MiniMax-M3.1-Flash ya está disponible para la anotación automática en Ultralytics Platform

MiniMax lanzó MiniMax-M3.1-Flash el 19 de octubre de 2026, y hoy está disponible para la anotación automática en Ultralytics Platform. Lo hemos sometido a la misma prueba que a todos los demás modelos de nuestra clasificación de VLM: 360 imágenes de 36 conjuntos de datos de detección del mundo real.

MiniMax-M3.1-Flash obtuvo 0.317 mAP50 y ocupa el puesto 23 de 38 modelos, con un coste aproximado de 1,84 $ por cada 1.000 imágenes. Es el primer modelo de MiniMax en Ultralytics Platform. Quedó por delante de MiMo-V2.6-Flash, DeepSeek Flash y Grok 4.7, pero por detrás de los mejores modelos económicos, encabezados por Claude Haiku 5.5 y Gemini 3.5 Flash-Lite.

Novedades de MiniMax-M3.1-Flash#

MiniMax-M3.1-Flash es el modelo rápido y económico de la serie M3.1 de MiniMax, que tiene previsto lanzar más adelante un modelo Pro de mayor tamaño. Es un modelo multimodal nativo de mezcla de expertos con 428.000 millones de parámetros, 23.000 millones de ellos activos por token, una ventana de contexto de 1 millón de tokens y capacidad para recibir imágenes y vídeos. MiniMax lo creó para tareas agénticas, programación y uso de ordenadores, y afirma que genera más de 170 tokens por segundo en la mediana. MiniMax publicó los pesos en Hugging Face el 23 de octubre de 2026, con la licencia MiniMax Community License. El anuncio de MiniMax incluye sus resultados en tareas agénticas y de programación.

Además, es barato. MiniMax-M3.1-Flash tiene un precio fijo de 0,15 $ por millón de tokens de entrada y 0,60 $ por millón de tokens de salida.

MiniMax-M3.1-Flash para la anotación automática en Ultralytics Platform#

MiniMax-M3.1-Flash se incorpora a los modelos de lenguaje y visión con indicaciones de clase del editor de anotación de Ultralytics Platform, dentro de un nuevo proveedor llamado MiniMax. En un conjunto de datos de detección de objetos con entre 1 y 200 clases, analiza cada imagen y devuelve cuadros delimitadores para las instancias que detecta de las clases de tu conjunto de datos; después, puedes revisarlos y guardarlos como cualquier otra predicción.

Puedes usarlo de dos formas:

• Una imagen cada vez: en el editor de anotación, cambia al modo Smart, selecciona MiniMax-M3.1-Flash en MiniMax, dentro del selector de modelos, y haz clic en Predict (o pulsa P).
• Un conjunto de datos completo: Ejecuta Batch Annotation desde More actions > Batch Annotation en la página del conjunto de datos para etiquetar todas las imágenes sin etiquetar en una sola ejecución.

Para ver cómo funciona antes de añadir una clave, abre la página del modelo MiniMax-M3.1-Flash en Ultralytics Platform. Reproduce las predicciones registradas de MiniMax-M3.1-Flash en 10 imágenes de COCO junto a los cuadros esperados y muestra su puntuación en cada conjunto de datos de referencia.

Cómo evaluamos MiniMax-M3.1-Flash#

Un modelo que encuentra casi todos los objetos en fotos cotidianas puede pasar por alto la mayoría en una radiografía médica o una placa de circuito. Por eso, todos los modelos de la clasificación de VLM se someten a la misma prueba fija, UL37 v2: 10 imágenes etiquetadas seleccionadas al azar de cada uno de los 36 conjuntos de datos de detección de UL37, una colección de conjuntos de datos de evaluación del mundo real que Ultralytics utiliza para evaluar modelos. Incluyen imágenes médicas, aéreas y satelitales, inspección de PCB, radiografías de seguridad, estanterías de tiendas, tráfico, deportes, escenas submarinas, imágenes térmicas y mucho más.

Cada imagen pasa por el proceso de anotación de producción de Ultralytics Platform con los nombres de clase de su conjunto de datos, exactamente como lo usan los modos Smart y Batch Annotation, incluido el paso de SAM 3.1 que ajusta los cuadros de cada modelo. Evaluamos los cuadros con las métricas de detección del propio paquete de Ultralytics y calculamos la media dando el mismo peso a los 36 conjuntos de datos. La metodología de la clasificación de VLM incluye más detalles.

Antes de añadir un modelo nuevo, probamos los ajustes de solicitud que Ultralytics Platform ya admite para otros modelos y nos quedamos con los que obtienen la mejor puntuación. De esas pruebas salieron dos decisiones para MiniMax-M3.1-Flash:

• Nivel de razonamiento: MiniMax-M3.1-Flash usa por defecto el nivel máximo de razonamiento de MiniMax. Con el nivel máximo, superó el límite de 115 segundos de Ultralytics Platform en más de la mitad de las imágenes que probamos; con el nivel alto, lo superó en el 9 %. El nivel medio obtuvo la mejor puntuación de los niveles bajo, medio y alto, así que Ultralytics Platform ejecuta MiniMax-M3.1-Flash con un nivel de razonamiento medio, que también se usó en la evaluación.
• Coordenadas de los cuadros: al igual que Claude, Grok y GLM, MiniMax-M3.1-Flash coloca los cuadros con más precisión en coordenadas de píxeles que en la cuadrícula de 0–1000 que usan la mayoría de los modelos, con una diferencia de aproximadamente 0.02 mAP50, así que Ultralytics Platform le pide coordenadas de píxeles.

