专题 · FULL STORY

MiniMax-M3.1-Flash:从匿名评测到开源

MiniMax 新一代 Flash 推理模型先以「Space Bunny」匿名身份获得 Artificial Analysis 完整评测,智能指数排名第 4 但 93% 的幻觉率引发担忧。随后官方证实身份并正式开源 428B MoE、1M 上下文的模型权重,vLLM 同日提供 Day-0 支持,部署生态迅速就位。

2026-10-19 ~ 2026-10-23 · 3 集 · 21 条

第 1 集 · MiniMax-M3.1-Flash 获完整评测：智能指数第 4，幻觉率 93% 引忧(2026-10-19,9 条)

MiniMax 新一代 Flash 推理模型 MiniMax-M3.1-Flash 于 10 月 19 日获得 Artificial Analysis 完整评测并被 Code Arena WebDev 榜收录。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

第 2 集 · MiniMax 开源 M3.1-Flash：428B 多模态 MoE、1M 上下文(2026-10-23,8 条)

MiniMax 于 10 月 23 日正式开源 MiniMax-M3.1-Flash 并开放权重。官方证实，此前以 "Space Bunny" 匿名身份预训练、消耗 200T+ token 的模型正是 M3.1-Flash，它是 MiniMax-M3 的升级版。这是又一个大参数量开源多模态 MoE 模型，超长上下文加原生稀疏注意力与 Agent/computer use 定位，显示开源模型正直接瞄准工具调用与自动化工作流等前沿场景。

已确认

  • 模型为原生多模态 MoE 架构，总参数约 428B，每 token 激活 23B。支持 100 万 token 上下文，并全程采用稀疏注意力（帖中提及 Block-sparse 类机制）。
  • 定位面向编码、agentic 工作流与 computer use 场景，官方称其在 agentic 任务、编码与网络安全能力上表现突出。转发帖引述的官方评测成绩包括 BankerToolBench 76.2、DeepSWE v1.1 73.7% 等。
  • 权重已在 Hugging Face（MiniMaxAI/MiniMax-M3.1-Flash）与 ModelScope 上线。
  • 生态支持：Together AI 作为 day-0 发布伙伴提供全托管 API；vLLM 发布当天完成支持，服务栈原生支持 NVFP4 KV 缓存、NVFP4 MoE 权重及 DSpark 投机解码，主打低成本高吞吐；英伟达 NeMo 提供 128 卡微调支持；转发帖另称英伟达 Rubin 平台首发支持。
  • 据 @lipeng0820 观察，MiniMax 官网同步更新了完整产品矩阵，集中上架多款标注 NEW 的模型：LLM 方面有 M3.1 Flash（低成本开放权重高效模型）与 M3（开放权重通用全模态生成模型），视频模型 H3 等也一并亮相。

尚未确认

  • Reddit 用户 @mrtime777 指出最初发现时帖内暂无评测数据与细节；后续转发帖给出的评测数字、Rubin 平台支持等说法，其原文细节与定价仍待官方完整公布与验证。

为什么重要

通过匿名预训练（"Space Bunny"）积累 200T+ token 训练量后再揭晓身份的做法为发布增加了话题度；而 Together、vLLM、英伟达等 day-0 生态支持（NVFP4 量化栈、NeMo 微调、Rubin 平台适配）显著降低了部署与二次开发门槛。加上官网同步曝光的 M3、H3 等新品，MiniMax 正在多模态与视频生成方向上展开一轮密集的产品化布局。

第 3 集 · vLLM Day-0 支持 MiniMax M3.1 Flash，NVFP4 显著提升部署效率(2026-10-23,4 条)

vLLM 官方宣布对 MiniMax M3.1 Flash 的 Day-0 服务支持，涵盖 AMD 加速、DSpark 推测解码与 RL 训练支持。原生 NVFP4 低精度使 checkpoint 从 MXFP8 的 451.5 GB 明显缩减，权重缩小 44.6%，256K 长上下文下并发容量提升 2.7 倍。在 NVIDIA Vera Rubin NVL72 上实现每 GPU 191.5k tok/s 吞吐、单用户解码 724.9 tok/s。评测方面，BabyVision（带工具）91.0 分、CharXiv RQ 82.5 分、HLE 48%、BankerToolBench 76.15。