Inkling Small vs MiniMax M3.1 Flash
完整资料:Inkling Small(Thinking Machines)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,Inkling Small 与 MiniMax M3.1 Flash 的质量不相上下(BenchLeader Index 52.0 比 54.3,在 ±6.9 的误差范围内)。MiniMax M3.1 Flash 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $0.262 比 $0.525)。看重知识(54 比 46)选 Inkling Small;看重编程(55 比 46)、智能体与工具(55 比 46)和推理(50 比 43)选 MiniMax M3.1 Flash。Inkling Small 的首次回答更快(15.6 秒 比 43.3 秒)。MiniMax M3.1 Flash 的输出更快(约 1.5 倍)。
要点(截至 2026年11月16日)
- Inkling Small 的 BenchLeader Index 为 52.0,MiniMax M3.1 Flash 为 54.3(BenchLeader,2026年11月16日)。
- Inkling Small 每百万 token 混合价格为 $0.525(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 Inkling Small 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
- 在两者都有结果的 26 项基准测试中,MiniMax M3.1 Flash 领先 24 项(BenchLeader,2026年11月16日)。
- 在 Arena WebDev 上,Inkling Small 的评分为 1408,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 | MiniMax M3.1 Flash | 类别得分 55 比 46;Arena WebDev 1584 比 1408 | 高 |
| 智能体与工具调用 | MiniMax M3.1 Flash | 类别得分 55 比 46;Arena Agent -2.7 比 -18.1 | 高 |
| 推理 | MiniMax M3.1 Flash | 类别得分 50 比 43;HLE-Diamond (AA) 28.1% 比 12.1% | 中 |
| 知识 | Inkling Small | 类别得分 54 比 46;AA-Omniscience v1.1 -9.5 比 -6.4 | 高 |
| 长文档 | MiniMax M3.1 Flash | 类别得分 65 比 62;AA-LCR v1.1 79.7% 比 75.7% | 中 |
| 图像及其他媒体 | MiniMax M3.1 Flash | 类别得分 62 比 56;MMMU-Pro 79.1% 比 74.0% | 中 |
| 对话质量(人类偏好) | – | 只有 Inkling Small 有 Arena 评分(类别得分 58) | 无法比较 |
| 成本最低 | MiniMax M3.1 Flash | 每百万 token 混合价格 $0.262 比 $0.525;智能体编程会话 $0.011 比 $0.023 | – |
| 首次回答最快 | Inkling Small | 首个回答 token 15.6 秒(Inkling Small)比 43.3 秒(MiniMax M3.1 Flash) | – |
| 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
- Inkling Small 与 MiniMax M3.1 Flash 的质量不相上下(52.0 比 54.3,在 ±6.9 的误差范围内)。
- Inkling Small 在知识方面更强。
- MiniMax M3.1 Flash 在智能体与工具、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 2.0 倍(每百万 token 混合价格 $0.262 比 $0.525)。
- MiniMax M3.1 Flash 的输出速度是对方的 1.3 倍(151 比 116 token/秒)。
概览
| 规格 | Inkling Small | MiniMax M3.1 Flash |
|---|---|---|
| 提供商 | Thinking Machines | MiniMax |
| 发布日期 | 2026年7月15日 | 2026年10月19日 |
| 上下文窗口(token) | 65,536 | 1,000,000 |
| 对比时的配置 | Inkling Small | MiniMax M3.1 Flash |
| 开放权重 | 是 | 是 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | $0.300 / $1.20 / $0.116 | $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 | Inkling Small | MiniMax M3.1 Flash | 领先者 |
|---|---|---|---|
| 推理 | 43.2 | 50.1 | MiniMax M3.1 Flash |
| 编程 | 45.6 | 55.4 | MiniMax M3.1 Flash |
| 智能体与工具 | 45.7 | 55.2 | MiniMax M3.1 Flash |
| 数学 | 53.0 | – | 无法比较 |
| 知识 | 54.3 | 45.9 | Inkling Small |
| 人类偏好 | 57.8 | – | 无法比较 |
| 多模态 | 56.3 | 61.5 | MiniMax M3.1 Flash |
| 长上下文 | 62.4 | 64.5 | MiniMax 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。
未绘制(测得的模型少于两个):数学, 指令遵循, 人类偏好。
各来源的分歧
在两者都有结果的 26 项基准测试中,Inkling Small 领先 2 项,MiniMax M3.1 Flash 领先 24 项。所有同时评测两者的综合评分都认为 MiniMax M3.1 Flash 更强。
| 综合 Index | Inkling Small | MiniMax M3.1 Flash | 领先者 |
|---|---|---|---|
| BenchLeader Index | 52.0 | 54.3 | 不相上下 |
| AA Intelligence Index v5.0.1 | 12.9 | 29.1 | MiniMax M3.1 Flash |
| Vals Index | 27.6 | 53.8† | MiniMax M3.1 Flash |
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 | Inkling Small | MiniMax M3.1 Flash |
|---|---|---|
| 每百万 token 混合价格 | $0.525 | $0.262 |
