MiniMax-M3.1-Flash 评测出炉：智能指数42分、成本低廉但幻觉率偏高

MiniMax 新一代 Flash 推理模型 MiniMax-M3.1-Flash 于 10 月 19 日获得 Artificial Analysis 完整评测与 Code Arena WebDev 榜单收录。综合成绩亮眼：智能指数 42 分，较 M3 高 13 分，与 GLM-5.3-Flash 持平、略高于 Gemini 3.8 Flash（41 分），在 173 个同类模型中排名第 4、远高于中位数 13；定价为 0.15 美元/百万输入 token，单任务成本约 0.22 美元。Code Arena WebDev 榜上以 1588 分位列开源第 12、总榜第 32，较上一代上涨 106 分，并推动 MiniMax 升至所有厂商第 12 名。当前结论是该模型以极低成本提供了第一梯队的综合智能，但可靠性存在明显短板。

已确认

• Artificial Analysis 智能指数 42 分，比 M3 高 13 分，与 GLM-5.3-Flash 持平，略高于 Gemini 3.8 Flash（41）
• 在 173 个模型中排第 4，中位数仅 13；输入定价 0.15 美元/百万 token，单任务成本约 0.22 美元
• AA-Omniscience 知识可靠性评测：准确率 56%，领先 GLM-5.3-Flash（28%）和 DeepSeek V4 系列，但幻觉率高达 93%
• Agentic 基准分化明显：AutomationBench-AA 得 73% 领先 GLM-5.3-Flash（max，60%）等，但终端与真实任务仍落后
• Artificial Analysis 已公布全部 10 项智能指数评测明细（AA-Briefcase、GDPval-AA、Terminal 等）
• Code Arena WebDev 榜开源第 12、总榜第 32，1588 分，较上代涨 106 分
• 用户实测解码速度 68.8105.7 tok/s、平均接近 100 tok/s、无 provider 报错，评价略慢于 DeepSeek-v4.1-flash

为什么重要

• 极低定价加上第一梯队智能指数，使其成为成本敏感场景的有力候选，单任务成本降幅对大规模部署意义重大
• 幻觉率 93% 与自动化基准领先并存的分化表现，提示使用者需按任务类型评估：自动化任务表现突出，但知识可靠性要求高的场景风险较大

2026-10-19 ~ 2026-10-19 · 9 条相关

• MiniMax-M3.1-Flash 实测近 100 tok/s,略逊 DeepSeek v4.1-flash — TheZachMueller · 2026-10-19
• 【源头】Code Arena WebDev 榜：MiniMax-M3.1-Flash 开源第 12、总榜第 32 — arena · 2026-10-19
• Code Arena 排行:MiniMax-M3.1-Flash 开源榜第 12,较上代涨 106 分 — cedric_chee · 2026-10-19
• MiniMax-M3.1-Flash 评测：智能指数 42 分，单任务成本降至约 0.22 美元 — ArtificialAnlys · 2026-10-19
• 【源头】MiniMax-M3.1-Flash 自动化基准得 73% 居首,但终端与真实任务仍落后 — ArtificialAnlys · 2026-10-19
• AA 实测 MiniMax-M3.1-Flash:知识准确率领先但幻觉率高达 93% — ArtificialAnlys · 2026-10-19
• Artificial Analysis 公布 MiniMax-M3.1-Flash 全部 10 项评测明细 — ArtificialAnlys · 2026-10-19
• 【源头】MiniMax-M3.1-Flash 登 Artificial Analysis 智能指数第 4,输入每百万 token 仅 0.15 美元 — ArtificialAnlys · 2026-10-19

另有 1 条近重复转述:ArtificialAnlys