BenchLeader

GPT-6 Astra vs MiniMax M3.1 Flash

完整资料:GPT-6 Astra(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 13 个来源

截至 2026年11月16日,质量上 GPT-6 Astra 领先 MiniMax M3.1 Flash(BenchLeader Index 67.3 比 54.3)。不过,MiniMax M3.1 Flash 更便宜,对方的价格是它的 76 倍(每百万 token 混合价格 $0.262 比 $20.00)。在两者都有成绩的所有类别中,GPT-6 Astra 均领先。MiniMax M3.1 Flash 输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • GPT-6 Astra 的 BenchLeader Index 为 67.3,MiniMax M3.1 Flash 为 54.3(BenchLeader,2026年11月16日)。
  • GPT-6 Astra 每百万 token 混合价格为 $20.00(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)。
  • MiniMax M3.1 Flash 比 GPT-6 Astra 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 28 项基准测试中,GPT-6 Astra 领先 27 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,GPT-6 Astra 的评分为 1764,MiniMax M3.1 Flash 为 1584(LMArena,截至 2026年11月16日 的公布数据)。

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GPT-6 Astra类别得分 73 比 55;Arena WebDev 1764 比 1584高
智能体与工具调用GPT-6 Astra类别得分 64 比 55;Arena Agent 14.5 比 -2.7高
推理GPT-6 Astra类别得分 72 比 50;HLE-Diamond (AA) 63.8% 比 28.1%高
知识GPT-6 Astra类别得分 72 比 46;AA-Omniscience v1.1 42.4 比 -6.4高
长文档均可类别得分 65 比 65;AA-LCR v1.1 80.7% 比 79.7%均可
图像及其他媒体GPT-6 Astra类别得分 66 比 62;MMMU-Pro 86.9% 比 79.1%中
对话质量(人类偏好)–只有 GPT-6 Astra 有 Arena 评分(类别得分 66)无法比较
成本最低MiniMax M3.1 Flash每百万 token 混合价格 $0.262 比 $20.00;智能体编程会话 $0.011 比 $0.800–
首次回答最快MiniMax M3.1 Flash首个回答 token 43.3 秒(MiniMax M3.1 Flash)比 198.4 秒(GPT-6 Astra (max))–
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

  • 质量上 GPT-6 Astra (max) 领先:67.3 比 54.3。
  • GPT-6 Astra (max) 在智能体与工具、编程、知识、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 76 倍(每百万 token 混合价格 $0.262 比 $20.00)。
  • MiniMax M3.1 Flash 的输出速度是对方的 3.7 倍(151 比 41 token/秒)。

概览

规格GPT-6 AstraMiniMax M3.1 Flash
提供商OpenAIMiniMax
发布日期2026年9月2日2026年10月19日
上下文窗口(token)1,050,0001,000,000
对比时的配置GPT-6 Astra (max)MiniMax M3.1 Flash
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$10.00 / $50.00 / $1.00$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-6 Astra (max)MiniMax M3.1 Flash领先者
推理72.450.1GPT-6 Astra
编程73.255.4GPT-6 Astra
智能体与工具63.955.2GPT-6 Astra
数学70.8–无法比较
知识72.345.9GPT-6 Astra
人类偏好66.2–无法比较
多模态65.661.5GPT-6 Astra
长上下文65.064.5持平
综合71.3–无法比较

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知识长上下文多模态GPT-6 Astra, 推理: 72.4GPT-6 Astra, 编程: 73.2GPT-6 Astra, 智能体与工具: 63.9GPT-6 Astra, 知识: 72.3GPT-6 Astra, 长上下文: 65.0GPT-6 Astra, 多模态: 65.6MiniMax 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, 知识: 45.9MiniMax 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, 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 28 项基准测试中,GPT-6 Astra 领先 27 项,MiniMax M3.1 Flash 领先 1 项。所有同时评测两者的综合评分都认为 GPT-6 Astra 更强。

综合 IndexGPT-6 Astra (max)MiniMax M3.1 Flash领先者
BenchLeader Index67.354.3GPT-6 Astra
AA Intelligence Index v5.0.156.929.1GPT-6 Astra
Vals Index65.053.8†GPT-6 Astra

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-6 Astra (max)MiniMax M3.1 Flash
每百万 token 混合价格$20.00$0.262
每百万 token 输入 / 输出$10.00 / $50.00$0.150 / $0.600
每百万 token 缓存输入$1.00$0.015
每项任务价格:聊天回复$0.019$0.0002
每项任务价格:总结一份 30 页的报告$0.150$0.0022
每项任务价格:代码编辑$0.135$0.0018
每项任务价格:智能体编程会话$0.800$0.011
每项任务价格:结构化信息提取$0.030$0.0004
智能体编程会话(输入大多命中缓存)$0.395$0.0053
每项基准测试任务成本(AA Index)$6.24$0.491
每项任务输出 token(AA Index)52k138k
其中推理部分36k103k
每项任务耗时(AA Index)21 min15 min
输出速度41 tok/s151 tok/s
首次回答时间198.4 秒43.3 秒
完整回答耗时(最近一次测量 2026年11月13日)533.7 秒141.5 秒

