200兆トークンもの処理が、誰にも気づかれないまま密かに実行されていた。世界中の何万人もの開発者が、数カ月もの間「ブラインドテストの審査員」を務めていたことにようやく気づいた。サードパーティのAPI利用プラットフォーム上に、かつて「Space Bunny（スペースバニー）」というコードネームの謎のモデルが現れていた。ベンダーの表記は一切ないにもかかわらず、膨大な高負荷プログラミングやデバッグのタスクを黙々とこなしていたのだ。2026年10月20日、その正体が明かされた。このモデルは中国のLLM企業MiniMaxによるもので、正式名称は「M3.1 Flash」である。
公式発表された主要データは業界に大きな衝撃を与えた。オンライン推論速度は従来の約3倍に達し、総合的なAPI利用コストは70%も低下した。長きにわたり、多くのモデルはベンチマークの試験スコアを誇示することに熱中してきた。だが企業が実際の業務に導入しようとすると、突きつけられるのは法外な請求書だった。M3.1 Flashは競争の本質を表舞台へと引き戻した。難問を解けるだけでなく、一般企業が採算ラインに乗るコストで使えるかどうかが問われているのだ。
匿名で200兆トークンを完走：「Space Bunny」が仮面を脱ぐまで
現在のAI領域において、公開テストセットでのスコア稼ぎはすっかり見慣れた光景となった。試験問題に過剰適合させてファインチューニングを繰り返すチームも少なくない。ランキング上のスコアは急上昇するものの、いざ実際のコード環境で走らせるとエラーを連発する。こうした現状に対し、MiniMaxは正反対の検証アプローチを選んだ。
彼らは初期モデルを「Space Bunny」と名付け、サードパーティのコードプラットフォームへ直接投入し、実際の現場環境で鍛え上げた。数カ月におよぶブラインドテストの中で、実際のユーザーが消費したトークン数は累計200兆を超えた。名声を伏せた長期の実戦運用によって、研究室ベンチマーク特有の偶然の誤差は洗い流された。警戒心のない現場での生きた利用実績こそ、厳選された試験問題よりも遥かに確かな説得力を持つ。
正式リリースに伴い、MiniMaxはAPIの提供を開始し、メンバーシッププラン「M Plan」やコーディング支援ツール「MiniMax Code」を公開した。さらに公式は、今後技術コミュニティに向けてモデルの重みをオープンソース化することも約束している。開発チームの姿勢は極めて明快だ。彼らが提供しようとしているのは、現場のデスクに座って今すぐ実務をこなせる「デジタル労働者」なのだ。
AIにPC操作を託すとき、企業の費用対効果は成立するか
一般的なユーザーのAIに対する認識は、往々にしてチャットボックスの枠内に留まりがちだ。しかし企業が真に求めているのは、数十ステップにわたる連続操作を完遂できるエージェント（Agent）である。例えば銀行業務において、顧客の海外送金を代行するタスクは、単に応答テキストを1行生成して済む話ではない。システムへログインして顧客情報を照会し、コンプライアンスリストを検証し、リアルタイム為替レートを取得したうえで、最終的な取引レコードを確定させる必要がある。
これらの一連のステップは密接に連動している。1歩進むごとに、モデルはこれまでのすべての操作ログをコンテキストに再入力して計算し直さなければならない。長大な呼び出しチェーンの中では、1件の業務処理で数百万トークンを消費することも珍しくない。もしトークンの単価が高止まりしていれば、企業は1件の処理ごとに数ドルもの計算コストを支払う羽目になる。
図：MiniMax M3.1 Flash と主要フロンティアモデルのベンチマーク成績および推論コストの比較。出典：MiniMax（公式技術ブログ）
M3.1 Flashはこのコスト構造を根底から再構築した。公式価格では、100万トークンあたりの入力がわずか0.15ドル、出力が0.60ドル。さらにコンテキストキャッシュを有効化すれば、入力コストは0.015ドルまで下がる。銀行業務でのツール呼び出し精度を検証するベンチマーク「BankerToolBench」では76.2点を記録した。圧倒的な低価格と安定したツール制御能力が合わさることで、自動化タスクはようやく採算ラインを突破した。
毎秒200トークン超の超高速生成：多段階操作から待ち時間を排除
