MiniMax-M3.1-FlashがUltralytics Platformで自動アノテーションに利用可能になりました

MiniMaxは2026年10月19日にMiniMax-M3.1-Flashをリリースし、本日からUltralytics Platformで自動アノテーションに利用できます。他のすべてのモデルと同じテストをVLM Leaderboardで実施しました。対象は、実世界の36種類の検出データセットから集めた360枚の画像です。

MiniMax-M3.1-Flashは0.317 mAP50を記録し、1,000枚あたり約$1.84のコストで、38モデル中23位にランクインしました。これはUltralytics Platformで初めて利用可能になったMiniMaxモデルです。MiMo-V2.6-Flash、DeepSeek Flash、Grok 4.7を上回りましたが、Claude Haiku 5.5とGemini 3.5 Flash-Liteが上位を占める、低コストモデルの中では最良のモデルには及びませんでした。

MiniMax-M3.1-Flashの新機能#

MiniMax-M3.1-Flashは、MiniMaxのM3.1シリーズにおける高速かつ低コストなモデルで、MiniMaxは今後、より大規模なProモデルのリリースを予定しています。これは、4280億個のパラメーターを持ち、そのうちトークンごとに230億個がアクティブになる、ネイティブなマルチモーダルの専門家混合モデルです。コンテキストウィンドウは100万トークンで、画像と動画の入力に対応しています。MiniMaxはエージェント処理、コーディング、コンピューター操作向けにこのモデルを構築し、トークン生成速度は中央値で毎秒170トークンを超えるとしています。MiniMaxは2026年10月23日に、MiniMax Community LicenseのもとでHugging Face上にモデルの重みを公開しました。MiniMaxの発表では、エージェント処理とコーディングの結果を紹介しています。

コストも低く抑えられています。MiniMax-M3.1-Flashの料金は、入力トークン100万個あたり一律$0.15、出力トークン100万個あたり$0.60です。

Ultralytics Platformでの自動アノテーションに使うMiniMax-M3.1-Flash#

MiniMax-M3.1-Flashが、Ultralytics Platformのアノテーションエディターでクラスプロンプト対応のビジョン言語モデルに加わり、新しいプロバイダーMiniMaxから利用できるようになりました。1～200クラスの物体検出データセットでは、各画像を確認し、データセット内のクラスに該当すると判断したインスタンスのバウンディングボックスを返します。予測結果は、他の予測結果と同じように確認して保存できます。

次の2つの方法で使用できます。

• 画像を1枚ずつ処理する場合: アノテーションエディターでSmartモードに切り替え、モデル選択メニューのMiniMaxからMiniMax-M3.1-Flashを選択し、Predictをクリックするか、Pを押します。
• データセット全体を処理する場合：データセットページでMore actions > Batch AnnotationからBatch Annotationを実行すると、未ラベルの画像すべてに一度の実行でラベルを付けられます。

APIキーを追加する前に動作を確認するには、Ultralytics PlatformのMiniMax-M3.1-Flashモデルページを開いてください。MiniMax-M3.1-FlashがCOCO画像10枚に対して記録した予測結果を、正解のボックスと並べて再生し、各ベンチマークデータセットでのスコアを表示します。

MiniMax-M3.1-Flashのベンチマーク方法#

日常の写真でほぼすべての物体を検出できるモデルでも、医療スキャンや回路基板では大半を見逃すことがあります。そのため、VLM Leaderboardのすべてのモデルに、同じ固定テストUL37 v2を実施します。これは、Ultralyticsが評価に使用する実世界のベンチマークデータセット群UL37に含まれる36種の物体検出データセットから、ラベル付き画像をそれぞれランダムに10枚ずつ選んだものです。医用画像、航空・衛星画像、PCB検査、セキュリティX線検査、小売店の棚、交通、スポーツ、水中シーン、サーマル映像など、幅広い分野を網羅しています。

各画像は、Ultralytics Platformの本番アノテーションパイプラインで、データセットのクラス名を使って処理します。これはSmartモードとBatch Annotationで呼び出される処理と同一で、各モデルのボックスを調整するSAM 3.1のステップも含みます。ボックスのスコアはUltralyticsパッケージ独自の物体検出メトリクスで算出し、36個のデータセットを均等に平均します。詳細はVLM Leaderboardの評価方法をご覧ください。

新しいモデルを追加する前に、Ultralytics Platformが他のモデルですでにサポートしているリクエスト設定をテストし、最も高いスコアを出した設定を採用します。MiniMax-M3.1-Flashでは、次の2つの設定を選びました。

• 推論の強度: MiniMax-M3.1-Flashは、デフォルトでMiniMaxの最大推論強度に設定されています。最大設定では、テストした画像の半数以上でUltralytics Platformの115秒制限を超え、高設定でも9%の画像で制限を超えました。低・中・高の設定では中設定が最高スコアを記録したため、Ultralytics PlatformではMiniMax-M3.1-Flashを中程度の推論強度で実行します。ベンチマークでもこの設定を使用しました。
• ボックス座標: Claude、Grok、GLMと同様に、MiniMax-M3.1-Flashは多くのモデルが使う0～1000のグリッドよりもピクセル座標で正確にボックスを配置し、mAP50が約0.02高くなります。そのため、Ultralytics Platformはピクセル座標を指定します。

