BenchLeader

GPT-5.4 Nano vs MiniMax M3.1 Flash

完整资料:GPT-5.4 Nano(OpenAI)和 MiniMax M3.1 Flash(MiniMax),包括全部基准测试、价格和排名。

更新于 · 数据来自 10 个来源

截至 2026年11月16日,GPT-5.4 Nano 与 MiniMax M3.1 Flash 的质量不相上下(BenchLeader Index 53.9 比 54.3,在 ±9.9 的误差范围内)。MiniMax M3.1 Flash 更便宜,对方的价格是它的 1.8 倍(每百万 token 混合价格 $0.262 比 $0.463)。看重智能体与工具(61 比 55)选 GPT-5.4 Nano;看重多模态(62 比 47)、推理(50 比 38)和编程(55 比 49)选 MiniMax M3.1 Flash。

要点(截至 2026年11月16日)

  • GPT-5.4 Nano 的 BenchLeader Index 为 53.9,MiniMax M3.1 Flash 为 54.3(BenchLeader,2026年11月16日)。
  • GPT-5.4 Nano 每百万 token 混合价格为 $0.463(标价,2026年11月16日)。
  • MiniMax M3.1 Flash 每百万 token 混合价格为 $0.262(标价,2026年11月16日)。
  • 在两者都有结果的 12 项基准测试中,MiniMax M3.1 Flash 领先 12 项(BenchLeader,2026年11月16日)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程MiniMax M3.1 Flash类别得分 55 比 49;SciCode (AA) 53.4% 比 47.2%中
智能体与工具调用GPT-5.4 Nano类别得分 61 比 55;GDPval-AA v2.1 954 比 1465中
推理MiniMax M3.1 Flash类别得分 50 比 38;Humanity's Last Exam (AA) 48.0% 比 28.3%高
长文档MiniMax M3.1 Flash类别得分 65 比 63;AA-LCR v1.1 79.7% 比 76.7%中
图像及其他媒体MiniMax M3.1 Flash类别得分 62 比 47;MMMU-Pro 79.1% 比 65.4%高
成本最低MiniMax M3.1 Flash每百万 token 混合价格 $0.262 比 $0.463;智能体编程会话 $0.011 比 $0.017–
首次回答最快MiniMax M3.1 Flash首个回答 token 43.3 秒(MiniMax M3.1 Flash)比 61.3 秒(GPT-5.4 Nano (xhigh))–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • GPT-5.4 Nano (xhigh) 与 MiniMax M3.1 Flash 的质量不相上下(53.9 比 54.3,在 ±9.9 的误差范围内)。
  • GPT-5.4 Nano (xhigh) 在智能体与工具方面更强。
  • MiniMax M3.1 Flash 在编程、长上下文、多模态、推理方面更强。
  • MiniMax M3.1 Flash 更便宜,对方的价格是它的 1.8 倍(每百万 token 混合价格 $0.262 比 $0.463)。

概览

规格GPT-5.4 NanoMiniMax M3.1 Flash
提供商OpenAIMiniMax
发布日期2026年3月17日2026年10月19日
上下文窗口(token)400,0001,000,000
对比时的配置GPT-5.4 Nano (xhigh)MiniMax M3.1 Flash
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$0.200 / $1.25 / $0.020$0.150 / $0.600 / $0.015

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别GPT-5.4 Nano (xhigh)MiniMax M3.1 Flash领先者
推理37.950.1MiniMax M3.1 Flash
编程49.455.4MiniMax M3.1 Flash
智能体与工具60.855.2GPT-5.4 Nano
知识–45.9无法比较
指令遵循74.1–无法比较
多模态47.461.5MiniMax M3.1 Flash
长上下文62.964.5MiniMax M3.1 Flash

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程智能体与工具长上下文多模态GPT-5.4 Nano, 推理: 37.9GPT-5.4 Nano, 编程: 49.4GPT-5.4 Nano, 智能体与工具: 60.8GPT-5.4 Nano, 长上下文: 62.9GPT-5.4 Nano, 多模态: 47.4MiniMax M3.1 Flash, 推理: 50.1MiniMax M3.1 Flash, 编程: 55.4MiniMax M3.1 Flash, 智能体与工具: 55.2MiniMax M3.1 Flash, 长上下文: 64.5MiniMax M3.1 Flash, 多模态: 61.5

