MiniMax M3.1 Flash продемонстрировал впечатляющие результаты в сравнении с другими моделями, в том числе с DeepSeek V4.1 Flash. 17 октября DeepSeek обновил V4.1 Flash-1017, а спустя два дня MiniMax выпустил M3.1 Flash, подтвердив связь с моделью Space Bunny.
M3.1 Flash занял первое место в Automation-Bench — тесте, включающем 600 реальных задач бизнес‑процессов от Zapier (продажи, маркетинг, операции, служба поддержки, финансы, HR). В BankerToolBench (ориентирован на финансовые операции и требует многошагового планирования и обработки данных) модель разделила первое место с Opus 5, набрав 76,2 %. В CyberGym M3.1 Flash достиг 82,2 %.
В тесте DeepSWE v1.1 результаты распределились так:
- DeepSeek — 77,0 %;
- M3.1 Flash — 73,7 %;
- Opus 5 — 74,0 %;
- GPT-5.6 Sol — 73,0 %.
В тесте ALE‑v1 Overall (152 задачи) M3.1 Flash показал процент прохождения 29,6 % при оценочной стоимости модели около 739 юаней. Для сравнения: GPT‑5.6 Sol показал процент прохождения около 30,6 %, а стоимость модели составила около 5000 юаней. Разница в проценте прохождения — около 1 %, в стоимости модели — около 7 раз.
В реальном тесте по созданию 3D‑кампуса в браузере на основе рукописного плана и таблицы размеров зданий M3.1 Flash справился за 55,4 минуты, тогда как DeepSeek V4.1 Flash — за 121 минуту (сокращение длительности сессии на 54 %). Обе комбинации (MiniMax Code + M3.1 Flash и OpenCode + DeepSeek V4.1 Flash) выполнили основные требования: сохранили редактируемые исходные файлы, экспортировали GLB‑модели, создали интерактивные веб‑страницы с поддержкой выбора зданий, просмотра деталей, позиционирования камеры и симуляции времени. При этом MiniMax разместил ключевые данные (номер здания, информация о площадке, переключение ракурса) на более заметных местах, добавил оранжевое выделение контура и всплывающие метки при выборе здания, а DeepSeek организовал информацию через список слева, панель деталей справа и временной слайдер внизу. Стоимость моделей в обоих случаях — около 6,5 юаня.
Ещё один тест провёл разработчик Hassan: требовалось создать посадочную страницу для релиза аппаратного продукта. Стоимость работы M3.1 Flash составила 0,014 доллара, Claude Opus 5.5 — 1,22 доллара. При этом M3.1 Flash выполнил задачу примерно в 4 раза быстрее.
Интеллектуальный индекс M3.1 Flash достиг 43 баллов (у M3 было 29 баллов — рост почти на 50 %). Стоимость выполнения задач снизилась с 0,51 доллара до 0,22 доллара. Пропускная способность M3.1 Flash составляет 29,6 %: модель ещё не может полностью заменить флагманские решения, но уже позволяет решать часть сложных задач без использования дорогих моделей.
Цены M3.1 Flash:
- 1 доллар за миллион токенов ввода;
- 4 доллара за миллион токенов вывода;
- 0,1 доллара за чтение из кэша.
По сравнению с M3 цены на ввод и вывод снизились примерно вдвое, на чтение из кэша — на 75 %. По сравнению с DeepSeek V4.1 Flash‑1017 цены M3.1 Flash в пик нагрузки составляют половину, в непиковое время — равны, без разделения на пик и непик.
Куш‑эффект MiniMax обеспечила высокая частота попадания в кэш — 98,1 %, что позволило снизить расходы при многократных вызовах.
Space Bunny 10 дней подряд лидировал по объёму использования на OpenRouter, суммарно обработал 56,7 Т Token. Общий объём обработанных данных в ходе тестов и использования — более 200 Т Token.
В будущем MiniMax планирует выпустить версию Pro с более высоким уровнем интеллекта. Уже сейчас Flash начинает вытеснять флагманские модели: часть задач, которые раньше требовали их использования, теперь можно выполнять с помощью более дешёвого Flash.
<<<CODE_BLOCK_N>>>
<<<IMG_N>>>
Подписаться в Макс