BenchLeader

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 SmallMiniMax M3.1 Flash
提供商Thinking MachinesMiniMax
发布日期2026年7月15日2026年10月19日
上下文窗口(token)65,5361,000,000
对比时的配置Inkling SmallMiniMax 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 SmallMiniMax M3.1 Flash领先者
推理43.250.1MiniMax M3.1 Flash
编程45.655.4MiniMax M3.1 Flash
智能体与工具45.755.2MiniMax M3.1 Flash
数学53.0–无法比较
知识54.345.9Inkling Small
人类偏好57.8–无法比较
多模态56.361.5MiniMax M3.1 Flash
长上下文62.464.5MiniMax 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知识长上下文多模态Inkling Small, 推理: 43.2Inkling Small, 编程: 45.6Inkling Small, 智能体与工具: 45.7Inkling Small, 知识: 54.3Inkling Small, 长上下文: 62.4Inkling Small, 多模态: 56.3MiniMax 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 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 IndexInkling SmallMiniMax M3.1 Flash领先者
BenchLeader Index52.054.3不相上下
AA Intelligence Index v5.0.112.929.1MiniMax M3.1 Flash
Vals Index27.653.8†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 SmallMiniMax 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)37k138k
其中推理部分25k103k
每项任务耗时(AA Index)5 min15 min
输出速度116 tok/s151 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 SmallMiniMax M3.1 Flash
BenchLeader IndexBenchLeader52.054.3
智能体与工具得分BenchLeader45.755.2
编程得分BenchLeader45.655.4
人类偏好得分BenchLeader57.8–
知识得分BenchLeader54.345.9
长上下文得分BenchLeader62.464.5
数学得分BenchLeader53.0–
多模态得分BenchLeader56.361.5
推理得分BenchLeader43.250.1
混合价格(美元/百万 token)BenchLeader$0.525$0.262
输出速度BenchLeader116 tok/s151 tok/s
首次回答时间BenchLeader15.6 秒43.3 秒
上下文窗口BenchLeader65,536 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub88.5%†–
Arena Hard PromptsArena (LMArena)1428–
LiveBench 2.0 ReasoningLiveBench–82.9%†
GPQA Diamond (AA)Artificial Analysis89.5%–
Humanity's Last Exam (AA)Artificial Analysis33.3%48.0%
HLE-Diamond (AA)Artificial Analysis12.1%28.1%
GPQA Diamond (Vals)Vals AI83.6%–
ARC-AGI-1ARC Prize84.0%†–
ARC-AGI-2ARC Prize40.1%†–
CritPtArtificial Analysis8.3%22.3%
CritPt v2 hard subset (AA)Artificial Analysis18.5%32.5%
Arena ExpertArena (LMArena)1441–
Mystery Game PuzzlesEpoch AI Benchmarking Hub6.0%†–
编程
SciCodeSciCode49.6%–
Arena CodingArena (LMArena)1472–
Arena WebDevArena (LMArena)14081584
LiveBench 2.0 CodingLiveBench–68.8%†
SciCode (AA)Artificial Analysis49.6%53.4%
LiveCodeBenchVals AI85.9%–
IOIVals AI9.3%–
SWE-bench (Vals)Vals AI82.2%–
Code MigrationVals AI13.7%–
Code Migration v1.1Vals AI10.4%–
ProgramBenchVals AI0.5%–
Vibe Code Bench v1.1Vals AI19.1%73.9%†
显示全部 116 项基准测试
指标发布方Inkling SmallMiniMax M3.1 Flash
编程
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%†
Terminal-Bench 4.0 (AA)Artificial Analysis1.0%25.8%
Terminal-Bench 2.1 (AA)Artificial Analysis55.1%–
GameBench 2 OverallDuelLab GameBench 229.2–
GameBench 2 by reasoning settingDuelLab GameBench 228.1†30.3†
Design Arena WebsiteDesign Arena–1277
FrontierCode 1.1 (AA)Artificial Analysis0.6%38.6%
FrontierCode 2.0 (AA)Artificial Analysis4.8%20.8%
智能体与工具
Terminal-BenchTerminal-Bench0.9%†–
Arena AgentArena (LMArena)-18.1-2.7
LiveBench Long AgenticLiveBench–25.7%†
LiveBench BrowserLiveBench–80.6%†
Terminal-Bench 2.1 (Vals)Vals AI55.1%–
