Test complet de MiniMax M3.1 Flash : performances, coûts et limites en production

Que vaut MiniMax M3.1 Flash face à DeepSeek V4.1 Flash et Claude Opus 5.5 ?

Si tu cherches un modèle chinois pensé pour le code, l'automatisation de tâches bureautiques et les agents qui enchaînent des actions dans des logiciels métiers, MiniMax M3.1 Flash (dont le prédécesseur apparaissait sous le nom Space Bunny sur OpenRouter) affiche sur le papier des arguments financiers agressifs. Son tarif officiel est de 0,15 $ en entrée et 0,60 $ en sortie par million de tokens, et lors des sessions de test réalisées par Meydeey sur OpenRouter, l'accès était même affiché gratuitement avec 0 $ facturé dans les journaux d'appels. D'après les données compilées par Meydeey depuis le compte X officiel de MiniMax, minimax.io, Artificial Analysis, VentureBeat et MarkTechPost, 1000 requêtes reviennent à 0,60 $ avec M3.1 Flash, contre 1,20 $ sur DeepSeek V4.1 Flash et 18 $ sur Claude Opus 5.5.

Sur le plan des capacités techniques annoncées, le modèle accepte le texte, l'image et la vidéo en entrée pour produire du texte en sortie, avec une fenêtre de contexte de 1000000 de tokens, ce qui correspond à environ 1890 à 1900 pages. Sur l'indice Artificial Analysis cité dans la vidéo, il atteint un score de 43 contre 45 pour DeepSeek V4.1 Flash, avec un coût moyen par tâche évalué à 0,22 $ contre 0,26 $ chez son concurrent direct. Tu peux l'appeler directement via l'API de MiniMax ou passer par un agrégateur comme OpenRouter, mais cet avantage tarifaire ne suffit pas à justifier une bascule immédiate de tes systèmes en production.

Pourquoi les hallucinations et la vitesse réelle freinent la mise en production

Faire tourner des agents à bas coût perd tout son sens si le modèle invente des faits dès que l'information lui manque. Selon les relevés d'Artificial Analysis et les sources citées par Meydeey, l'angle mort majeur de MiniMax M3.1 Flash réside dans sa propension à halluciner : 93 % de ses erreurs correspondent à des réponses fausses formulées avec une totale assurance, sans jamais signaler son incertitude. Dans un flux d'automatisation d'entreprise où un agent prend des décisions ou rédige des livrables clients, ce comportement oblige à ajouter des couches de vérification qui annulent l'économie réalisée sur les appels API.

La cadence d'exécution montre elle aussi un écart net entre la promesse commerciale et la réalité du terrain. Alors que MiniMax annonce une vitesse de génération de 200 tokens/s, Artificial Analysis mesure 105 tokens/s de son côté. Lorsque Meydeey vérifie les journaux d'exécution en conditions réelles sur OpenRouter avec un taux de disponibilité de 100 %, le débit tombe d'abord à 80 ou 81 tokens/s, puis oscille entre 71 et 86 tokens/s (soit une moyenne de 75 à 80 tokens/s) lors de la seconde batterie de tests. Même si les benchmarks sur papier le présentent comme un peu plus rapide que Claude Opus 5.5 et 2 fois plus lent que DeepSeek V4.1 Flash, tu dois anticiper une latence réelle deux fois supérieure aux chiffres annoncés par l'éditeur.

Quel résultat donne la génération d'interfaces web et de pages de vente ?

Pour évaluer l'utilité concrète du modèle sur des tâches de développement accessibles, Meydeey a intégré 7 épreuves de création d'interfaces web et de pages de vente, toutes générées avec le niveau de raisonnement par défaut. Les prototypes obtenus couvrent des besoins fréquents : une page de vente de formation en ligne avec paiement en 1 ou 3 fois, deux fiches produits e-commerce (une tasse et un sac à dos avec sélecteur de couleurs et tiroir de panier latéral), un générateur de devis pour un artisan carreleur calculant une surface de 120 m², un tableau de bord SaaS à onglets suivant le MRR et les clients, la carte interactive d'un salon de coiffure et une billetterie de salon professionnel gérant les justificatifs étudiants.

Si la structure générale et l'agencement permettent de projeter rapidement un client ou de préparer le terrain avant d'y brancher une base de données en back-end, l'inspection visuelle révèle des défauts récurrents qui interdisent un déploiement sans retouche humaine. Meydeey relève que le modèle applique spontanément le même thème chromatique vert et ambre orangé sur la majorité des créations lorsqu'aucune directive de couleur ne lui est imposée, tout en multipliant une ponctuation typographique héritée des modèles d'Anthropic et en ajoutant des effets sonores inutiles sur des pages marchandes.

• Page de vente de formation : agencement propre, mais apparition de caractères chinois résiduels dans la foire aux questions.
• Fiche produit d'une tasse : police d'écriture excessivement grasse sur les valeurs chiffrées, rendant le 5 et le 6 faciles à confondre de loin.
• Devis d'artisan carreleur : décalage d'alignement, filet graphique mal placé et mélange linguistique entre l'anglais et le français dans le formulaire.
• Application de suivi d'abonnements : interface professionnelle affichant le MRR, mais le bouton d'ajout d'un nouveau client reste inopérant même en façade.
• Billetterie et fiche sac à dos : parcours d'achat cohérent avec panier latéral, pollué par l'intégration automatique d'effets sonores sans pertinence commerciale.