未绘制(测得的模型少于两个):数学, 知识, 指令遵循, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 12 项基准测试中,GPT-5.4 Nano 领先 0 项,MiniMax M3.1 Flash 领先 12 项。

综合 IndexGPT-5.4 Nano (xhigh)MiniMax M3.1 Flash领先者
BenchLeader Index53.954.3不相上下

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标GPT-5.4 Nano (xhigh)MiniMax M3.1 Flash
每百万 token 混合价格$0.463$0.262
每百万 token 输入 / 输出$0.200 / $1.25$0.150 / $0.600
每百万 token 缓存输入$0.020$0.015
每项任务价格:聊天回复$0.0005$0.0002
每项任务价格:总结一份 30 页的报告$0.0032$0.0022
每项任务价格:代码编辑$0.0031$0.0018
每项任务价格:智能体编程会话$0.017$0.011
每项任务价格:结构化信息提取$0.0007$0.0004
智能体编程会话(输入大多命中缓存)$0.0089$0.0053
每项基准测试任务成本(AA Index)–$0.491
每项任务输出 token(AA Index)–138k
其中推理部分–103k
每项任务耗时(AA Index)–15 min
输出速度145 tok/s151 tok/s
首次回答时间61.3 秒43.3 秒
完整回答耗时(最近一次测量 2026年11月13日)185.1 秒141.5 秒

