MiniMax-M3.1-Flash est désormais disponible pour l'annotation automatique sur Ultralytics Platform

MiniMax a lancé MiniMax-M3.1-Flash le 19 octobre 2026, et le modèle est disponible dès aujourd'hui pour l'annotation automatique sur Ultralytics Platform. Nous l'avons soumis au même test que tous les autres modèles de notre classement VLM : 360 images issues de 36 jeux de données de détection du monde réel.

MiniMax-M3.1-Flash a obtenu 0.317 mAP50 et se classe 23e sur 38 modèles, à environ 1,84 $ par tranche de 1 000 images. C'est le premier modèle MiniMax disponible sur Ultralytics Platform. Il a fait mieux que MiMo-V2.6-Flash, DeepSeek Flash et Grok 4.7, mais moins bien que les meilleurs modèles économiques, menés par Claude Haiku 5.5 et Gemini 3.5 Flash-Lite.

Nouveautés de MiniMax-M3.1-Flash#

MiniMax-M3.1-Flash est le modèle rapide et peu coûteux de la série M3.1 de MiniMax, qui prévoit de lancer ultérieurement un modèle Pro plus grand. Ce modèle multimodal natif à mélange d'experts compte 428 milliards de paramètres, dont 23 milliards actifs par jeton, dispose d'une fenêtre de contexte d'un million de jetons et accepte les images et les vidéos en entrée. MiniMax l'a conçu pour les tâches agentiques, le codage et l'utilisation d'ordinateurs, et affirme qu'il génère plus de 170 jetons par seconde en vitesse médiane. MiniMax a publié les poids sur Hugging Face le 23 octobre 2026, sous la licence MiniMax Community License. L'annonce de MiniMax présente ses résultats en matière d'agents et de codage.

Son coût est également faible. MiniMax-M3.1-Flash est proposé à un tarif fixe de 0,15 $ par million de jetons en entrée et de 0,60 $ par million de jetons en sortie.

MiniMax-M3.1-Flash pour l'annotation automatique sur Ultralytics Platform#

MiniMax-M3.1-Flash rejoint les modèles de vision-langage guidés par des prompts de classe dans l’éditeur d’annotation d’Ultralytics Platform, avec MiniMax comme nouveau fournisseur. Sur un jeu de données de détection d’objets comportant de 1 à 200 classes, il examine chaque image et renvoie les boîtes englobantes des instances détectées appartenant aux classes de ton jeu de données ; tu les vérifies et les enregistres comme n’importe quelle autre prédiction.

Tu peux l'utiliser de deux façons :

• Une image à la fois : dans l'éditeur d'annotation, passe en mode Smart, sélectionne MiniMax-M3.1-Flash sous MiniMax dans le sélecteur de modèles, puis clique sur Predict (ou appuie sur P).
• Un jeu de données entier : lance Batch Annotation depuis More actions > Batch Annotation sur la page du jeu de données pour étiqueter toutes les images non étiquetées en une seule opération.

Pour voir le modèle à l'œuvre avant d'ajouter une clé, ouvre la page du modèle MiniMax-M3.1-Flash sur Ultralytics Platform. Elle rejoue les prédictions enregistrées de MiniMax-M3.1-Flash sur 10 images de COCO, à côté des boîtes attendues, et affiche son score sur chaque jeu de données d'évaluation.

Comment nous avons évalué MiniMax-M3.1-Flash#

Un modèle qui détecte presque tous les objets dans des photos de tous les jours peut quand même en manquer la plupart dans un examen médical ou une carte électronique. C’est pourquoi chaque modèle du classement VLM passe le même test figé, UL37 v2 : 10 images annotées tirées au hasard de chacun des 36 jeux de données de détection d’UL37, un ensemble de jeux de données de référence du monde réel qu’Ultralytics utilise pour l’évaluation. Ils couvrent l’imagerie médicale, l’imagerie aérienne et satellitaire, l’inspection de circuits imprimés, les radios de sécurité, les rayons des magasins, la circulation, le sport, les scènes sous-marines, les séquences thermiques et bien plus encore.

