MiniMax M3.1 Flash 被疑刷榜：AA 新版索引下分数暴跌 22 分
rickasaurus · x · 2026-10-29
X 用户质疑 MiniMax M3.1 Flash 「凭空」在 Artificial Analysis 的 Omniscience 基准上变成天才，疑似存在刷榜行为（benchmaxxing）。
其推理线索：该基准是闭源的，6000 题只公开 600 题，没有真正的知识面提升很难作弊。对比时间线：6 月 1 日 M3 发布，6 月 4 日 AA 出分，6 月 12 日权重才公开；而 10 月 19 日 M3.1-Flash 发布时仅 1 小时就出现在 AA 页面（DeepSeek 通常要 1-2 天），疑似提前接触评测。
配图为 AA-Omniscience Index v1→v1.1 对比：新版移除饱和题后，MiniMax M3.1-Flash 分数暴跌 -22.0，是 28 个对比模型中跌幅最大的（Qwen3.8 27B 为 -3.6），佐证其 v1 高分可能来自对已知题型的过拟合。未证实，属可信爆料性质。
「模型」频道最新
- Particle-1 推理服务上线 OpenRouter,输出 token 省 28-52% — ycombinator · 2026-10-29
- 传 Anthropic 新模型 Fable 5.5 将于 11 月 10 日前后发布 — imjustnewatai · 2026-10-29
- H-Net 新版实现 3-5 倍效率提升，探索直接从原始字节学习 — omarsar0 · 2026-10-29
- 菲尔兹奖得主实测 ChatGPT 5.5 Pro:17分钟把指数界降为多项式 — ChrSzegedy · 2026-10-29
- 未来 15-20 天模型密集发布：Qwen 4、GLM-5.5 Flash、DeepSeek V4.1 在路上 — haider1 · 2026-10-29
- Anthropic 封禁蒸馏后，中国实验室转向 GPT-6 Astra 蒸馏 — rohanpaul_ai · 2026-10-29