Tras el M3.1 Flash de MiniMax del 19 de octubre, ¿en qué campo está la respuesta? Cómo separar reasoning_content, content y la cadena JSON de una llamada a herramienta

A 20 de octubre de 2026: la respuesta de M3.1 Flash está en content y el razonamiento en reasoning_content. Apagar el razonamiento devuelve 400. Un argumento de herramienta es una cadena JSON que hay que analizar otra vez. El JSON Schema sigue documentado solo para el MiniMax-Text-01 antiguo.

La respuesta de M3.1 Flash está en content. El razonamiento está en reasoning_content. No se puede apagar: thinking.type en disabled, o reasoning_effort en none, devuelve 400. Un argumento de herramienta no es un objeto. Es una cadena JSON que hay que analizar otra vez. En la página de la API de texto, response_format con JSON Schema sigue limitado al modelo antiguo MiniMax-Text-01. No apuntes ese interruptor al modelo del 19 de octubre.

Este texto está escrito para el 20 de octubre de 2026, a partir de la nota del día anterior y de la página de API compatible con OpenAI. El identificador es MiniMax-M3.1-Flash, con un contexto de 1.000.000 de tokens. Se lee por nombre de campo, no por posición.

Qué salió de verdad el 19 de octubre

La nota dice que MiniMax M3.1 Flash sale ese día. Space Bunny, que procesó más de 200 billones de tokens de forma anónima, era una versión temprana. La inferencia en línea es casi tres veces más rápida y el coste de uso de agentes baja un 70 % respecto al anterior. Los pesos llegan después. Pro también. Hoy se llama a la API, al M Plan y a MiniMax Code.

La misma página da BankerToolBench 76,2, DeepSWE v1.1 en 73,7 %, OSWorld V2 en 61,7 y Agents’ Last Exam en 29,6, estos dos últimos los primeros entre modelos chinos. CyberGym está en 82 %. La salida cotidiana puede pasar de 200 tokens por segundo, con la mediana por encima de 170. Son cifras de capacidad. Un analizador lee los campos de la sección siguiente.

DatoNota o página de API
IdentificadorMiniMax-M3.1-Flash
Contexto1.000.000 de tokens
Por millón de tokensentrada $0,15, salida $0,60, lectura de caché $0,015
Profundidadlow medium high xhigh max; omitirlo es max

Dónde está la respuesta en cada protocolo

La URL base compatible con OpenAI es https://api.minimax.io/v1. La guía dice que el razonamiento vuelve siempre en reasoning_content y que content solo lleva la respuesta final. En un flujo, los fragmentos llegan primero en delta.reasoning_content y el texto sigue en delta.content.

La misma página del SDK también lista M3.1-Flash entre los modelos cuyo content contiene etiquetas <think> que hay que conservar. La frase siguiente dice que esas etiquetas se quedan en content solo si reasoning_split es false, y M3.1-Flash no admite ese valor. Las dos juntas: devuelve el mensaje assistant entero. Al leer, la respuesta es content y el razonamiento es reasoning_content. Si una etiqueta aparece de verdad en content, no es el JSON de negocio y no se borra antes del turno siguiente.

ProtocoloProfundidadRazonamientoRespuesta
OpenAI Chat Completionsreasoning_effortreasoning_contentmessage.content
Anthropic Messagesoutput_config.effortbloque con type thinkingbloque con type text
OpenAI Responsesreasoning.effortelemento con type reasoningoutput_text

La URL compatible con Anthropic es https://api.minimax.io/anthropic y la ruta es /v1/messages. Los bloques se eligen por type. El primero suele ser razonamiento.

Por qué apagar el razonamiento devuelve 400

Si omites thinking, el razonamiento sigue activo. {"type": "adaptive"} también lo deja activo. M3.1-Flash rechaza {"type": "disabled"} con HTTP 400 y código 2013. La página imprime este texto:

model "MiniMax-M3.1-Flash" requires adaptive thinking; thinking.type="disabled" (including reasoning.effort=none) is not allowed (2013)

reasoning_effort solo vale para M3.1-Flash, y none no existe. Menos tokens significa bajar a low. MiniMax-M3 se salta el razonamiento cuando recibe disabled. M2.x acepta el campo y lo ignora, así que el razonamiento sigue. Una petición copiada de M3 que apaga el razonamiento devuelve 400 en cuanto el identificador pasa a ser M3.1-Flash.