Chaque image passe par le pipeline d’annotation de production d’Ultralytics Platform avec les noms de classes de son jeu de données, exactement comme l’appellent le mode Smart et l’annotation par lots, y compris l’étape SAM 3.1 qui affine les boîtes de chaque modèle. Nous évaluons les boîtes à l’aide des propres métriques de détection du package Ultralytics et calculons la moyenne des 36 jeux de données avec une pondération égale. La méthodologie du classement VLM fournit tous les détails.

Avant d'ajouter un nouveau modèle, nous testons les paramètres de requête déjà pris en charge par Ultralytics Platform pour les autres modèles et conservons ceux qui donnent les meilleurs résultats. Nous avons retenu deux choix pour MiniMax-M3.1-Flash :

• Niveau de raisonnement : par défaut, MiniMax-M3.1-Flash utilise le niveau de raisonnement maximal de MiniMax. Au niveau maximal, il dépassait la limite de 115 secondes d'Ultralytics Platform sur plus de la moitié des images testées, et au niveau élevé sur 9 % d'entre elles. Le niveau moyen a obtenu les meilleurs résultats parmi les niveaux faible, moyen et élevé ; Ultralytics Platform exécute donc MiniMax-M3.1-Flash avec un niveau de raisonnement moyen, qui a également été utilisé pour l'évaluation.
• Coordonnées des boîtes : comme Claude, Grok et GLM, MiniMax-M3.1-Flash positionne les boîtes avec plus de précision en coordonnées pixel que sur la grille de 0 à 1000 utilisée par la plupart des modèles, avec un gain d'environ 0.02 mAP50 ; Ultralytics Platform lui demande donc de renvoyer des coordonnées en pixels.

MiniMax-M3.1-Flash face à Claude Haiku 5.5, Gemini 3.5 Flash-Lite et GPT-6 Luna#

MiniMax-M3.1-Flash a obtenu 0.317 mAP50, se classant 5e parmi les 8 modèles payants coûtant moins de 5 $ par tranche de 1 000 images. Claude Haiku 5.5 (0.429), Gemini 3.5 Flash-Lite (0.380), GPT-6 Luna (0.370) et GLM-5.3-Flash (0.341) ont obtenu de meilleurs résultats ; MiniMax-M3.1-Flash a fait mieux que MiMo-V2.6-Flash (0.277), DeepSeek Flash (0.264) et MiMo-V2.6-Pro (0.239). Qwen3.8 27B (0.351) et Gemma 4 26B (0.344), hébergés et exécutés sur les propres GPU d'Ultralytics Platform sans clé fournisseur, ont également obtenu de meilleurs résultats.

Son rappel (0.413) était supérieur à sa précision (0.379) : il a détecté environ deux objets annotés sur cinq, mais seulement environ 38 % de ses boîtes correspondaient à un objet, soit une proportion inférieure à celle de tous les modèles mieux classés.

MiniMax-M3.1-Flash face à Gemini 3.5 Flash-Lite : les points forts de chacun#

Gemini 3.5 Flash-Lite coûte à peu près autant par image (1,77 $ contre 1,84 $ par tranche de 1 000 images), ce qui en fait le meilleur modèle à comparer. MiniMax-M3.1-Flash a obtenu de meilleurs résultats en imagerie aérienne et en télédétection (0.32 contre 0.27), l'un des domaines les plus difficiles pour la plupart des modèles. Les deux modèles ont obtenu des résultats similaires sur les images médicales, et tous deux ont obtenu zéro en radiographie de sécurité. Flash-Lite a pris l'avantage dans les neuf autres domaines, avec les plus grands écarts dans le commerce de détail, les routes et la circulation, et le sport.