MiniMax-M3.1-FlashとClaude Haiku 5.5、Gemini 3.5 Flash-Lite、GPT-6 Lunaの比較#

MiniMax-M3.1-Flashは0.317 mAP50を記録し、1,000枚あたり$5未満の有料モデル8種類中5位でした。Claude Haiku 5.5（0.429）、Gemini 3.5 Flash-Lite（0.380）、GPT-6 Luna（0.370）、GLM-5.3-Flash（0.341）がこれを上回り、MiMo-V2.6-Flash（0.277）、DeepSeek Flash（0.264）、MiMo-V2.6-Pro（0.239）を上回りました。プロバイダーキーなしでUltralytics PlatformのGPU上で実行されるホスト型のQwen3.8 27B（0.351）とGemma 4 26B（0.344）も、より高いスコアを記録しました。

再現率（0.413）は適合率（0.379）より高い結果でした。ラベル付けされたオブジェクト5個のうち約2個を検出しましたが、ボックスがオブジェクトと一致したのは約38%にとどまり、上位のどのモデルよりも低い割合でした。

MiniMax-M3.1-FlashとGemini 3.5 Flash-Liteの比較：それぞれが優位な領域#

Gemini 3.5 Flash-Liteは画像あたりのコストがほぼ同じ（1,000枚あたり$1.77対$1.84）で、最も比較しやすいモデルです。MiniMax-M3.1-Flashは、ほとんどのモデルにとって難しい領域の1つである航空画像とリモートセンシングで上回りました（0.32対0.27）。医療画像ではほぼ同等で、セキュリティ用X線画像ではどちらもスコアがゼロでした。残る9領域ではFlash-Liteが優位で、小売、道路・交通、スポーツで最も大きな差がつきました。

MiniMax-M3.1-Flashが高いスコアを記録したデータセットを見ると、このモデルの適性が分かります。32種類の言語モデル中、SSDDの衛星レーダー船舶検出で6位（0.86）、EgoHandsの手検出で6位（0.90）、GRAZPEDWRI-DXの小児手首X線画像で6位（0.25）でした。産業用PCBの欠陥やセキュリティ用X線画像では、ほとんどのモデルと同様にスコアがほぼゼロでした。特殊な画像は依然としてどのモデルにとっても難しいため、MiniMax-M3.1-Flashのボックスは人間参加型のレビュー用の初稿として扱い、データセット全体にアノテーションを付ける前に、独自の画像でいくつかの予測結果を確認してください。

精度、コスト、速度#

有料モデルはユーザー自身のプロバイダーAPIキーで実行されるため、予測のたびにプロバイダーから直接請求されます。ベンチマークでは、MiniMax-M3.1-Flashのコストは1,000枚あたり約$1.84でした。この大部分は推論時の出力によるものです。トークン料金はUltralytics Platformのモデルの中でも最低水準ですが、回答前に推論を行います。

この精度を実現する最も安価な方法ではありません。Claude Haiku 5.5は、1,000枚あたり約$0.37のコストで約0.11高いmAP50を記録しました。GPT-6 Luna（約$0.77）とGLM-5.3-Flash（約$0.99）も、より低いコストで高いスコアを記録しました。

MiniMax-M3.1-Flashは、料金から想像されるよりも処理速度が遅いモデルです。リクエストの所要時間の中央値は画像1枚あたり約16秒で、Gemini 3.5 Flash-Liteの1.6秒、Claude Haiku 5.5の2.7秒を上回りました。また、リクエストの1.4%がUltralytics Platformの115秒制限内に完了しませんでした。タイムアウトした画像にはボックスが返されないため、再度予測を実行できます。

Ultralytics PlatformでMiniMax-M3.1-Flashを使い始める#

1. MiniMax API PlatformでAPIキーを作成し、データセットを所有するワークスペースのSettings > API Keysに追加するか、ワークスペースのオーナーに追加を依頼してください（手順はこちら）。
2. Ultralytics Platformで検出データセットを開き、アノテーションエディターをSmartモードに切り替え、MiniMaxからMiniMax-M3.1-Flashを選択します。
3. Predictをクリックして現在の画像にラベルを付け、ボックスを確認、調整して保存します。
4. 結果に問題がなければ、Batch Annotationを実行してデータセットの残りの画像にラベルを付けます。

Batch Annotationでは、MiniMaxからAPIキーに請求される料金とは別に、標準のUltralytics Platform処理料金として1,000枚あたり$1.00が加算されます。実行するたびにデータセットのバージョンが先に保存されるため、いつでもロールバックできます。

データセットにラベルを付けたら、同じワークスペースでUltralytics YOLO26モデルをトレーニングしてください（トレーニングドキュメントを参照）。MiniMax-M3.1-Flashと最も高精度なモデルを比較するには、Gemini 4 ArgonとKimi K3.1 Proの自動アノテーションに関する記事を読むか、VLM LeaderboardとUltralytics Platformのモデルページですべてのモデルをご覧ください。その後、Ultralytics Platformにサインインして、独自のデータでMiniMax-M3.1-Flashをお試しください。