每个模型都按其排名最高的推理强度设置进行对比。GPT-5.4 Nano (xhigh) 得分 53.9,首个回答 token 需 61 秒;GPT-5.4 Nano (medium) 为 51.4(6 秒),GPT-5.4 Nano (high) 为 48.3(1 秒)。MiniMax M3.1 Flash 得分 54.3,首个回答 token 需 43 秒。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 126 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方GPT-5.4 Nano (xhigh)MiniMax M3.1 Flash
BenchLeader IndexBenchLeader53.954.3
智能体与工具得分BenchLeader60.855.2
编程得分BenchLeader49.455.4
指令遵循得分BenchLeader74.1–
长上下文得分BenchLeader62.964.5
多模态得分BenchLeader47.461.5
推理得分BenchLeader37.950.1
知识得分BenchLeader–45.9
混合价格(美元/百万 token)BenchLeader$0.463$0.262
输出速度BenchLeader145 tok/s151 tok/s
首次回答时间BenchLeader61.3 秒43.3 秒
上下文窗口BenchLeader400,000 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub78.5%†–
Arena Hard PromptsArena (LMArena)1421†–
LiveBench 2.0 ReasoningLiveBench–82.9%†
LiveBench 1.0 ReasoningLiveBench81.1%–
GPQA Diamond (AA)Artificial Analysis81.7%–
Humanity's Last Exam (AA)Artificial Analysis28.3%48.0%
HLE-Diamond (AA)Artificial Analysis–28.1%
GPQA Diamond (Vals)Vals AI77.5%†–
Kagi LLM BenchmarkKagi LLM Benchmark39.7%†–
ARC-AGI-1ARC Prize51.5%–
ARC-AGI-2ARC Prize5.7%–
CritPtArtificial Analysis9.3%22.3%
CritPt v2 hard subset (AA)Artificial Analysis–32.5%
Arena ExpertArena (LMArena)1436†–
Chess PuzzlesEpoch AI Benchmarking Hub45.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub6.0%†–
LMCAEpoch AI Benchmarking Hub36.9%–
DTBenchEpoch AI Benchmarking Hub80.3%–
ForecastBenchForecastBench58.6%†–
编程
SciCodeSciCode47.2%–
WeirdMLWeirdML49.2%†–
Arena CodingArena (LMArena)1460†–
Arena WebDevArena (LMArena)–1584
LiveBench 2.0 CodingLiveBench–68.8%†
LiveBench 1.0 CodingLiveBench70.8%–
显示全部 126 项基准测试
指标发布方GPT-5.4 Nano (xhigh)MiniMax M3.1 Flash
编程
SciCode (AA)Artificial Analysis47.2%53.4%
LiveCodeBenchVals AI84.0%†–
SWE-bench (Vals)Vals AI69.8%†–
Code MigrationVals AI14.5%†–
Vibe Code Bench v1.1Vals AI26.1%†73.9%†
Vibe Code Bench 1-100 v1.1Vals AI–19.8%†
SWE-Bench Pro V2Scale AI SEAL–96.6%†
SWE-Bench Pro V2 HARDScale AI SEAL–84.3%†
ALE-BenchEpoch AI Benchmarking Hub1004.5†–
Terminal-Bench 4.0 (AA)Artificial Analysis0.5%25.8%
Terminal-Bench 2.1 (AA)Artificial Analysis60.7%–
GameBench 2 by reasoning settingDuelLab GameBench 231.1†30.3†
Design Arena WebsiteDesign Arena–1277
FrontierCode 1.1 (AA)Artificial Analysis–38.6%
FrontierCode 2.0 (AA)Artificial Analysis–20.8%
智能体与工具
Arena AgentArena (LMArena)–-2.7
LiveBench Long AgenticLiveBench–25.7%†
LiveBench BrowserLiveBench–80.6%†
LiveBench Agentic CodingLiveBench46.8%–
Terminal-Bench HardArtificial Analysis42.4%–
τ²-Bench Telecom (AA)Artificial Analysis76.0%–
Terminal-Bench 2.1 (Vals)Vals AI41.6%†–
HiL-BenchScale AI SEAL–65.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis–47.9%
GDPval-AA v2.1Artificial Analysis9541465
τ³-Banking (AA)Artificial Analysis27.4%–
ITBench SRE (AA)Artificial Analysis24.4%–
APEX-Agents (AA)Artificial Analysis24.9%–
Finance Agent v2Vals AI38.2%†–
Finance Agent v2.1Vals AI–58.8%†
Harvey's Legal Agent Benchmark v1.1Vals AI–7.5%†
Harvey's Legal Agent Benchmark v1Vals AI0.0%†–
Legal Research BenchVals AI6.3%†34.1%†
Tax Agent BenchVals AI5.0%†32.1%†
Terminal-Bench 2.0 (Vals)Vals AI39.9%†–
Terminal-Bench 4.0 (Vals)Vals AI–25.3%†
Arena Agent Task CompletionArena (LMArena)–-0.7
AutomationBenchArtificial Analysis6.0%72.5%
GDP.pdf (AA)Artificial Analysis7.8%20.8%
EnterpriseOps-GymArtificial Analysis31.5%–
AA-Briefcase v1.1Artificial Analysis6741474
GDPxGDPx by SemiAnalysis–4.0%†
Design Arena AgenticDesign Arena–1252
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–3.3%
MKA (AA)Artificial Analysis–33.5%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub44.9%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub12.2%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub87.8%†–
ProofBenchVals AI5.0%†–
LiveBench MathematicsLiveBench91.0%–
AIME (Vals)Vals AI88.8%†–
Arena MathsArena (LMArena)1424†–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub11.7%†–
LiveBench 2.0 Data AnalysisLiveBench–71.4%†
LiveBench ResearchLiveBench–76.7%†
LiveBench 1.0 Data AnalysisLiveBench67.6%–
AA-Omniscience v1.1Artificial Analysis–-6.4
MMLU-ProVals AI77.2%†–
LegalBenchVals AI77.9%†–
CorpFinVals AI61.2%†–
TaxEvalVals AI67.4%†–
PRBench FinanceScale AI SEAL–45.6%
PRBench LegalScale AI SEAL–45.1%
CaseLaw v2Vals AI51.9%†–
Excel Modeling BenchmarkVals AI44.8%†–
Excel Modeling Benchmark v1.1Vals AI–67.8%†
MedCodeVals AI41.0%†–
MedScribeVals AI77.1%†–
Access to Justice BenchmarkVals AI–73.3%†
AA-Omniscience v1.1: accuracyArtificial Analysis–45.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–6.3%
指令遵循
LiveBench LanguageLiveBench62.5%–
LiveBench Instruction FollowingLiveBench67.2%–
IFBenchArtificial Analysis75.9%–
Arena Instruction FollowingArena (LMArena)1386†–
人类偏好
Arena TextArena (LMArena)1401†–
Arena Creative WritingArena (LMArena)1337†–
Arena Multi-turnArena (LMArena)1414†–
Arena Longer QueriesArena (LMArena)1403†–
多模态
Arena VisionArena (LMArena)1196†–
LiveBench DesignLiveBench–71.2%†
MMMU-ProArtificial Analysis65.4%79.1%
MMMU-Pro (Vals)Vals AI73.6%†–
MortgageTaxVals AI59.1%†–
SAGEVals AI–85.3%†
VIALS-AAHandshake AI–29.8%
长上下文
AA-LCR v1.1Artificial Analysis76.7%79.7%
MLCRArtificial Analysis16.1%16.7%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub146.4†–
LiveBench 2.0LiveBench–63.7%†
LiveBench 1.0LiveBench69.6%–
AA Intelligence Index v5.0.1Artificial Analysis–29.1
AA Intelligence Index v4.3.2Artificial Analysis20.742.7
AA Progress Index v1Artificial Analysis270.1317.6
Vals IndexVals AI–53.8†
Vals Finance IndexVals AI–55.9%†
Vals Multimodal IndexVals AI47.6%†–
Vals Router IndexVals AI–53.8%
Vals Legal IndexVals AI–67.1%†
安全与诚实
FORTRESSScale AI SEAL–52.1%
元数据
AA Openness IndexArtificial Analysis–27.8