| 每百万 token 输入 / 输出 | $0.300 / $1.20 | $0.150 / $0.600 |
| 每百万 token 缓存输入 | $0.116 | $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 | $0.0043 | $0.0022 |
| 每项任务价格:代码编辑 | $0.0036 | $0.0018 |
| 每项任务价格:智能体编程会话 | $0.023 | $0.011 |
| 每项任务价格:结构化信息提取 | $0.0008 | $0.0004 |
| 智能体编程会话(输入大多命中缓存) | $0.015 | $0.0053 |
| 每项基准测试任务成本(AA Index) | $0.203 | $0.491 |
| 每项任务输出 token(AA Index) | 37k | 138k |
| 其中推理部分 | 25k | 103k |
| 每项任务耗时(AA Index) | 5 min | 15 min |
| 输出速度 | 116 tok/s | 151 tok/s |
| 首次回答时间 | 15.6 秒 | 43.3 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | – | 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 Inkling Small 上花费 $0.203,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 3.8 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。Inkling Small 得分 52.0,首个回答 token 需 16 秒;Inkling Small (xhigh) 为 47.3(16 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 116 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 | Inkling Small | MiniMax M3.1 Flash |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 52.0 | 54.3 |
| 智能体与工具得分 | BenchLeader | 45.7 | 55.2 |
| 编程得分 | BenchLeader | 45.6 | 55.4 |
| 人类偏好得分 | BenchLeader | 57.8 | – |
| 知识得分 | BenchLeader | 54.3 | 45.9 |
| 长上下文得分 | BenchLeader | 62.4 | 64.5 |
| 数学得分 | BenchLeader | 53.0 | – |
| 多模态得分 | BenchLeader | 56.3 | 61.5 |
| 推理得分 | BenchLeader | 43.2 | 50.1 |
| 混合价格(美元/百万 token) | BenchLeader | $0.525 | $0.262 |
| 输出速度 | BenchLeader | 116 tok/s | 151 tok/s |
| 首次回答时间 | BenchLeader | 15.6 秒 | 43.3 秒 |
| 上下文窗口 | BenchLeader | 65,536 token | 1,000,000 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 88.5%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1428 | – |
| LiveBench 2.0 Reasoning | LiveBench | – | 82.9%† |
| GPQA Diamond (AA) | Artificial Analysis | 89.5% | – |
| Humanity's Last Exam (AA) | Artificial Analysis | 33.3% | 48.0% |
| HLE-Diamond (AA) | Artificial Analysis | 12.1% | 28.1% |
| GPQA Diamond (Vals) | Vals AI | 83.6% | – |
| ARC-AGI-1 | ARC Prize | 84.0%† | – |
| ARC-AGI-2 | ARC Prize | 40.1%† | – |
| CritPt | Artificial Analysis | 8.3% | 22.3% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 18.5% | 32.5% |
| Arena Expert | Arena (LMArena) | 1441 | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 6.0%† | – |
| 编程 | |||
| SciCode | SciCode | 49.6% | – |
| Arena Coding | Arena (LMArena) | 1472 | – |
| Arena WebDev | Arena (LMArena) | 1408 | 1584 |
| LiveBench 2.0 Coding | LiveBench | – | 68.8%† |
| SciCode (AA) | Artificial Analysis | 49.6% | 53.4% |
| LiveCodeBench | Vals AI | 85.9% | – |
| IOI | Vals AI | 9.3% | – |
| SWE-bench (Vals) | Vals AI | 82.2% | – |
| Code Migration | Vals AI | 13.7% | – |
| Code Migration v1.1 | Vals AI | 10.4% | – |
| ProgramBench | Vals AI | 0.5% | – |
| Vibe Code Bench v1.1 | Vals AI | 19.1% | 73.9%† |
显示全部 116 项基准测试
| 指标 | 发布方 | Inkling Small | MiniMax M3.1 Flash |
|---|---|---|---|
| 编程 | |||
| Vibe Code Bench 1-100 v1.1 | Vals AI | – | 19.8%† |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 96.6%† |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | – | 84.3%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 1.0% | 25.8% |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 55.1% | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 29.2 | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 28.1† | 30.3† |
