MiniMax-M3.1-Flash hiện đã có thể dùng để tự động gán nhãn trên Ultralytics Platform

MiniMax ra mắt MiniMax-M3.1-Flash vào ngày 19 tháng 10 năm 2026 và hiện model đã có thể dùng để tự động gán nhãn trên Ultralytics Platform. Chúng tôi đã kiểm thử model này theo cùng quy trình áp dụng cho mọi model khác trên Bảng xếp hạng VLM: 360 ảnh từ 36 tập dữ liệu phát hiện trong thế giới thực.

MiniMax-M3.1-Flash đạt 0.317 mAP50 và xếp thứ 23 trong số 38 model, với chi phí khoảng $1.84 cho mỗi 1.000 ảnh. Đây là model MiniMax đầu tiên trên Ultralytics Platform. Model này có kết quả cao hơn MiMo-V2.6-Flash, DeepSeek Flash và Grok 4.7, nhưng thấp hơn các model giá rẻ hàng đầu, dẫn đầu là Claude Haiku 5.5 và Gemini 3.5 Flash-Lite.

Điểm mới trong MiniMax-M3.1-Flash#

MiniMax-M3.1-Flash là model nhanh, chi phí thấp trong dòng M3.1 của MiniMax; MiniMax dự định ra mắt model Pro lớn hơn sau này. Đây là model hỗn hợp chuyên gia đa phương thức nguyên bản với 428 tỷ tham số, trong đó 23 tỷ tham số hoạt động trên mỗi token, cửa sổ ngữ cảnh 1 triệu token và hỗ trợ đầu vào hình ảnh, video. MiniMax phát triển model này cho các tác vụ agent, lập trình và sử dụng máy tính, đồng thời cho biết tốc độ sinh đạt hơn 170 token/giây ở mức trung vị. MiniMax phát hành trọng số trên Hugging Face vào ngày 23 tháng 10 năm 2026 theo MiniMax Community License. Thông báo của MiniMax có các kết quả về agent và lập trình.

Model này cũng có chi phí thấp. MiniMax-M3.1-Flash có mức giá cố định $0.15 cho mỗi triệu token đầu vào và $0.60 cho mỗi triệu token đầu ra.

MiniMax-M3.1-Flash dùng để tự động gán nhãn trên Ultralytics Platform#

MiniMax-M3.1-Flash được thêm vào nhóm model ngôn ngữ-thị giác dùng prompt theo lớp trong trình chỉnh sửa gán nhãn của Ultralytics Platform, dưới một nhà cung cấp mới tên MiniMax. Với tập dữ liệu phát hiện đối tượng có từ 1–200 lớp, model phân tích từng ảnh và trả về bounding box cho các đối tượng thuộc những lớp trong tập dữ liệu mà model phát hiện được; bạn có thể xem xét và lưu các kết quả này như mọi dự đoán khác.

Bạn có thể sử dụng model theo hai cách:

• Từng ảnh một: Trong trình chỉnh sửa gán nhãn, chuyển sang chế độ Smart, chọn MiniMax-M3.1-Flash trong mục MiniMax của bộ chọn model rồi nhấp Predict (hoặc nhấn P).
• Toàn bộ tập dữ liệu: Chạy Batch Annotation từ More actions > Batch Annotation trên trang tập dữ liệu để gán nhãn mọi ảnh chưa được gán nhãn trong một lần chạy.

Để xem model hoạt động trước khi thêm khóa, hãy mở trang model MiniMax-M3.1-Flash trên Ultralytics Platform. Trang này phát lại các dự đoán MiniMax-M3.1-Flash đã ghi nhận trên 10 ảnh COCO bên cạnh các bounding box chuẩn, đồng thời hiển thị điểm số của model trên mọi tập dữ liệu benchmark.

Cách chúng tôi benchmark MiniMax-M3.1-Flash#

Một model có thể phát hiện gần như mọi đối tượng trong ảnh chụp đời thường nhưng vẫn bỏ sót phần lớn đối tượng trong ảnh quét y tế hoặc bo mạch. Vì vậy, mọi model trên VLM Leaderboard đều thực hiện cùng một bài kiểm tra cố định, UL37 v2: 10 ảnh được gán nhãn, chọn ngẫu nhiên từ mỗi trong số 36 dataset phát hiện thuộc UL37, một tập hợp các dataset benchmark thực tế mà Ultralytics dùng để đánh giá. Các dataset bao gồm hình ảnh y tế, ảnh trên không và ảnh vệ tinh, kiểm tra PCB, X-quang an ninh, kệ hàng bán lẻ, giao thông, thể thao, cảnh dưới nước, cảnh quay nhiệt và nhiều lĩnh vực khác.

