大数据文摘出品 10月19日，国内AI公司 MiniMax 正式推出新一代推理模型 M3.1 Flash。官方给出的成绩单颇为亮眼：速度达到前代的约3倍，成本降至三分之一，智能体表现已触及前沿水平。 10月19日，稀宇科技发布MiniMax M3.1 Flash。号称：重新定义 Agent 的性能与成本。 然而，第三方评测机构 Artificial Analysis（AA）的实测报告却抛出了一个数字： 93%的幻觉率。 一、跑分与成本 评测地址： https://artificialanalysis.ai/zh/models/minimax-m3-1-flash 在 AA 的智能指数榜单上，M3.1 Flash 拿到42分，较前代 M3 的29分提升了13分。 这一成绩与 GLM-5.3 Flash 持平，略胜 Gemini 3.8 Flash， 但距离 DeepSeek V4.1 Flash-1017 的45分仍有一步之遥。 注：文中智能指数42分取自 Artificial Analysis 官方发布口径（max 推理档位）。其网页榜单因推理档位（effort）取值不同，同一模型可能显示 42–43 分，约 1 分浮动属正常口径差异；本文与 GLM-5.3 Flash（42）、Gemini 3.8 Flash（41）、DeepSeek V4.1 Flash-1017（45）的对比均在同一口径下进行，相对结论不受影响。 进步最显著的是复杂推理能力 ：在 Humanity's Last Exam 测试中，得分从39%提升至48%；物理推理基准 CritPt 更是从4%跃升至22%。 成本端的账本算得更为精明。AA 实测显示，其单任务成本约 0.22美元 ，不仅低于 GLM-5.3 Flash（0.28美元）和 DeepSeek（0.26美元），更是远低于 Gemini 3.8 Flash 的1.24美元。 省钱的秘诀之一在于“少说废话”：跑完整个评测，M3.1 Flash 仅输出了约1.89亿个 token，明显少于 GLM 的3.24亿和 Gemini 的3.34亿。 不过，关于降本幅度的说法存在温差： 官方宣称智能体成本下降70%，而 AA 实测约为57%，这主要是双方的计算口径不同所致。 在企业级基准测试 Automation-Bench 中，M3.1 Flash 拿下62.2分，微弱领先 DeepSeek 的60.5分。 但在编程能力的“天花板”较量上，对手依然占优：DeepSWE 测试中，DeepSeek 以77%的得分领先 MiniMax 的73.7%，在 Agents' Last Exam 中的差距则更为明显。 从底层架构来看，该模型采用总参数量428B、激活参数量约23B的 MoE 架构，支持100万 token 的上下文长度及图文多模态输入。 二、93%的幻觉率 真正有热度的，是它在事实问答上的表现。在 AA-Omniscience 测试中，M3.1 Flash 答对了56%的题目，成绩优于 DeepSeek（43%）和 GLM（28%）。 但问题在于，它几乎尝试回答了所有问题。在那些未能答对的题目中， 高达93%的情况是它直接给出了错误答案 ，导致综合得分仅为16分。 这里需要厘清一个统计口径：93%并非整体回答的错误率，它的分母是“所有未正确作答的题目”。通俗来说，这意味着模型在不知道答案时，极少会选择“坦白承认”。 横向对比更能说明问题：DeepSeek 的幻觉率为67%，表现出更强的拒答倾向。在事实检索、合规问答或财务分析等严肃场景中，“敢于说不知道”往往比“盲目给出答案”更关键。如果企业打算将其引入知识密集型工作流， 就必须额外配置校验机制、检索增强系统（RAG）、输出护栏或人工复核环节。 三、价格与开源 定价策略是此次发布的另一大看点。M3.1 Flash 的 API 定价为：每百万输入 token 0.15美元，输出 0.60美元，缓存输入更是低至 0.015美元；国内对应定价分别为 1元、4元和 0.1元。 不过，纸面上的价格优势在实际使用中还要打个问号。有实测指出，由于 DeepSeek 的缓存命中价格仅为 MiniMax 的五分之一，在高缓存负载下，两者的实际支付差价会缩小至21%；而在闲时，DeepSeek 反而要便宜40%。 值得一提的是，在正式发布前，该模型曾以“Space Bunny”为代号匿名上线测试，期间累计处理了超过200万亿个 token。 目前该模型已开源，据说上线72小时，已处理Token超过100万亿。 开源地址： Hugging Face：https://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash 魔搭社区：https://
觉得内容有价值？
分享给更多关注行业变化的朋友。