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 GPT-6 Astra (max) 上花费 $6.24,在 MiniMax M3.1 Flash 上花费 $0.491;完成同样的工作,MiniMax M3.1 Flash 输出的 token 是对方的 2.7 倍,这是只看 token 单价看不出来的。

每个模型都按其排名最高的推理强度设置进行对比。GPT-6 Astra (max) 得分 67.3,首个回答 token 需 198 秒;GPT-6 Astra 为 66.4(5 秒),GPT-6 Astra (high) 为 66.3(49 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 176 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-6 Astra (max)MiniMax M3.1 Flash
BenchLeader IndexBenchLeader67.354.3
智能体与工具得分BenchLeader63.955.2
编程得分BenchLeader73.255.4
综合得分BenchLeader71.3–
人类偏好得分BenchLeader66.2–
知识得分BenchLeader72.345.9
长上下文得分BenchLeader65.064.5
数学得分BenchLeader70.8–
多模态得分BenchLeader65.661.5
推理得分BenchLeader72.450.1
混合价格(美元/百万 token)BenchLeader$20.00$0.262
输出速度BenchLeader41 tok/s151 tok/s
首次回答时间BenchLeader198.4 秒43.3 秒
上下文窗口BenchLeader1,050,000 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub95.8%–
Humanity's Last ExamScale AI / CAIS54.8%†–
SimpleBenchSimpleBench83.6%†–
Arena Hard PromptsArena (LMArena)1500–
LiveBench 2.0 ReasoningLiveBench92.7%82.9%†
LiveBench 1.0 ReasoningLiveBench92.7%–
GPQA Diamond (AA)Artificial Analysis96.1%–
Humanity's Last Exam (AA)Artificial Analysis54.7%48.0%
HLE-Diamond (AA)Artificial Analysis63.8%28.1%
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize95.0%–
ARC-AGI-3ARC Prize98.6%–
CritPtArtificial Analysis31.7%22.3%
CritPt v2 hard subset (AA)Artificial Analysis70.5%32.5%
MysteryMechanismVals AI53.1%–
HLE-Diamond (Scale)Scale AI SEAL60.6%†–
Arena ExpertArena (LMArena)1517–
Chess PuzzlesEpoch AI Benchmarking Hub74.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub84.0%–
LMCAEpoch AI Benchmarking Hub64.1%†–
DTBenchEpoch AI Benchmarking Hub97.1%†–
ForecastBenchForecastBench66.6%†–
BTF-3Epoch AI Benchmarking Hub13.5%†–
编程
SciCodeSciCode56.5%–
WeirdMLWeirdML93.3%–
显示全部 176 项基准测试
指标发布方GPT-6 Astra (max)MiniMax M3.1 Flash
编程
FrontierCodeCognition53.3%–
GSO-BenchGSO-Bench79.4%†–
Arena CodingArena (LMArena)1548–
Arena WebDevArena (LMArena)17641584
LiveBench 2.0 CodingLiveBench87.5%68.8%†
LiveBench 1.0 CodingLiveBench80.4%–
SciCode (AA)Artificial Analysis56.5%53.4%
IOIVals AI100.0%–
Code MigrationVals AI67.7%–
Code Migration v1.1Vals AI80.6%–
ProgramBenchVals AI5.5%–
SWE-bench MultimodalVals AI43.3%–
Vibe Code Bench 1-100Vals AI27.6%–
Vibe Code Bench v1.1Vals AI89.6%73.9%†
Vibe Code Bench 1-100 v1.1Vals AI–19.8%†
SWE Atlas v1.0: Codebase QnAScale AI SEAL59.1%†–
SWE Atlas v1.0: RefactoringScale AI SEAL59.0%†–
SWE Atlas v1.0: Test WritingScale AI SEAL50.7%†–
SWE Atlas v1.1Scale AI SEAL69.4%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL70.2%†–
SWE Atlas v1.1: Test WritingScale AI SEAL66.7%†–
SWE Atlas v1.1: RefactoringScale AI SEAL71.4%†–
SWE-Bench Pro V2Scale AI SEAL96.9%†96.6%†
SWE-Bench Pro V2 HARDScale AI SEAL90.2%†84.3%†
MirrorCodeEpoch AI Benchmarking Hub60.0%–
DeepSWE v1.1Epoch AI Benchmarking Hub73.2%–
ALE-BenchEpoch AI Benchmarking Hub2951.3–
FrontierSWEEpoch AI Benchmarking Hub65.5%–
WeirdML v3WeirdML42.2%†–
Terminal-Bench 4.0 (AA)Artificial Analysis59.1%25.8%
Terminal-Bench 2.1 (AA)Artificial Analysis88.4%–
Startrise FrontendStartrise79.9%†–
GameBench 2 OverallDuelLab GameBench 288.8†–
GameBench 2 by reasoning settingDuelLab GameBench 294.3†30.3†
Design Arena WebsiteDesign Arena13381277
FrontierCode 1.1 (AA)Artificial Analysis47.0%38.6%
FrontierCode 2.0 (AA)Artificial Analysis42.4%20.8%
智能体与工具
Terminal-BenchTerminal-Bench60.3%–
Remote Labor IndexScale AI / CAIS20.8%†–
APEX-AgentsMercor64.7%†–
Arena AgentArena (LMArena)14.5-2.7
LiveBench Long AgenticLiveBench75.6%25.7%†
LiveBench BrowserLiveBench91.3%80.6%†
LiveBench Agentic CodingLiveBench57.3%–
Terminal-Bench 2.1 (Vals)Vals AI87.3%–
HiL-BenchScale AI SEAL65.3%†65.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis53.7%47.9%
GDPval-AA v2.1Artificial Analysis15871465
τ³-Banking (AA)Artificial Analysis41.4%–
ITBench SRE (AA)Artificial Analysis48.6%–
Analyst Agent (AA)Artificial Analysis51.3%–
CUA-benchVals AI19.2%–
CyberBenchVals AI41.1%–
Finance Agent v2Vals AI53.5%–
Finance Agent v2.1Vals AI60.4%58.8%†
Harvey's Legal Agent Benchmark v1.1Vals AI7.1%7.5%†
Harvey's Legal Agent Benchmark v1Vals AI5.4%–
