Новая модель MiniMax показала результаты в тестах

MiniMax выпустила M3.1 Flash — модель с рассуждениями. В Artificial Analysis Intelligence Index она получила 42 балла: на 13 больше предыдущей M3. По оценке Artificial Analysis, новая модель сравнялась с GLM-5.3-Flash, немного опередила Gemini 3.8 Flash с 41 баллом и уступила Deepseek V4.1 Flash 1017, набравшей 45. Профиль модели опубликован на сайте Artificial Analysis.

На тесте Humanity’s Last Exam M3.1 Flash набрала 48% против 43% у Deepseek; источник также сообщает, что результат выше, чем у GLM-5.3-Flash. В тесте по физике CritPt модель получила 22%: больше GLM-5.3-Flash с 15% и Gemini 3.8 Flash с 18%, но меньше Deepseek с 24%. В тесте AA-Omniscience на фактическую точность она правильно ответила на 56% вопросов — против 43% у Deepseek и 28% у GLM-5.3-Flash.

Меньше выходных токенов снизили стоимость тестовой задачи

По данным источника, стоимость задачи в тестах составляет около $0,22. Для сравнения, у Deepseek она равна $0,26: M3.1 Flash использовала около 189 млн выходных токенов против 224 млн у конкурента. MiniMax заявляет, что модель работает втрое быстрее M3.

Artificial Analysis оценила долю галлюцинаций модели в 93%. По объяснению организации, она пытается ответить на каждый тестовый вопрос, а не воздерживается от ответа при неуверенности. Это результат конкретной оценки, а не утверждение о частоте ошибок во всех сценариях. Описание теста CritPt доступно на странице бенчмарка.

Модель принимает текст и изображения, веса обещают открыть позже

M3.1 Flash поддерживает контекст до одного миллиона токенов и принимает текст и изображения. Цена API составляет $0,15 за миллион входных токенов и $0,60 за миллион выходных; для кэшированных входных токенов — $0,015 за миллион. API уже доступен на платформе MiniMax.

MiniMax планирует выпустить веса модели в открытом доступе 23 октября. Речь идёт о запланированном выпуске, а не о уже состоявшейся публикации весов.