Mỗi ảnh được xử lý qua pipeline gán nhãn production của Ultralytics Platform cùng tên lớp của dataset, chính xác như cách chế độ Smart và Batch Annotation gọi pipeline này, bao gồm bước SAM 3.1 tinh chỉnh bounding box của từng model. Chúng tôi chấm điểm các bounding box bằng chính các metric phát hiện đối tượng của package Ultralytics và tính trung bình đồng trọng số trên 36 dataset. Phương pháp của VLM Leaderboard trình bày chi tiết.

Trước khi thêm model mới, chúng tôi kiểm thử các thiết lập yêu cầu mà Ultralytics Platform đã hỗ trợ cho những model khác và chọn cấu hình đạt điểm cao nhất. Với MiniMax-M3.1-Flash, chúng tôi đưa ra hai lựa chọn:

• Mức độ suy luận: MiniMax-M3.1-Flash mặc định dùng mức độ suy luận tối đa của MiniMax. Ở mức tối đa, model vượt giới hạn 115 giây của Ultralytics Platform với hơn một nửa số ảnh chúng tôi thử; ở mức cao, tỷ lệ này là 9%. Trong ba mức thấp, trung bình và cao, mức trung bình đạt điểm tốt nhất, vì vậy Ultralytics Platform chạy MiniMax-M3.1-Flash ở mức suy luận trung bình và lần benchmark model cũng dùng mức này.
• Tọa độ bounding box: Tương tự Claude, Grok và GLM, MiniMax-M3.1-Flash xác định bounding box chính xác hơn khi dùng tọa độ pixel thay vì lưới 0–1000 mà hầu hết model sử dụng, với mức chênh khoảng 0.02 mAP50; vì vậy Ultralytics Platform yêu cầu model trả về tọa độ pixel.

MiniMax-M3.1-Flash so với Claude Haiku 5.5, Gemini 3.5 Flash-Lite và GPT-6 Luna#

MiniMax-M3.1-Flash đạt 0.317 mAP50, xếp thứ 5 trong số 8 model trả phí có giá dưới $5 cho mỗi 1.000 ảnh. Claude Haiku 5.5 (0.429), Gemini 3.5 Flash-Lite (0.380), GPT-6 Luna (0.370) và GLM-5.3-Flash (0.341) đạt điểm cao hơn; model này có kết quả cao hơn MiMo-V2.6-Flash (0.277), DeepSeek Flash (0.264) và MiMo-V2.6-Pro (0.239). Qwen3.8 27B (0.351) và Gemma 4 26B (0.344) được lưu trữ trên GPU riêng của Ultralytics Platform, không cần khóa nhà cung cấp, cũng đạt điểm cao hơn.

Recall (0.413) cao hơn precision (0.379): model phát hiện khoảng hai trong mỗi năm đối tượng được gán nhãn, nhưng chỉ khoảng 38% bounding box khớp với một đối tượng; tỷ lệ này thấp hơn mọi model xếp trên.

MiniMax-M3.1-Flash so với Gemini 3.5 Flash-Lite: mỗi model có ưu thế ở đâu#

Gemini 3.5 Flash-Lite có chi phí gần tương đương trên mỗi ảnh ($1.77 so với $1.84 cho mỗi 1.000 ảnh), nên đây là model phù hợp nhất để so sánh. MiniMax-M3.1-Flash đạt kết quả cao hơn trong lĩnh vực hàng không và viễn thám (0.32 so với 0.27), một trong những lĩnh vực khó hơn với hầu hết model. Hai model có kết quả gần ngang nhau trên ảnh y tế và đều đạt điểm 0 trên ảnh X-quang an ninh. Flash-Lite dẫn trước trong chín lĩnh vực còn lại, với chênh lệch lớn nhất ở bán lẻ, đường sá và giao thông, và thể thao.