| Design Arena Website | Design Arena | – | 1277 |
| FrontierCode 1.1 (AA) | Artificial Analysis | 0.6% | 38.6% |
| FrontierCode 2.0 (AA) | Artificial Analysis | 4.8% | 20.8% |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 0.9%† | – |
| Arena Agent | Arena (LMArena) | -18.1 | -2.7 |
| LiveBench Long Agentic | LiveBench | – | 25.7%† |
| LiveBench Browser | LiveBench | – | 80.6%† |
| Terminal-Bench 2.1 (Vals) | Vals AI | 55.1% | – |
| MCP Atlas | Scale AI SEAL | 79.2% | – |
| HiL-Bench | Scale AI SEAL | – | 65.7% |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 31.2% | 47.9% |
| GDPval-AA v2.1 | Artificial Analysis | 1133 | 1465 |
| τ³-Banking (AA) | Artificial Analysis | 18.8% | – |
| Analyst Agent (AA) | Artificial Analysis | 27.5% | – |
| CyberBench | Vals AI | 64.1% | – |
| Finance Agent v2 | Vals AI | 41.3% | – |
| Finance Agent v2.1 | Vals AI | 44.8% | 58.8%† |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 2.9% | 7.5%† |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 1.7% | – |
| Legal Research Bench | Vals AI | 25.5% | 34.1%† |
| SkillsBench | Vals AI | 33.6% | – |
| Tax Agent Bench | Vals AI | 15.4% | 32.1%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | 0.0% | 25.3%† |
| Arena Agent Task Completion | Arena (LMArena) | -27.6 | -0.7 |
| AutomationBench | Artificial Analysis | 4.8% | 72.5% |
| GDP.pdf (AA) | Artificial Analysis | 11.2% | 20.8% |
| Harvey LAB-AA v1.1 | Harvey | 0.0% | – |
| EnterpriseOps-Gym | Artificial Analysis | 42.7% | – |
| AA-Briefcase v1.1 | Artificial Analysis | 912 | 1474 |
| GDPx | GDPx by SemiAnalysis | – | 4.0%† |
| Design Arena Agentic | Design Arena | – | 1252 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 0.0% | 3.3% |
| MKA (AA) | Artificial Analysis | – | 33.5% |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 46.3%† | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 17.1%† | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 90.0%† | – |
| ProofBench | Vals AI | 6.0% | – |
| Arena Maths | Arena (LMArena) | 1452 | – |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 19.1%† | – |
| LiveBench 2.0 Data Analysis | LiveBench | – | 71.4%† |
| LiveBench Research | LiveBench | – | 76.7%† |
| AA-Omniscience v1.1 | Artificial Analysis | -9.5 | -6.4 |
| MMLU-Pro | Vals AI | 85.6% | – |
| LegalBench | Vals AI | 83.0% | – |
| CorpFin | Vals AI | 69.6% | – |
| TaxEval | Vals AI | 75.5% | – |
| PRBench Finance | Scale AI SEAL | – | 45.6% |
| PRBench Legal | Scale AI SEAL | – | 45.1% |
| Excel Modeling Benchmark | Vals AI | 31.8% | – |
| Excel Modeling Benchmark v1.1 | Vals AI | 40.8% | 67.8%† |
| MedCode | Vals AI | 37.9% | – |
| MedScribe | Vals AI | 84.1% | – |
| Public Benefits Bench v1.1 | Vals AI | 59.4% | – |
| Access to Justice Benchmark | Vals AI | – | 73.3%† |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 31.8% | 45.1% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 39.5% | 6.3% |
| 指令遵循 | |||
| Arena Instruction Following | Arena (LMArena) | 1397 | – |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1405 | – |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1491 | – |