Legal Research BenchVals AI39.4%34.1%†
Robo-benchVals AI23.3%–
SREBenchVals AI56.9%–
Tax Agent BenchVals AI20.7%32.1%†
Terminal-Bench 4.0 (Vals)Vals AI59.6%25.3%†
Terminal-Bench ScienceVals AI62.9%–
Time Horizon Index: KSPVals AI90.5%–
Arena SearchArena (LMArena)1245–
Arena Agent Task CompletionArena (LMArena)14-0.7
BALROGBALROG68.3%–
PostTrainBenchEpoch AI Benchmarking Hub41.9%–
Vending-Bench 2Andon Labs15514.7†–
SpireClimbEpoch AI Benchmarking Hub34.0%–
AutomationBenchArtificial Analysis68.5%72.5%
GDP.pdf (AA)Artificial Analysis31.0%20.8%
Harvey LAB-AA v1.1Harvey8.6%–
AA-Briefcase v1.1Artificial Analysis15691474
GDPxGDPx by SemiAnalysis9.6%4.0%†
Design Arena AgenticDesign Arena14051252
RoboDojo (LLM as robot policy)RoboDojo29.0†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis63.3%3.3%
CWE-Bench (AA)Artificial Analysis63.3%–
DeepSec-Bench (AA)Artificial Analysis36.9%–
CyberGym end-to-end (AA)Artificial Analysis0.0%–
MKA (AA)Artificial Analysis50.2%33.5%
FACTS SearchGoogle93.3%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub93.7%–
FrontierMath Tier 4Epoch AI Benchmarking Hub97.6%–
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%–
ProofBenchVals AI99.0%†–
LiveBench MathematicsLiveBench96.8%–
Arena MathsArena (LMArena)1481–
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub75.6%–
LiveBench 2.0 Data AnalysisLiveBench83.0%71.4%†
LiveBench ResearchLiveBench90.6%76.7%†
LiveBench 1.0 Data AnalysisLiveBench83.0%–
AA-Omniscience v1.1Artificial Analysis42.4-6.4
PRBench FinanceScale AI SEAL47.5%†45.6%
PRBench LegalScale AI SEAL48.4%†45.1%
BioMysteryBenchVals AI79.3%–
Excel Modeling BenchmarkVals AI71.7%–
Excel Modeling Benchmark v1.1Vals AI72.7%67.8%†
MedCodeVals AI48.5%–
MedScribeVals AI87.9%–
Access to Justice BenchmarkVals AI–73.3%†
Financial Coaching BenchVals AI67.5%–
Immigration BenchVals AI67.7%–
DrugDiscoveryBenchScale AI SEAL68.7%–
EBR-benchEpoch AI Benchmarking Hub76.2%–
GDP.pdfEpoch AI Benchmarking Hub34.2%–
AA-Omniscience v1.1: accuracyArtificial Analysis61.6%45.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis50.2%6.3%
HealthBench Professional (AA)OpenAI66.0%–
FACTS ParametricGoogle83.8%†–
指令遵循
LiveBench LanguageLiveBench89.4%–
LiveBench Instruction FollowingLiveBench75.6%–
Arena Instruction FollowingArena (LMArena)1474–
人类偏好
Arena TextArena (LMArena)1474–
EQ-Bench Creative Writing v3EQ-Bench2177†–
Arena Creative WritingArena (LMArena)1451–
Arena Multi-turnArena (LMArena)1483–
Arena Longer QueriesArena (LMArena)1485–
多模态
Arena VisionArena (LMArena)1279–
LiveBench DesignLiveBench80.0%71.2%†
MMMU-ProArtificial Analysis86.9%79.1%
SAGEVals AI–85.3%†
Humanity's Sixth SenseScale AI SEAL53.6%–
Blueprint-Bench 2Epoch AI Benchmarking Hub49.7%†–
Furniture AssemblyEpoch AI Benchmarking Hub80.0%–
VIALS-AAHandshake AI62.7%29.8%
Code2Video-AAArtificial Analysis1427–
AA-3DArtificial Analysis1168–
FACTS MultimodalGoogle55.2%†–
长上下文
AA-LCR v1.1Artificial Analysis80.7%79.7%
Arena DocumentArena (LMArena)1474–
MLCRArtificial Analysis41.7%16.7%
FACTS GroundingGoogle80.1%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub169†–
LiveBench 2.0LiveBench84.5%63.7%†
LiveBench 1.0LiveBench82.2%–
AA Intelligence Index v5.0.1Artificial Analysis56.929.1
AA Intelligence Index v4.3.2Artificial Analysis52.742.7
AA Progress Index v1Artificial Analysis349.6317.6
Vals IndexVals AI65.053.8†
Vals Finance IndexVals AI55.6%55.9%†
Vals RSI IndexVals AI27.1%–
Vals Science IndexVals AI65.1%–
Vals Router IndexVals AI65.0%†53.8%
Vals Legal IndexVals AI68.4%67.1%†
AA Cyber IndexArtificial Analysis33.4–
安全与诚实
FORTRESSScale AI SEAL12.1%†52.1%
DistressBenchScale AI SEAL74.3%†–
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-6 Astra (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • GPT-6 Astra (max):1 项分数修订。
  • GPT-6 Astra (max):1 项新结果(PostTrainBench);2 项分数修订。
  • MiniMax M3.1 Flash:BenchLeader Index 54.3 → 53.7。
  • GPT-6 Astra (max):1 项新结果(MirrorCode);1 项分数修订。
  • MiniMax M3.1 Flash:1 项分数修订。
  • GPT-6 Astra (max):BenchLeader Index 68.1 → 67.4。
  • GPT-6 Astra (max):2 项分数修订。
  • MiniMax M3.1 Flash:6 项分数修订。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

