La réponse de M3.1 Flash est dans content. Le raisonnement est dans reasoning_content. On ne peut pas couper le raisonnement : thinking.type à disabled, ou reasoning_effort à none, renvoie 400. Un argument d’outil n’est pas un objet. C’est une chaîne JSON à analyser une seconde fois. Sur la page de l’API texte, response_format avec un JSON Schema reste réservé à l’ancien MiniMax-Text-01. Ne pointez pas ce réglage vers le modèle du 19 octobre.
Ce texte est écrit pour le 20 octobre 2026, d’après la note de la veille et la page d’API compatible OpenAI. L’identifiant est MiniMax-M3.1-Flash, avec un contexte d’un million de jetons. On lit par nom de champ, pas par position.
Ce qui est vraiment sorti le 19 octobre
La note dit que MiniMax M3.1 Flash sort ce jour-là. Space Bunny, qui a traité plus de 200 billions de jetons de façon anonyme, en était une version précoce. L’inférence en ligne est presque trois fois plus rapide, et le coût d’usage agent est 70 % plus bas que le prédécesseur. Les poids viendront plus tard, Pro aussi. Aujourd’hui on appelle l’API, le M Plan et MiniMax Code.
La même page donne BankerToolBench 76,2, DeepSWE v1.1 à 73,7 %, OSWorld V2 à 61,7 et Agents’ Last Exam à 29,6, ces deux derniers en tête parmi les modèles chinois. CyberGym est à 82 %. Le débit courant peut dépasser 200 jetons par seconde, la médiane reste au-dessus de 170. Ce sont des chiffres de capacité. Un parseur lit les champs de la section suivante.
| Point | Note ou page d’API |
|---|---|
| Identifiant | MiniMax-M3.1-Flash |
| Contexte | 1 000 000 jetons |
| Par million de jetons | entrée 0,15 $, sortie 0,60 $, lecture de cache 0,015 $ |
| Profondeur | low medium high xhigh max ; l’absence vaut max |
Où est la réponse selon le protocole
L’URL de base compatible OpenAI est https://api.minimax.io/v1. Le guide dit que le raisonnement revient toujours dans reasoning_content, et que content ne contient que la réponse finale. En flux, les fragments arrivent d’abord sur delta.reasoning_content, puis le texte sur delta.content.
La même page SDK range aussi M3.1-Flash parmi les modèles dont content contient des balises <think> à conserver. La phrase suivante dit que ces balises restent dans content seulement si reasoning_split vaut false, réglage que M3.1-Flash refuse. Les deux ensemble : renvoyer le message assistant entier. À la lecture, la réponse est content et le raisonnement est reasoning_content. Si une balise apparaît quand même dans content, ce n’est pas le JSON métier, et il ne faut pas la supprimer avant le tour suivant.
| Protocole | Profondeur | Raisonnement | Réponse |
|---|---|---|---|
| OpenAI Chat Completions | reasoning_effort | reasoning_content | message.content |
| Anthropic Messages | output_config.effort | bloc type thinking | bloc type text |
| OpenAI Responses | reasoning.effort | élément type reasoning | output_text |
L’URL compatible Anthropic est https://api.minimax.io/anthropic, le chemin /v1/messages. Choisir les blocs par type. Le premier bloc est souvent le raisonnement.
Pourquoi couper le raisonnement renvoie 400
Sans thinking, le raisonnement reste actif. {"type": "adaptive"} le laisse aussi actif. M3.1-Flash refuse {"type": "disabled"} avec un HTTP 400 et le code 2013. La page donne ce texte :
model "MiniMax-M3.1-Flash" requires adaptive thinking; thinking.type="disabled" (including reasoning.effort=none) is not allowed (2013)
reasoning_effort ne vaut que pour M3.1-Flash, et none n’existe pas. Moins de jetons, c’est le niveau low, pas une coupure. MiniMax-M3 saute le raisonnement quand il reçoit disabled. M2.x accepte le champ et l’ignore : le raisonnement reste actif. Une requête copiée de M3 qui coupe le raisonnement renvoie 400 dès que l’identifiant devient M3.1-Flash.