Các tập dữ liệu có kết quả tốt nhất của MiniMax-M3.1-Flash cho thấy model phù hợp với những trường hợp nào. Model xếp thứ 6 trong số 32 model ngôn ngữ trên tập vệ tinh SSDD dùng để phát hiện tàu trên ảnh radar (0.86), tập EgoHands dùng để phát hiện bàn tay (0.90) và tập GRAZPEDWRI-DX gồm ảnh X-quang cổ tay trẻ em (0.25). Kết quả trên lỗi PCB công nghiệp và ảnh X-quang an ninh vẫn gần bằng 0, tương tự hầu hết model. Ảnh chuyên biệt vẫn là thách thức với mọi model, vì vậy hãy xem bounding box của MiniMax-M3.1-Flash là bản nháp đầu tiên cần con người kiểm tra, đồng thời kiểm tra một vài dự đoán trên ảnh của bạn trước khi gán nhãn toàn bộ tập dữ liệu.

Độ chính xác, chi phí và tốc độ#

Model trả phí chạy bằng API key của nhà cung cấp do bạn cung cấp, vì vậy nhà cung cấp sẽ tính phí trực tiếp cho từng dự đoán. Trong benchmark của chúng tôi, MiniMax-M3.1-Flash có chi phí khoảng $1.84 cho mỗi 1.000 ảnh. Phần lớn chi phí đến từ token đầu ra cho suy luận: giá token của model thuộc hàng thấp nhất trên Ultralytics Platform, nhưng model cần suy nghĩ trước khi trả lời.

Đây không phải cách rẻ nhất để đạt độ chính xác đó. Claude Haiku 5.5 đạt mAP50 cao hơn khoảng 0.11 với chi phí khoảng $0.37 cho mỗi 1.000 ảnh; GPT-6 Luna (khoảng $0.77) và GLM-5.3-Flash (khoảng $0.99) cũng đạt điểm cao hơn với chi phí thấp hơn.

MiniMax-M3.1-Flash cũng chậm hơn mức giá của model gợi ý. Thời gian xử lý yêu cầu ở mức trung vị là khoảng 16 giây mỗi ảnh, so với 1.6 giây của Gemini 3.5 Flash-Lite và 2.7 giây của Claude Haiku 5.5; 1.4% yêu cầu không hoàn tất trong giới hạn 115 giây của Ultralytics Platform. Ảnh bị hết thời gian chờ sẽ không có bounding box; bạn có thể chạy dự đoán lại.

Bắt đầu sử dụng MiniMax-M3.1-Flash trên Ultralytics Platform#

1. Tạo API key trên MiniMax API Platform, sau đó thêm khóa trong mục Settings > API Keys của workspace sở hữu tập dữ liệu hoặc yêu cầu chủ sở hữu workspace thêm khóa (xem hướng dẫn).
2. Mở tập dữ liệu phát hiện trên Ultralytics Platform, chuyển trình chỉnh sửa gán nhãn sang chế độ Smart rồi chọn MiniMax-M3.1-Flash trong mục MiniMax.
3. Nhấp Predict để gán nhãn ảnh hiện tại, sau đó xem xét, điều chỉnh và lưu các hộp.
4. Khi kết quả đã ổn, chạy Batch Annotation để gán nhãn phần còn lại của tập dữ liệu.

Batch Annotation tính thêm phí xử lý tiêu chuẩn của Ultralytics Platform là $1.00 cho mỗi 1.000 ảnh, tách biệt với khoản MiniMax tính vào API key của bạn. Mỗi lần chạy đều lưu một phiên bản tập dữ liệu trước, nên bạn luôn có thể khôi phục phiên bản trước đó.

Sau khi gán nhãn tập dữ liệu, hãy huấn luyện model Ultralytics YOLO26 trên tập dữ liệu đó trong cùng workspace (xem tài liệu huấn luyện). Để so sánh MiniMax-M3.1-Flash với các model có độ chính xác cao nhất, hãy đọc các bài viết về tự động gán nhãn bằng Gemini 4 Argon và Kimi K3.1 Pro, hoặc xem tất cả model trên Bảng xếp hạng VLM và các trang model của Ultralytics Platform. Sau đó, đăng nhập Ultralytics Platform để dùng thử MiniMax-M3.1-Flash trên dữ liệu của bạn.