MCP AtlasScale AI SEAL79.2%–
HiL-BenchScale AI SEAL–65.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis31.2%47.9%
GDPval-AA v2.1Artificial Analysis11331465
τ³-Banking (AA)Artificial Analysis18.8%–
Analyst Agent (AA)Artificial Analysis27.5%–
CyberBenchVals AI64.1%–
Finance Agent v2Vals AI41.3%–
Finance Agent v2.1Vals AI44.8%58.8%†
Harvey's Legal Agent Benchmark v1.1Vals AI2.9%7.5%†
Harvey's Legal Agent Benchmark v1Vals AI1.7%–
Legal Research BenchVals AI25.5%34.1%†
SkillsBenchVals AI33.6%–
Tax Agent BenchVals AI15.4%32.1%†
Terminal-Bench 4.0 (Vals)Vals AI0.0%25.3%†
Arena Agent Task CompletionArena (LMArena)-27.6-0.7
AutomationBenchArtificial Analysis4.8%72.5%
GDP.pdf (AA)Artificial Analysis11.2%20.8%
Harvey LAB-AA v1.1Harvey0.0%–
EnterpriseOps-GymArtificial Analysis42.7%–
AA-Briefcase v1.1Artificial Analysis9121474
GDPxGDPx by SemiAnalysis–4.0%†
Design Arena AgenticDesign Arena–1252
Terminal-Bench-Science 0.1 (AA)Artificial Analysis0.0%3.3%
MKA (AA)Artificial Analysis–33.5%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub46.3%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub17.1%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub90.0%†–
ProofBenchVals AI6.0%–
Arena MathsArena (LMArena)1452–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub19.1%†–
LiveBench 2.0 Data AnalysisLiveBench–71.4%†
LiveBench ResearchLiveBench–76.7%†
AA-Omniscience v1.1Artificial Analysis-9.5-6.4
MMLU-ProVals AI85.6%–
LegalBenchVals AI83.0%–
CorpFinVals AI69.6%–
TaxEvalVals AI75.5%–
PRBench FinanceScale AI SEAL–45.6%
PRBench LegalScale AI SEAL–45.1%
Excel Modeling BenchmarkVals AI31.8%–
Excel Modeling Benchmark v1.1Vals AI40.8%67.8%†
MedCodeVals AI37.9%–
MedScribeVals AI84.1%–
Public Benefits Bench v1.1Vals AI59.4%–
Access to Justice BenchmarkVals AI–73.3%†
AA-Omniscience v1.1: accuracyArtificial Analysis31.8%45.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis39.5%6.3%
指令遵循
Arena Instruction FollowingArena (LMArena)1397–
人类偏好
Arena TextArena (LMArena)1405–
EQ-Bench Creative Writing v3EQ-Bench1491–
Arena Creative WritingArena (LMArena)1319–
Arena Multi-turnArena (LMArena)1414–
Arena Longer QueriesArena (LMArena)1401–
多模态
Arena VisionArena (LMArena)1236–
LiveBench DesignLiveBench–71.2%†
MMMU-ProArtificial Analysis74.0%79.1%
MortgageTaxVals AI62.3%–
SAGEVals AI–85.3%†
AudioMCScale AI SEAL54.9%–
AudioMC (text output)Scale AI SEAL54.9%–
VIALS-AAHandshake AI–29.8%
长上下文
AA-LCR v1.1Artificial Analysis75.7%79.7%
MLCRArtificial Analysis7.8%16.7%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub150.8–
LiveBench 2.0LiveBench–63.7%†
AA Intelligence Index v5.0.1Artificial Analysis12.929.1
AA Intelligence Index v4.3.2Artificial Analysis25.742.7
AA Progress Index v1Artificial Analysis282.7317.6
Vals IndexVals AI27.653.8†
Vals Finance IndexVals AI36.3%55.9%†
Vals Multimodal IndexVals AI50.0%–
Vals Router IndexVals AI27.6%53.8%
Vals Legal IndexVals AI57.8%67.1%†
安全与诚实
FORTRESSScale AI SEAL–52.1%
元数据
AA Openness IndexArtificial Analysis33.327.8

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。

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。