GPT-6 Astra vs MiniMax M3.1 Flash:常见问题

GPT-6 Astra 比 MiniMax M3.1 Flash 更好吗?
质量上 GPT-6 Astra (max) 领先:67.3 比 54.3。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,GPT-6 Astra (max) 总体领先,但请结合你的用途查看各类别得分。
GPT-6 Astra 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 $20.00(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-6 Astra 还是 MiniMax M3.1 Flash 更好?
GPT-6 Astra 在编程方面得分更高(类别得分 73 比 55,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,GPT-6 Astra 为 1764,MiniMax M3.1 Flash 为 1584。
GPT-6 Astra 和 MiniMax M3.1 Flash 哪个更快?
MiniMax M3.1 Flash 输出更快(3 倍以上;输出 151 比 41 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-6 Astra 还是 MiniMax M3.1 Flash 更好?
GPT-6 Astra 在智能体任务方面得分更高(类别得分 64 比 55,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Arena Agent 上,GPT-6 Astra 为 14.5,MiniMax M3.1 Flash 为 -2.7。
更多问题(4)
处理长文档哪个更好?
两者在长上下文基准测试上持平(65 比 65)。两者都约为 1.1M token(GPT-6 Astra 为 1,050,000,MiniMax M3.1 Flash 为 1,000,000)。
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 198.4 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-6 Astra 和 MiniMax M3.1 Flash 的看法一致吗?
在两者都有结果的 28 项基准测试中,GPT-6 Astra 领先 27 项,MiniMax M3.1 Flash 领先 1 项。所有同时评测两者的综合评分都认为 GPT-6 Astra 更强。
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。