MiniMax M3.1 Flash 분석: 에이전트 성능, 공식 점수와 비용, 업그레이드할 만할까?

먼저 결론

MiniMax는 2026년 10월 19일 M3.1 Flash를 발표했습니다. 핵심은 목표 이해, 도구 호출, 소프트웨어 조작, 결과 확인으로 이어지는 긴 에이전트 작업을 더 낮은 비용으로 끝낼 수 있는지입니다.

이미 MiniMax를 쓰는 팀이라면 실제 업무에서 소규모 대조 평가부터 하는 편이 좋습니다. 공식 점수는 가능성을 보여 주지만, 기존의 모든 작업이 더 빠르고 저렴해진다는 보장은 아닙니다.

이 글은 공식 자료에 기반한 출시 분석입니다. TboxIO는 아래 벤치마크를 독립적으로 재실행하거나 실제 API 지연 시간을 측정하지 않았습니다. 정보 확인일은 2026년 10월 20일입니다.

무엇이 달라졌나?

발표에서는 복잡한 자동화, 소프트웨어 엔지니어링, 컴퓨터 사용과 보안 작업을 강조합니다. 에이전트는 전체 작업 흐름으로 평가해야 합니다. 올바른 문장 생성뿐 아니라 파일 사이의 일관성, 연속적인 도구 호출, 오류를 발견하고 수정하는 능력이 최종 결과를 결정합니다.

업무 시스템, 스프레드시트, 파일이나 코드 저장소를 다룬다면 설명의 유창함보다 무엇을 끝까지 완성했는지 확인해야 합니다.

공식 점수는 무엇을 측정하나?

다음은 모두 공급사가 공개한 수치입니다. 과제와 척도가 달라 하나의 평균 점수로 합쳐서는 안 됩니다.

벤치마크	M3.1 Flash 공식 결과	주요 평가 영역
BankerToolBench	76.2	다단계 계획, 파일 일관성과 도구 사용
DeepSWE v1.1	73.7%	코드 이해, 기능 구현·수정 및 검증
OSWorld V2	61.7	컴퓨터 조작과 앱 간 작업
Agents’ Last Exam (ALE)	29.6	실제 전문 업무의 복잡한 과제
CyberGym	82%	취약점 발견과 검증

저장소 유지보수에는 DeepSWE, 컴퓨터 조작과 전문 업무에는 OSWorld와 ALE가 다루는 과제가 참고가 됩니다. 그러나 이 점수가 자사 작업의 성공률을 뜻하지는 않습니다. 도구 환경, 단계 제한, 재시도 예산, 프롬프트와 채점 방식에 따라 결과가 바뀔 수 있습니다. 보안 점수도 특정 시스템에 대한 승인된 테스트와 사람의 검토를 대신하지 못합니다.

이전 M3와 어디까지 비교할 수 있나?

2026년 6월 1일자 M3 발표는 긴 컨텍스트, 멀티모달, 코딩과 에이전트를 강조했습니다. M3.1 Flash의 발표는 실행 효율과 사용 비용에 더 초점을 맞춥니다.

특히 두 가지를 혼동하지 않아야 합니다.

• M3는 SWE-Bench Pro, Terminal-Bench 2.1 등의 결과를 제시했고, 이번 발표 본문은 DeepSWE v1.1을 강조합니다. 서로 다른 시험 점수를 빼서 코딩 능력 향상 폭으로 해석할 수 없습니다.
• M3의 방법 설명은 OSWorld-Verified를 사용하며 최대 단계 수의 영향도 설명합니다. 이번에는 OSWorld V2입니다. 숫자의 높고 낮음만으로 발전이나 후퇴를 판단할 수 없습니다.

M3 대비 개선율을 정량화하려면 같은 데이터셋 버전, 에이전트 프레임워크와 예산으로 직접 비교해야 합니다. 이 글은 누락된 이전 점수를 만들어 내거나 서로 다른 기준을 개선율로 환산하지 않습니다.

