MiniMax-M3.1-Flash 跑分出炉，成本砍半但幻觉率高达 93%

MiniMax-M3.1-Flash 在 Artificial Analysis 智能指数上得分 42，比 MiniMax-M3 高 13 分，且单任务成本不到后者的一半。它与 GLM-5.3-Flash 得分持平，但落后于 DeepSeek V4.1 Flash 1017。

MiniMax-M3.1-Flash 是 @MiniMax_AI 新推出的 Flash 推理模型，我们在其最高努力设置下进行了基准测试。它在 Artificial Analysis 智能指数上得分 42，与 GLM-5.3-Flash（max，42）持平，略高于 Gemini 3.8 Flash（high，41），但落后于 DeepSeek V4.1 Flash 1017（max，45）。

主要结论：

➤ 复杂推理能力相比 M3 大幅提升：MiniMax-M3.1-Flash 在 Humanity's Last Exam 上得分 48%，领先于 GLM-5.3-Flash（max，40%）和 DeepSeek V4.1 Flash 1017（max，43%），与 Gemini 3.8 Flash（high，48%）持平。在 CritPt 上得分 22%，领先于 GLM-5.3-Flash（15%）和 Gemini 3.8 Flash（18%），略低于 DeepSeek V4.1 Flash 1017（24%）。相比之下，MiniMax-M3 分别仅得 39% 和 4%。

➤ 输出 token 更少，单任务成本更低：MiniMax-M3.1-Flash 运行智能指数测试时使用了约 1.89 亿输出 token，远少于 GLM-5.3-Flash（max，约 3.24 亿）、DeepSeek V4.1 Flash 1017（max，约 2.24 亿）和 Gemini 3.8 Flash（high，约 3.34 亿）。结合每百万输入/输出 token 0.15/0.60 美元的定价，其单任务智能指数测试成本约为 0.22 美元，而 GLM-5.3-Flash 约为 0.28 美元，DeepSeek V4.1 Flash 1017 约为 0.26 美元，Gemini 3.8 Flash 约为 1.24 美元，且不到 MiniMax-M3 约 0.51 美元的一半。

➤ AA-Omniscience 准确率高，但幻觉率也高：MiniMax-M3.1-Flash 在 AA-Omniscience（我们衡量事实回忆与幻觉的基准测试）上正确回答了 56% 的问题，而 GLM-5.3-Flash（max）为 28%，DeepSeek V4.1 Flash 1017（max）为 43%。它几乎尝试回答所有问题，导致幻觉率高达 93%，AA-Omniscience 总分为 16。

模型关键信息：

➤ 上下文窗口：100 万 token

➤ 多模态：文本和图像输入，文本输出

➤ 定价：每百万输入/输出 token 0.15/0.60 美元，缓存输入为每百万 0.015 美元

➤ 可用性：MiniMax 官方 API，MiniMax 宣布将于 10 月 23 日开放权重发布

➤ 许可：目前为闭源权重，MiniMax 宣布将于 10 月 23 日发布权重