| Arena Creative Writing | Arena (LMArena) | 1319 | – |
| Arena Multi-turn | Arena (LMArena) | 1414 | – |
| Arena Longer Queries | Arena (LMArena) | 1401 | – |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1236 | – |
| LiveBench Design | LiveBench | – | 71.2%† |
| MMMU-Pro | Artificial Analysis | 74.0% | 79.1% |
| MortgageTax | Vals AI | 62.3% | – |
| SAGE | Vals AI | – | 85.3%† |
| AudioMC | Scale AI SEAL | 54.9% | – |
| AudioMC (text output) | Scale AI SEAL | 54.9% | – |
| VIALS-AA | Handshake AI | – | 29.8% |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 75.7% | 79.7% |
| MLCR | Artificial Analysis | 7.8% | 16.7% |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 150.8 | – |
| LiveBench 2.0 | LiveBench | – | 63.7%† |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 12.9 | 29.1 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 25.7 | 42.7 |
| AA Progress Index v1 | Artificial Analysis | 282.7 | 317.6 |
| Vals Index | Vals AI | 27.6 | 53.8† |
| Vals Finance Index | Vals AI | 36.3% | 55.9%† |
| Vals Multimodal Index | Vals AI | 50.0% | – |
| Vals Router Index | Vals AI | 27.6% | 53.8% |
| Vals Legal Index | Vals AI | 57.8% | 67.1%† |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | – | 52.1% |
| 元数据 | |||
| AA Openness Index | Artificial Analysis | 33.3 | 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。
- Inkling Small:1 项分数修订。
- MiniMax M3.1 Flash:BenchLeader Index 54.3 → 53.7。
- Inkling Small:1 项分数修订。
- MiniMax M3.1 Flash:1 项分数修订。
- Inkling Small: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。
相关对比
- Inkling Small vs Inkling 2 Small
- Inkling Small vs Muse Ember
- MiniMax M3.1 Flash vs Claude Opus 5.5
- MiniMax M3.1 Flash vs GPT-6 Astra
- MiniMax M3.1 Flash vs Claude Fable 5.1
- MiniMax M3.1 Flash vs GPT-6.1 Sol
- MiniMax M3.1 Flash vs Gemini 4 Argon
- MiniMax M3.1 Flash vs GPT-5.6 Sol
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
Inkling Small vs MiniMax M3.1 Flash:常见问题
- Inkling Small 比 MiniMax M3.1 Flash 更好吗?
- Inkling Small 与 MiniMax M3.1 Flash 的质量不相上下(52.0 比 54.3,在 ±6.9 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。
- Inkling Small 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 $0.525(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 Inkling Small 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 46,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Inkling Small 为 1408,MiniMax M3.1 Flash 为 1584。
- Inkling Small 和 MiniMax M3.1 Flash 哪个更快?
- MiniMax M3.1 Flash 输出更快(约 1.5 倍;输出 151 比 116 token/秒,Artificial Analysis 7 日中位数)。
- 智能体和工具调用用 Inkling Small 还是 MiniMax M3.1 Flash 更好?
- MiniMax M3.1 Flash 在智能体任务方面得分更高(类别得分 55 比 46,50 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,Inkling Small 为 -18.1,MiniMax M3.1 Flash 为 -2.7。
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 62)。MiniMax M3.1 Flash 支持更长的上下文:1,000,000 token,Inkling Small 为 65,536 token。
- 哪个延迟更低?
- Inkling Small 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 15.6 秒比 43.3 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 Inkling Small 和 MiniMax M3.1 Flash 的看法一致吗?
- 在两者都有结果的 26 项基准测试中,Inkling Small 领先 2 项,MiniMax M3.1 Flash 领先 24 项。所有同时评测两者的综合评分都认为 MiniMax M3.1 Flash 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。