MiniMax M3.1 Flash 发布 推理评分升至 42 分

MiniMax 推出推理模型 M3.1 Flash，在 Artificial Analysis 的 Intelligence Index 取得 42 分，较前代 M3 高 13 分，而每项任务成本不足前代一半。这个分数与 GLM-5.3-Flash 持平，略高于 Gemini 3.8 Flash 的 41 分，但仍落后 Deepseek V4.1 Flash 1017 的 45 分。

复杂推理进步最大
在测试复杂推理的「Humanity’s Last Exam」中，M3.1 Flash 取得 48% 得分，同时高于 Deepseek 与 GLM。针对研究级物理推理的 CritPt 基准，该模型在 71 条复杂题目中取得 22%，高于 GLM-5.3-Flash 的 15% 及 Gemini 3.8 Flash 的 18%，仅次于 Deepseek 的 24%。事实准确度方面，M3.1 Flash 在 AA-Omniscience 测试中答对 56% 题目，明显高于 GLM-5.3-Flash 的 28% 及 Deepseek 的 43%。该模型的幻觉率达 93%，属明显弱点，原因是它倾向回答所有测试题目，而非在不确定时表明无法作答。输出 Token 较少压低成本
M3.1 Flash 的输出 Token 数量远少于竞争对手，令每项任务成本降至约 0.22 美元。MiniMax 表示，其运行速度为 M3 的三倍。在 DeepSWE v1.1 测试中，该模型得分最高达 73.7%，每项任务成本低于 0.30 美元。

百万 Token 上下文与 API 收费
模型支持最多 100 万个 Token 上下文，可接收文字及图像输入。API 定价为每百万输入 Token 0.15 美元、每百万输出 Token 0.60 美元，缓存输入为 0.015 美元。MiniMax 计划于 10 月 23 日以开放权重形式释出模型；API 已在 platform.minimax.io 上线，公司同时提供名为 MiniMax Code 的桌面应用程序。

与 Deepseek 各有领先
与近期推出的 Deepseek V4.1 Flash 1017 直接比较，两款模型并非全面分出高下。Deepseek 在 Intelligence Index 以 45 分领先 MiniMax 的 42 分，在 CritPt 基准亦以 24% 稍胜 MiniMax 的 22%。

MiniMax 在其他测试中领先：「Humanity’s Last Exam」取得 48%，Deepseek 为 43%；AA-Omniscience 事实准确度为 56%，Deepseek 为 43%。由于整个基准测试所需的输出 Token 较少，MiniMax 每项任务成本为 0.22 美元，低于 Deepseek 的 0.26 美元；两者输出 Token 分别约为 1.89 亿个及 2.24 亿个。两款模型均将推出开放权重版本，Deepseek 已在 Hugging Face 上架，MiniMax 则于 10 月 23 日跟随。