Los argumentos son una cadena

En el formato OpenAI, tool_calls[].function.arguments es una cadena JSON. El nombre está en function.name y el identificador en id. Una llamada simple puede no producir razonamiento, y entonces no hay reasoning_content. Comprueba que el campo existe antes de leerlo. Haya o no razonamiento, el turno siguiente añade el mensaje assistant completo, con reasoning_content y tool_calls. En Anthropic se devuelve la lista completa de bloques content.

El análisis tiene dos pasos. Fuera está la respuesta del chat. Dentro, el argumento de la herramienta. Tratar arguments como un objeto ya analizado deja location vacío. Si el turno siguiente solo devuelve content y tira el razonamiento, el razonamiento intercalado se corta.

content vacío, Schema y precio

El campo antiguo max_tokens cuenta también los tokens de razonamiento. Si es demasiado bajo, finish_reason es length y content queda vacío. Las integraciones nuevas usan max_completion_tokens. La ruta Anthropic sigue llamando al límite max_tokens.

La página de texto dice que response_format con json_schema solo lo admite MiniMax-Text-01. M3.1-Flash no tiene esa salida forzada. Si hace falta JSON, pídelo en el prompt y valida content. La cadena del argumento ya es JSON. La respuesta de negocio no lo es.

El precio es plano, sin hora punta. Por millón de tokens: entrada $0,15, salida $0,60, lectura de caché $0,015. service_tier priority cuesta 1,5 veces el estándar en otros modelos; M3.1-Flash no admite el campo. La temperatura va de 0 a 2 y por defecto es 1. top_p por defecto es 0,95. n solo acepta 1.

Guarda los campos, no la última frase

De una llamada, guarda al menos estos campos:

{
  "model": "MiniMax-M3.1-Flash",
  "reasoning_effort": "max",
  "finish_reason": "tool_calls",
  "has_reasoning_content": true,
  "content": "I'll check that for you.",
  "tool_name": "get_weather",
  "tool_arguments": "{\"location\": \"San Francisco, US\"}"
}

Deja tool_arguments como cadena para que el segundo análisis siga a la vista. Guarda has_reasoning_content aparte, para que una llamada simple no quede anotada como razonamiento perdido. En el 400, guarda el estado 2013 y el thinking.type enviado, no una caída del modelo.

  • Validador JSON — valida el registro exterior y después la cadena de tool_arguments.
  • JSON Diff — compara dos mensajes assistant y mira si falta reasoning_content o tool_calls.
  • JSONPath — saca las respuestas con finish_reason length y content vacío.

Preguntas

¿Se puede apagar el razonamiento para ahorrar tokens?

En M3.1-Flash, no. thinking.type en disabled, o reasoning_effort en none, devuelve 400 con código 2013. Baja el nivel a low. MiniMax-M3 sí se salta el razonamiento si recibe disabled. Las dos peticiones no se intercambian.

¿Qué campo es la respuesta?

En la API compatible con OpenAI, la respuesta es content y el razonamiento es reasoning_content. En un flujo, el razonamiento llega primero en delta.reasoning_content. En Anthropic se elige por type. text es la respuesta.

¿Por qué finish_reason es length y content está vacío?

max_tokens cuenta los tokens de razonamiento. Si el tope es pequeño, el razonamiento lo llena antes de que empiece la respuesta. Las integraciones nuevas usan max_completion_tokens.

¿json_schema fuerza la salida JSON?

La página de texto dice que response_format con json_schema solo lo admite MiniMax-Text-01. M3.1-Flash no tiene esa salida. Pide el JSON en el prompt y valida content. El argumento de la herramienta ya es una cadena JSON.

¿Hay que devolver reasoning_content?

Sí. Una llamada de herramienta en varios turnos añade el mensaje assistant entero, con reasoning_content y tool_calls. Una llamada simple puede no tener el campo. Si falta, no lo leas, y conserva igual el mensaje completo.

¿function.arguments es un objeto o una cadena?

En el formato OpenAI es una cadena JSON. Después de analizar la respuesta exterior, analiza arguments otra vez. Si lo tratas como objeto, location queda vacío.

Cierre

El identificador del 19 de octubre es MiniMax-M3.1-Flash. El razonamiento está activo por defecto y el interruptor se rechaza. Toma la respuesta según el protocolo: content, el bloque text, u output_text. Analiza los argumentos de herramienta una segunda vez. La salida forzada por JSON Schema sigue documentada en el modelo antiguo.

Cita las puntuaciones de la nota. En el código guarda finish_reason, si el campo de razonamiento está presente y la cadena arguments en bruto. Un content vacío se mira primero en la longitud. Un 400 se mira primero en disabled.