10月19日，国内智能科技公司 MiniMax 正式推出了其新一代推理模型 M3.1 Flash。根据官方数据，M3.1 Flash 的性能令人瞩目，处理速度比前代产品提高了约三倍，成本也下降至原来的三分之一，智能体性能达到了业内领先水平。然而，第三方评测机构 Artificial Analysis（AA）发布的测试结果却引发了争议：该模型的幻觉率高达93%。

在评测中，M3.1 Flash 在智能指数排行榜上获得了42分，比前一代的 M3 提高了13分，与 GLM-5.3 Flash 持平，略高于 Gemini 3.8 Flash，但依然未能追上 DeepSeek V4.1 Flash-1017 的45分。要注意的是，42分是基于 Artificial Analysis 官方的量测标准，不同的推理参数设置可能导致同一模型的得分出现微小变化。M3.1 Flash 的显著进步体现在复杂推理能力上：在名为 Humanity's Last Exam 的测试中，其得分从39%提升至48%；而在物理推理基准 CritPt 中，得分更是从4%大幅跃升至22%。

在成本方面，该模型的单任务费用约为0.22美元，低于 GLM-5.3 Flash（0.28美元）和 DeepSeek（0.26美元），远低于 Gemini 3.8 Flash 的1.24美元。降低成本的有效方法之一是“言简意赅”：在整个评测过程中，M3.1 Flash 只生成了约1.89亿个标记，显著低于 GLM 的3.24亿和 Gemini 的3.34亿。然而，关于成本降低的具体数据仍存在差异：官方声称成本下降70%，但 AA 的测试结果显示约为57%，这主要源于不同的计算方式。在企业级基准测试 Automation-Bench 中，M3.1 Flash 的得分为62.2，略微领先于 DeepSeek 的60.5分。但在编程能力方面，它仍未超越对手：在 DeepSWE 测试中，DeepSeek 以77%的得分领先于 MiniMax 的73.7%。

从底层架构来看，M3.1 Flash 采用的是428B总参数量、约23B激活参数量的 MoE 架构，支持100万标记的上下文长度和图文多模态输入。

真正引起关注的是其在事实问答领域的表现。在 AA-Omniscience 测试中，M3.1 Flash 的正确答案率达到了56%，明显优于 DeepSeek（43%）和 GLM（28%）。问题在于，该模型几乎尝试回答了所有问题，而其错误回答的比例高达93%。这意味着，在未明确知道答案的情况下，它极少会选择“不知道”。与此相对比，DeepSeek 的幻觉率为67%，显得更加谨慎。在严谨的应用场景，如事实检索、合规问答或财务分析中，能够诚实地承认不知道往往比随意给出错误答案要重要得多。因此，如果企业希望将 M3.1 Flash 应用于知识密集型工作流，便需额外建立校验机制、检索增强系统或输出护栏，甚至是人工复核。

此外，M3.1 Flash 的定价策略同样引人关注。其 API 的定价为：每百万输入标记0.15美元，输出标记0.60美元，而缓存输入费用低至0.015美元；在国内市场，则分别对应于1元、4元和0.1元。不过，虽然在价格表面上看似占优，实际使用中的成本效益还有待考量。有实测指出，由于 DeepSeek 在缓存命中上的价格仅为 MiniMax 的五分之一，在高度缓存的情况下，两者的实际差距可能缩小至仅21%；而在低负载期间，DeepSeek 反而便宜40%。

值得一提的是，在正式发布前，M3.1 Flash 曾以“Space Bunny”作为代号进行了匿名测试，该模型在此期间已处理超过200万亿个标记。目前，该模型已经开源，据说在上线72小时内已处理超过100万亿个标记。