Les jeux de données sur lesquels MiniMax-M3.1-Flash obtient ses meilleurs résultats montrent les domaines où il est adapté. Il s’est classé 6e parmi 32 modèles de langage sur SSDD pour la détection de navires sur des images radar satellitaires (0.86), sur EgoHands pour la détection de mains (0.90) et sur GRAZPEDWRI-DX pour les radiographies pédiatriques du poignet (0.25). Les scores obtenus sur les défauts de circuits imprimés industriels et les radiographies de contrôle de sécurité sont restés proches de zéro, comme pour la plupart des modèles. Les images spécialisées restent difficiles à analyser pour tous les modèles ; considère donc les boîtes englobantes de MiniMax-M3.1-Flash comme une première ébauche à soumettre à une validation avec intervention humaine, et vérifie quelques prédictions sur tes propres images avant d’annoter un jeu de données complet.

Précision, coût et vitesse#

Les modèles payants utilisent ta propre clé API fournisseur, qui est directement facturée par le fournisseur pour chaque prédiction. Dans notre évaluation, MiniMax-M3.1-Flash a coûté environ 1,84 $ par tranche de 1 000 images. L'essentiel du coût provient des jetons de raisonnement : le prix de ses jetons est parmi les plus bas de tous les modèles d'Ultralytics Platform, mais le modèle réfléchit avant de répondre.

Ce n'est pas la solution la moins chère pour atteindre cette précision. Claude Haiku 5.5 a obtenu un mAP50 supérieur d'environ 0.11 pour près de 0,37 $ par tranche de 1 000 images, et GPT-6 Luna (environ 0,77 $) ainsi que GLM-5.3-Flash (environ 0,99 $) ont également obtenu de meilleurs résultats pour moins cher.

MiniMax-M3.1-Flash est également plus lent que son prix ne le laisse penser. La durée médiane de ses requêtes était d'environ 16 secondes par image, contre 1,6 seconde pour Gemini 3.5 Flash-Lite et 2,7 secondes pour Claude Haiku 5.5 ; 1,4 % de ses requêtes n'ont pas abouti dans la limite de 115 secondes d'Ultralytics Platform. Une image dont le traitement dépasse le délai imparti revient sans boîte, et tu peux relancer sa prédiction.

Pour commencer avec MiniMax-M3.1-Flash sur Ultralytics Platform#

1. Crée une clé API sur la plateforme API MiniMax, puis ajoute-la dans Paramètres > Clés API de l'espace de travail propriétaire de ton jeu de données, ou demande à la personne responsable de l'espace de travail d'en ajouter une (voir comment).
2. Ouvre un jeu de données de détection dans Ultralytics Platform, passe l'éditeur d'annotation en mode Smart, puis sélectionne MiniMax-M3.1-Flash sous MiniMax.
3. Clique sur Predict pour étiqueter l'image actuelle, puis vérifie, ajuste et enregistre les boîtes.
4. Quand les résultats te conviennent, lance Batch Annotation pour étiqueter le reste du jeu de données.

L'annotation par lots ajoute les frais de traitement standard d'Ultralytics Platform, soit 1,00 $ par tranche de 1 000 images, en plus du montant facturé à ta clé API par MiniMax. Chaque exécution enregistre d'abord une version du jeu de données, ce qui te permet toujours de revenir à une version précédente.

Une fois ton jeu de données annoté, entraîne un modèle Ultralytics YOLO26 dans le même espace de travail (consulte la documentation sur l'entraînement). Pour comparer MiniMax-M3.1-Flash aux modèles les plus précis, lis nos articles sur l'annotation automatique avec Gemini 4 Argon et Kimi K3.1 Pro, ou consulte tous les modèles du classement VLM et les pages des modèles Ultralytics Platform. Ensuite, connecte-toi à Ultralytics Platform pour tester MiniMax-M3.1-Flash sur tes propres données.