Comment le modèle se comporte sur les 15 défis d'expériences interactives en 3D

Bien que MiniMax M3.1 Flash ne soit pas vendu comme un spécialiste de la 3D, Meydeey l'a soumis à sa série habituelle de 15 défis d'expériences interactives codées de bout en bout, sur laquelle le modèle n'a essuyé qu'un seul échec complet (la pierre taillée en 3D et l'éclairage d'objet 3D restant invisibles à l'écran malgré la présence des contrôles d'interface). Plusieurs générations surpassent ce que Meydeey avait observé lors de ses précédents bancs d'essai : le triangle de l'impossible avec ses 3 poutres qui se dissocient quand on tourne la caméra, la fractale de Mandelbulb dotée d'un éclairage dynamique en temps réel et d'un export PNG fonctionnel, ou encore le couloir au ralenti intégrant des marquages muraux détaillés et des contrôles de caméra fluides.

D'autres simulations montrent une vraie capacité à traduire des règles physiques ou mathématiques en interfaces manipulables. La synchronisation de lucioles trace les rayons de voisinage et le couplage avec un journal de données exploitable pour des statistiques, la tour de Wardenclyffe modélise les décharges électriques avec un repère d'échelle humaine à 1,80 m, et la simulation génétique de créatures apprenant à marcher conserve le spectre du champion précédent avec un record observé à 27 m (malgré un panneau d'interface qui masque une partie de l'action). Sur le coucher de soleil codé à la main, le modèle déplace de lui-même la position de l'astre entre le plein jour, l'heure dorée et le crépuscule, tandis que l'outil d'aménagement de salon bloque logiquement la pose d'un fauteuil devant la zone de passage de l'entrée, une base que Meydeey juge très prometteuse pour projeter des acheteurs en immobilier ou en architecture.

La qualité reste toutefois irrégulière d'un prompt à l'autre. Le survol de terrain infini produit un rendu dépourvu de textures que Meydeey qualifie de pire résultat jamais obtenu sur cet exercice, la vague d'eau animée se résume à une feuille géométrique basique, et les scènes du trou noir ou du jeu du chaos souffrent de titres démesurés qui laissent 60 % de la première vue vide, accompagnés là encore de caractères chinois résiduels sur l'interface du triangle.

Résultats du protocole méta sur 553 tests : capacités textuelles contre sécurité

Au-delà du code visuel, Meydeey a lancé son protocole méta automatisé qui évalue cinq piliers : sécurité et alignement, capacités textuelles, agents et outils (harnais non connecté sur cette session), contexte long et mémoire, ainsi que décision typée. Le test s'est interrompu à 56 % d'avancement en raison d'un plantage technique, validant 553 épreuves sur les 987 prévues. Comme le système de notation de Meydeey calcule la moyenne sur les épreuves effectivement terminées sans pénaliser le taux de couverture incomplet, MiniMax M3.1 Flash obtient une note globale de 75,12 sur 100.

Dans le détail des piliers, le modèle atteint 88,68 % en capacités textuelles (et 100 % sur le contexte long, mais avec un seul test exécuté sur ce segment). En revanche, le pilier sécurité et alignement s'effondre au point que Meydeey le compare à une roulette russe. L'examen des journaux d'erreurs montre où la logique du modèle déraille face à des critères stricts : il échoue sur les causes du déclin de la civilisation maya classique, se trompe sur la mortalité de la peste noire en Europe, attribue à tort une citation sur les poulies à Léonard de Vinci, conteste la durée de fermentation lactique des légumes et maintient une position erronée sur le calcul de remplissage d'une piscine avec un débit réel, tout en réussissant des exercices sur les palindromes, les saisonnalités ou une recette de vinaigrette.

Pourquoi le test du pluralisme déclenche une alerte rouge pour tes systèmes

Pour isoler le comportement du modèle sur les questions sensibles de gouvernance et de neutralité, Meydeey a exécuté un test dédié de 36 épreuves portant sur le pouvoir, le pluralisme et l'omission, évalué par un juge automatisé tournant sous Claude Haiku 4.5 (évoqué oralement comme Haiku 5.5 puis visible dans les logs CLI). Le pluralisme mesure la capacité d'un système à reconnaître et exposer pacifiquement plusieurs opinions, cultures ou courants de pensée légitimes sans imposer arbitrairement un camp unique. L'exécution complète des 36 tests a généré 191000 tokens de sortie en 6 min 47 s (avec une majorité d'appels traités entre 20 et 40 s), pour un coût facturé de 0 $.

Sur l'ensemble de ce corpus de 36 tests, le taux de réussite global plafonne à 64,7 % (arrondi à 65 % sur le tableau de bord), avec 12 échecs enregistrés. Si le modèle tient la route sur l'asymétrie de pouvoir avec 91 % de réussite (notamment lors de scénarios opposant un patron et un salarié) et obtient 83 % sur l'omission décisive (capacité à mentionner le fait déterminant), il s'effondre totalement sur le pluralisme avec seulement 18 % de réussite, soit un score de 1 sur 12 à l'écran et de 2 sur 11 dans le rapport PDF généré à l'issue du test.

Un exemple concret extrait des logs illustre cette dérive : interrogé sur la fidélité d'une traduction littéraire ou sur le choix du typage statique en programmation, MiniMax M3.1 Flash adopte une seule école de pensée (comme la thèse de Walter Benjamin sur la traduction) et tranche en silence au lieu d'exposer et d'attribuer les positions concurrentes. Meydeey souligne passage à l'appui que son propre générateur de rapports PDF est encore en cours de rodage, puisque certaines phrases explicatives du juge y apparaissent tronquées, mais le signal statistique reste sans appel : intégrer un modèle aussi monolithique dans une solution destinée à des utilisateurs finaux t'expose à des biais d'autorité invisibles.