración de parámetros (tarjeta o secundaria); el formato de cuantización y las recetas de serving; los deltas de benchmark con notas de harness; y la medición de terceros incluida la calibración, no solo la capacidad. El campo de pesos abiertos está a punto de regalar más casos de prueba — los pesos completos de Kimi K3.1 Pro vencen el 4 de noviembre y los de Mistral Large 4 el 27 de octubre, según el despacho de octubre (compilado por un agregador) — y las cinco comprobaciones se ejecutan sobre cada uno de la misma manera. La tabla del nivel flash que imprimió nuestro artículo de lanzamiento lleva una columna de "pesos"; para MiniMax, esa columna por fin tiene una fila que un comprador puede verificar, y las dos afirmaciones que retuvimos el 19 de octubre — parámetros y pesos — han pasado al conjunto confirmado.

El diagrama de un minuto de abajo pone la auditoría en una sola página:

Los dos paneles son la auditoría en una sola página: la izquierda es lo que un comprador podía verificar el 19 de octubre, la derecha es lo que quedó verificable el 23 de octubre, y la tarjeta violeta es la columna independiente que ninguna tabla del proveedor puede imprimir sobre sí misma.

Un build representativo

Un distribuidor industrial de mercado medio, cerca de $150 millones de ingresos anuales, opera una flota de agentes de mesa de cotizaciones que responde unas 800 tareas de intake y cumplimiento al día, enrutadas sobre todo a modelos del nivel flash con los módulos MCP propios del equipo frente a la capa de ERP y catálogo. En el día de los pesos, el equipo de plataforma ejecuta la auditoría de cinco comprobaciones en lugar de un cambio de modelo: la revisión de la licencia señala la línea de $20 millones (sus ingresos la superan, así que el autohospedaje comercial requeriría autorización previa por escrito — el camino de la API no cambia nada); las comprobaciones de parámetros y formato confirman que los checkpoints fijados son recuperables a MXFP8 con recetas de serving de primera mano si alguna vez se ejerce la ruta de salida; los deltas de benchmark con notas de harness mueven las tareas de programación sensibles a Terminal-Bench hacia DeepSeek-1017 mientras el trabajo de documentos de clase BankerToolBench se queda; y la fila de calibración enruta las preguntas de recuperación abierta por un modelo frontera con capa de verificación en lugar de confiar en el 92.8% de respuestas erróneas dadas con confianza del nivel flash. El equipo registra el modelo servido en cada respuesta, guarda el checkpoint fijado en almacenamiento y repite la auditoría en la siguiente publicación de pesos.

Solicita un build acotado. Una semana de descubrimiento. Obtienes un inventario de sistemas, un mapa de flujos de trabajo y un alcance fijo — construyas o no con nosotros.

Lecturas relacionadas

• El precio de caché de $0.015: MiniMax M3.1 Flash convierte la reutilización de contexto en una tarifa publicada — el artículo principal: la lectura de la hoja de precios del día del lanzamiento que esta auditoría completa, con la aritmética de caché que la medición independiente confirmó
• El agente de $0.017: la instantánea 1017 de DeepSeek recorta el costo por tarea sin tocar los precios — la aritmética de acierto de caché ante la que ceden las filas de DeepSeek en la tabla de la tarjeta de MiniMax, y la cuota de aciertos observada detrás
• DeepSeek V4.1-Flash y el cambio silencioso de modelo: cuando los proveedores enrutan automáticamente a tu agente de producción — la disciplina de checkpoints fijados y serving registrado que la auditoría del día de los pesos operacionaliza