MiniMax-M3.1-Flash frente a Claude Haiku 5.5, Gemini 3.5 Flash-Lite y GPT-6 Luna#

MiniMax-M3.1-Flash obtuvo 0.317 mAP50 y ocupó el 5.º puesto entre los 8 modelos de pago que cuestan menos de 5 $ por cada 1.000 imágenes. Claude Haiku 5.5 (0.429), Gemini 3.5 Flash-Lite (0.380), GPT-6 Luna (0.370) y GLM-5.3-Flash (0.341) obtuvieron mejores resultados, mientras que MiniMax-M3.1-Flash quedó por delante de MiMo-V2.6-Flash (0.277), DeepSeek Flash (0.264) y MiMo-V2.6-Pro (0.239). Qwen3.8 27B (0.351) y Gemma 4 26B (0.344), alojados y ejecutados en las GPU de Ultralytics Platform sin necesidad de una clave de proveedor, también obtuvieron mejores resultados.

Su exhaustividad (0.413) fue superior a su precisión (0.379): detectó aproximadamente dos de cada cinco objetos etiquetados, pero solo alrededor del 38 % de sus cuadros coincidió con uno de ellos, una proporción inferior a la de cualquiera de los modelos que quedaron por delante.

MiniMax-M3.1-Flash frente a Gemini 3.5 Flash-Lite: en qué destaca cada uno#

Gemini 3.5 Flash-Lite cuesta casi lo mismo por imagen (1,77 $ frente a 1,84 $ por cada 1.000 imágenes), así que es la comparación más directa. MiniMax-M3.1-Flash obtuvo mejores resultados en imágenes aéreas y teledetección (0.32 frente a 0.27), uno de los ámbitos más difíciles para la mayoría de los modelos. Ambos quedaron prácticamente igualados en imágenes médicas y obtuvieron cero en radiografías de seguridad. Flash-Lite lideró en los otros nueve ámbitos, con las mayores diferencias en comercio minorista, carreteras y tráfico, y deportes.

Los mejores resultados de MiniMax-M3.1-Flash muestran en qué casos encaja. Ocupó el 6.º puesto de 32 modelos de lenguaje en detección de barcos en imágenes de radar por satélite del conjunto SSDD (0.86), en detección de manos en EgoHands (0.90) y en radiografías pediátricas de muñeca de GRAZPEDWRI-DX (0.25). Los defectos industriales en PCB y las radiografías de seguridad se mantuvieron cerca de cero, como ocurre con la mayoría de los modelos. Las imágenes especializadas siguen siendo difíciles para todos los modelos, así que trata los cuadros de MiniMax-M3.1-Flash como un primer borrador para la revisión con intervención humana y comprueba algunas predicciones con tus propias imágenes antes de anotar un conjunto de datos completo.

Precisión, coste y velocidad#

Los modelos de pago se ejecutan con tu propia clave de API del proveedor, que te factura directamente cada predicción. En nuestra evaluación, MiniMax-M3.1-Flash costó aproximadamente 1,84 $ por cada 1.000 imágenes. La mayor parte del coste corresponde a la salida de razonamiento: el precio de sus tokens es de los más bajos de Ultralytics Platform, pero el modelo piensa antes de responder.

No es la opción más barata para conseguir esa precisión. Claude Haiku 5.5 obtuvo aproximadamente 0.11 mAP50 más por unos 0,37 $ por cada 1.000 imágenes, y GPT-6 Luna (unos 0,77 $) y GLM-5.3-Flash (unos 0,99 $) también obtuvieron mejores resultados por menos dinero.

MiniMax-M3.1-Flash también es más lento de lo que su precio podría hacer pensar. La mediana de duración de las solicitudes fue de unos 16 segundos por imagen, frente a los 1,6 segundos de Gemini 3.5 Flash-Lite y los 2,7 segundos de Claude Haiku 5.5; además, el 1,4 % de sus solicitudes no terminó dentro del límite de 115 segundos de Ultralytics Platform. Si se agota el tiempo de espera de una imagen, no se devuelve ningún cuadro, pero puedes volver a ejecutar la predicción.

Empieza a usar MiniMax-M3.1-Flash en Ultralytics Platform#

1. Crea una clave de API en MiniMax API Platform y añádela en Settings > API Keys del espacio de trabajo propietario de tu conjunto de datos, o pídele al propietario del espacio de trabajo que añada una (descubre cómo).
2. Abre un conjunto de datos de detección en Ultralytics Platform, cambia el editor de anotación al modo Smart y selecciona MiniMax-M3.1-Flash en MiniMax.
3. Haz clic en Predict para etiquetar la imagen actual y, después, revisa, ajusta y guarda los cuadros.
4. Cuando los resultados te convenzan, ejecuta Batch Annotation para etiquetar el resto del conjunto de datos.

La anotación por lotes añade la tarifa estándar de procesamiento de Ultralytics Platform, de 1,00 $ por cada 1.000 imágenes, que se cobra aparte de lo que MiniMax facture a tu clave de API. Cada ejecución guarda primero una versión del conjunto de datos para que siempre puedas revertir los cambios.

Cuando hayas etiquetado el conjunto de datos, entrena un modelo Ultralytics YOLO26 con él en el mismo espacio de trabajo (consulta la documentación de entrenamiento). Para comparar MiniMax-M3.1-Flash con los modelos más precisos, lee nuestras publicaciones sobre anotación automática de Gemini 4 Argon y Kimi K3.1 Pro, o consulta todos los modelos en la clasificación de VLM y las páginas de modelos de Ultralytics Platform. Después, inicia sesión en Ultralytics Platform para probar MiniMax-M3.1-Flash con tus propios datos.