AA 实测 MiniMax-M3.1-Flash:知识准确率领先但幻觉率高达 93%
ArtificialAnlys · x · 2026-10-19
Artificial Analysis 发布 MiniMax-M3.1-Flash 的 AA-Omniscience(知识可靠性)评测结果:
- 准确率:56%,领先 GLM-5.3-Flash(28%)和 DeepSeek V4.1 Flash 1017(43%),与 Gemini 3.8 Flash(55%)持平
- 但代价是激进的作答策略:它尝试回答 98% 的问题,在不知道答案的题目上幻觉率高达 93%(对比 GLM 的 28%、DeepSeek 的 67%、Gemini 的 55%)
- 综合指数:AA-Omniscience Index 得 16 分,超过 GLM-5.3-Flash(8)和 DeepSeek(5),落后于 Gemini 3.8 Flash(30)
- 与上代反差巨大:MiniMax-M3 只尝试 35% 的问题、幻觉率 18%,但正确率仅 17%,指数只有 1 分
agentic 成绩则喜忧参半:AutomationBench-AA 得 73% 领先两家对手,但 GDPval-AA(1458 Elo)和 Terminal-Bench v4.0(26%)均落后于 GLM 和 DeepSeek。
所属事件:MiniMax-M3.1-Flash 评测出炉：智能指数42分、成本低廉但幻觉率偏高(9 条相关)→
「模型」频道最新
- 用户抱怨 Claude Docs 图表只能导出图片，数据不可移植 — BlackHC · 2026-10-20
- EMNLP 论文:痛苦裹进妄想后,LLM 安全干预骤降 4.5 倍 — MaartenSap · 2026-10-20
- 网络安全向 VLM 上榜 HF：OrcaCyber-Nano 支持逆向与函数调用 — orcarouter · 2026-10-20
- 0.8B 小模型加 2000 标注样本，本地跑赢 Jev 前沿 API — kalyan_kpl · 2026-10-20
- 26 款 TTS 模型实测:最快 46ms 出声,速度与自然度难兼得 — mattturck · 2026-10-20
- 亲测 agent 能驾驭未公开语言 Jai,连编译期执行都用上了 — lucasmeijer · 2026-10-20