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • MiniMax M3.1 Flash:BenchLeader Index 53.7 → 54.3。
  • GPT-5.4 Nano (xhigh):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • MiniMax M3.1 Flash:BenchLeader Index 54.3 → 53.7。
  • MiniMax M3.1 Flash:1 项分数修订。
  • MiniMax M3.1 Flash:6 项分数修订。
  • MiniMax M3.1 Flash:BenchLeader Index 53.0 → 54.3。
  • MiniMax M3.1 Flash:1 项新结果(HiL-Bench)。
  • MiniMax M3.1 Flash:BenchLeader Index 52.0 → 53.0。
  • MiniMax M3.1 Flash:2 项新结果(PRBench Finance, PRBench Legal)。
  • MiniMax M3.1 Flash:1 项分数修订。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

GPT-5.4 Nano vs MiniMax M3.1 Flash:常见问题

GPT-5.4 Nano 比 MiniMax M3.1 Flash 更好吗?
GPT-5.4 Nano (xhigh) 与 MiniMax M3.1 Flash 的质量不相上下(53.9 比 54.3,在 ±9.9 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
GPT-5.4 Nano 和 MiniMax M3.1 Flash 哪个更便宜?价格会变吗?
目前 MiniMax M3.1 Flash 更便宜:每百万 token $0.262 比 $0.463(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 GPT-5.4 Nano 还是 MiniMax M3.1 Flash 更好?
MiniMax M3.1 Flash 在编程方面得分更高(类别得分 55 比 49,50 为平均水平)。
GPT-5.4 Nano 和 MiniMax M3.1 Flash 哪个更快?
MiniMax M3.1 Flash 输出更快(输出 151 比 145 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-5.4 Nano 还是 MiniMax M3.1 Flash 更好?
GPT-5.4 Nano 在智能体任务方面得分更高(类别得分 61 比 55,50 为平均水平)。
更多问题(4)
处理长文档哪个更好?
MiniMax M3.1 Flash 在长上下文基准测试上得分更高(65 比 63)。MiniMax M3.1 Flash 支持更长的上下文:1,000,000 token,GPT-5.4 Nano 为 400,000 token。
哪个延迟更低?
MiniMax M3.1 Flash 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 43.3 秒比 61.3 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 GPT-5.4 Nano 和 MiniMax M3.1 Flash 的看法一致吗?
在两者都有结果的 12 项基准测试中,GPT-5.4 Nano 领先 0 项,MiniMax M3.1 Flash 领先 12 项。
MiniMax M3.1 Flash 是什么时候发布的?
MiniMax M3.1 Flash 于 2026年10月19日 发布。