Les arguments sont une chaîne
Au format OpenAI, tool_calls[].function.arguments est une chaîne JSON. Le nom est function.name, l’identifiant est id. Un appel simple peut se passer de raisonnement : pas de reasoning_content. Vérifier que le champ existe avant de le lire. Le tour suivant ajoute quand même tout le message assistant, y compris reasoning_content et tool_calls. Côté Anthropic, on renvoie la liste complète des blocs content : thinking, text, tool_use.
L’analyse a deux étages. Dehors, la réponse de chat. Dedans, l’argument d’outil. Traiter arguments comme un objet déjà analysé laisse location vide. Si le tour suivant ne renvoie que content et laisse tomber le raisonnement, le raisonnement entrelacé s’arrête.
content vide, Schema et prix
L’ancien champ max_tokens compte aussi les jetons de raisonnement. Trop bas, finish_reason vaut length et content est vide. Les nouvelles intégrations utilisent max_completion_tokens. Le chemin Anthropic garde le nom max_tokens.
La page texte dit que response_format avec json_schema n’est pris en charge que par MiniMax-Text-01. M3.1-Flash n’a pas cette sortie forcée. Demander le JSON dans l’invite, puis valider content. La chaîne d’argument est déjà du JSON. La réponse métier ne l’est pas.
Le prix est plat, sans heure de pointe. Par million de jetons : entrée 0,15 $, sortie 0,60 $, lecture de cache 0,015 $. service_tier priority coûte 1,5 fois le tarif standard sur d’autres modèles ; M3.1-Flash ne prend pas ce champ. Température de 0 à 2, défaut 1. top_p défaut 0,95. n n’accepte que 1.
Garder les champs, pas la dernière phrase
Garder au moins ces champs d’un appel :
{
"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\"}"
}
Laisser tool_arguments en chaîne pour que la seconde analyse reste visible. Noter has_reasoning_content à part, afin qu’un appel simple ne soit pas enregistré comme un raisonnement perdu. Pour le 400, garder le statut 2013 et le thinking.type envoyé, pas une panne du modèle.
- Validateur JSON — valider l’enregistrement, puis la chaîne dans
tool_arguments. - JSON Diff — deux messages assistant : ce qui manque est
reasoning_contentoutool_calls. - JSONPath — les réponses dont
finish_reasonestlengthet dontcontentest vide.
FAQ
Peut-on couper le raisonnement pour économiser des jetons ?
Pas sur M3.1-Flash. thinking.type à disabled, ou reasoning_effort à none, renvoie 400, code 2013. Baisser le niveau à low. MiniMax-M3 saute le raisonnement s’il reçoit disabled. Les deux requêtes ne s’échangent pas.
Quel champ est la réponse ?
Sur l’API compatible OpenAI, la réponse est content et le raisonnement est reasoning_content. En flux, le raisonnement arrive d’abord sur delta.reasoning_content. Côté Anthropic, choisir par type. text est la réponse.
Pourquoi finish_reason vaut length alors que content est vide ?
max_tokens compte les jetons de raisonnement. Si le plafond est trop bas, le raisonnement le remplit avant la réponse. Les nouvelles intégrations utilisent max_completion_tokens.
json_schema force-t-il le JSON ?
La page texte dit que response_format avec json_schema n’est pris en charge que par MiniMax-Text-01. M3.1-Flash n’a pas cette sortie. Demander le JSON dans l’invite, puis valider content. L’argument d’outil est déjà une chaîne JSON.
Faut-il renvoyer reasoning_content ?
Oui. Un appel d’outil sur plusieurs tours ajoute tout le message assistant, y compris reasoning_content et tool_calls. Un appel simple peut n’avoir aucun champ de raisonnement. S’il est absent, ne pas le lire, et garder quand même le message entier.
function.arguments est-il un objet ou une chaîne ?
Au format OpenAI, c’est une chaîne JSON. Après la réponse externe, analyser arguments une seconde fois, sinon location reste vide.
En bref
L’identifiant du 19 octobre est MiniMax-M3.1-Flash. Le raisonnement est actif par défaut, et l’interrupteur est refusé. Prendre la réponse selon le protocole : content, bloc text, ou output_text. Analyser les arguments d’outil une seconde fois. La sortie forcée par JSON Schema reste documentée sur l’ancien modèle.
Citer les scores de la note. Dans le code, garder finish_reason, la présence du champ de raisonnement et la chaîne arguments brute. Un content vide se vérifie sur la longueur. Un 400 se vérifie sur disabled.