自動化タスクを実行する際、コストと並ぶ最大のボトルネックとなるのが応答遅延（レイテンシ）だ。AIがデスクトップを操作して表計算を処理する際、マウスクリックのたびに待たされていては操作の連続性が途切れてしまう。待ち時間が長引くほど、ネットワークタイムアウトやアクションの同期ズレが発生する確率も跳ね上がる。
M3.1 Flashは出力速度を毎秒200トークン以上に引き上げ、中央値となるP50の速度も毎秒170トークン前後で安定している。数百トークンの構造化された操作コマンドなら、1秒余りで完全に生成できる。連続で数十回の操作を繰り返す自動化パイプラインにおいて、この待ち時間の短縮こそが処理の成否を分ける境界線となる。
図：MiniMax M3.1 Flash の各種実践的オペレーションおよび自動化テストセットにおけるスコア。出典：MiniMax（公式技術ブログ）
高スループットはエンジニアリング面で明確な優位性をもたらす。実際のOS環境をシミュレートする「OSWorld V2」テストにおいて、M3.1 Flashは61.7点を記録した。ソフトウェアエンジニアリングのバグ修正ベンチマーク「DeepSWE v1.1」では解決率73.7%を叩き出し、サイバーセキュリティの演習環境「CyberGym」でも解決率82%を達成した。高い応答頻度によって逐次タスクの停滞が解消され、自動化フローに淀みのない実行リズムが生まれた。
スコア稼ぎの限界：現場が求めるのは実際の生産性
ここ数カ月、技術コミュニティでは「ベンチマークスコアの形骸化」に関する議論が熱を帯びている。各所のフォーラムで多くのエンジニアが指摘するように、業界は一種の信頼性の危機に直面している。公開問題集の暗記で成績を上げたモデルが、実際の複雑な現場コードに直面するとエラーを連発する。見かけ倒しのハイスコアに失望した企業は、モデルの本格導入に二の足を踏んでいた。
こうした過剰な水増しを排除するため、業界ではより過酷な「エージェント最終試験（Agents’ Last Exam、ALE）」を設計した。このベンチマークは暗記で解ける一般知識問題を徹底的に排除し、未知の環境における複雑な推論能力だけをテストする。M3.1 FlashはALEで29.6点を獲得し、「AutomationBench-AA」でもトップクラスのモデル群に名を連ねた。公式発表によると、ALEとOSWorld V2の双方で中国産モデルとして首位を獲得したという。こうした実戦で鍛え抜かれたデータこそが、ベンチマークへの疑念に対する何よりの回答だ。
実用性と低価格を追求する動きはMiniMaxだけではない。同時期にInceptionチームが発表した「Mercury 3」モデルは、拡散モデル（Diffusion）のアーキテクチャを採用することで毎秒1068トークンという超高速生成を実現し、入力価格を100万トークンあたり0.10ドルに抑えた。アプローチの違いこそあれ、利用のハードルを極限まで下げるという方向性において、業界は稀に見る一致を見せている。高コストでパラメータを肥大化させただけのモデルは、市場から冷静な目で見られ始めている。
華美なスコア競争から実用的な労働力へ：ゲームのルールは変わった
テクノロジーを取り巻く過剰な幻想は薄れつつある。いかなるツールであれ、最終的には「見合うコストで、仕事を確実に完遂できるか」という問いに答えなければならない。MiniMax M3.1 Flashが持つ真の意義は、業界の視線を日々の運用という現実の採算表へと引き戻した点にある。
70%のコスト削減と約3倍の速度向上は、モデル競争の評価軸を決定的に塗り替えた。これからの産業エコシステムにおいて製品の命運を分けるのは、華やかなデモではない。無数のクリックや問い合わせ、データ移行といった地道な実務の中で、誰が利用者の実質コストを削減できるのか。試験会場から実際の仕事場へと向かう大転換は、まだ始まったばかりだ。
参考リンク：
- MiniMax公式技術ブログ：M3.1 Flash 発表告知と技術指標
- 匿名公開時の実稼働データ：Space Bunny
- Hacker News コミュニティ議論：モデルの推論速度とベンチマークの実効性について
- Inception Mercury 3 技術発表レポート