가격과 속도를 실제 예산으로 보기

발표문이 공개한 API 단가는 100만 tokens당 다음과 같습니다. 통화는 미국 달러입니다.

항목	발표 당시 단가
입력	0.15달러
출력	0.60달러
캐시 입력	0.015달러

예를 들어 캐시되지 않은 입력 200만 tokens와 출력 50만 tokens를 쓰는 배치의 모델 token 요금은 약 0.60달러입니다. 입력 0.30달러와 출력 0.30달러를 합한 예시이며, 다른 서비스 비용은 포함하지 않습니다. 실제 청구는 플랫폼의 측정 사용량을 따릅니다.

MiniMax는 에이전트 작업의 전체 사용 비용이 이전 세대보다 70% 낮고 온라인 추론이 거의 세 배 빨라졌다고 주장합니다. 출력은 200+ tokens/초에 도달하며 P50은 170+ tokens/초라고 보고합니다. 이는 공급사의 발표 수치로, 개별 요청에 대한 보장은 아닙니다.

실무에서는 합격한 작업 한 건당 비용이 중요합니다. 반복 재시도, 방대한 도구 응답과 수작업 수정이 늘면 낮은 단가의 이점이 사라질 수 있습니다. 출력 처리량도 대기열, 도구 실행과 외부 시스템 대기를 포함한 전체 작업 시간과는 다릅니다.

누가 먼저 시험해 볼 만한가?

반복 업무가 있는 팀: 파일 정리, 보고서 초안, 코드 변경 제안처럼 되돌릴 수 있고 결과를 확인하기 쉬운 작업부터 시작합니다.

비용이나 처리량 제약이 있는 개발자: 현재 모델을 대조군으로 남기고 입력, 권한과 결과 승인 기준을 동일하게 맞춥니다.

컴퓨터 조작 기능 사용자: 소프트웨어 버전, 인터페이스 언어와 권한을 확인해야 합니다. 벤치마크 환경이 모든 업무 앱을 대표하지는 않습니다. 중요한 제출, 결제와 삭제에는 명시적인 확인을 유지하세요.

도입 전 대조 평가 절차

1. 과거 작업에서 일반 사례, 긴 절차와 알려진 실패 사례를 고릅니다.
2. 환경, 프롬프트, 최대 단계와 재시도 횟수를 고정하고 두 모델을 실행합니다.
3. 완료율, 수동 수정 횟수, 전체 소요 시간과 입력·출력·캐시 사용량을 기록합니다.
4. 특히 파일 수정과 시스템 간 작업에서 실패 후 안전하게 멈추는지 확인합니다.
5. 결과가 승인 기준을 충족한 뒤 트래픽을 점진적으로 늘립니다.

이렇게 하면 효율 주장뿐 아니라 공개 점수에 드러나지 않는 업무별 문제도 확인할 수 있습니다.

이용 방법과 가중치 공개 상태

발표문은 MiniMax API, M Plan과 MiniMax Code를 이용 경로로 제시합니다. 가중치는 추후 공개 예정이라고 명시하므로 API 제공 시작을 이미 가중치를 내려받을 수 있다는 뜻으로 쓰면 안 됩니다. 로컬 배포 전 공식 저장소, 라이선스와 실행 요구 사항을 확인해야 합니다.

우리의 판단은 긴 작업에서 완료 품질과 비용이 함께 개선되는지를 먼저 확인하자는 것입니다. 전면 전환은 자신의 업무 흐름으로 검증한 뒤 결정하는 편이 유용합니다.

출처와 비교 범위

• M3.1 Flash 공식 발표 (2026-10-19): 공식 점수, 속도, 발표 당시 요금과 이용 경로.
• M3 공식 발표 (2026-06-01): 이전 세대의 방향과 평가 방법. 서로 다른 점수를 직접 환산하기 위한 근거는 아닙니다.

가격, 제공 여부와 가중치 공개 상태는 바뀔 수 있습니다. 연동 또는 배포 시 최신 공식 정보를 확인하세요.