BenchLeader

MiMo-V2-Flash vs MiniMax M3.1 Flash

完整资料:MiMo-V2-Flash(Xiaomi)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 7 个来源

截至 2026年11月16日,MiMo-V2-Flash 与 MiniMax M3.1 Flash 的质量不相上下(BenchLeader Index 53.9 比 54.3,在 ±7.7 的误差范围内)。MiMo-V2-Flash 更便宜,对方的价格是它的 1.7 倍(每百万 token 混合价格 $0.150 比 $0.262)。看重推理(56 比 50)和智能体与工具(58 比 55)选 MiMo-V2-Flash;看重编程(55 比 40)和长上下文(65 比 60)选 MiniMax M3.1 Flash。

要点(截至 2026年11月16日)

  • MiMo-V2-Flash 的 BenchLeader Index 为 53.9,MiniMax M3.1 Flash 为 54.3(BenchLeader,2026年11月16日)。
  • MiMo-V2-Flash 每百万 token 混合价格为 $0.150(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 6 项基准测试中,MiniMax M3.1 Flash 领先 5 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,MiMo-V2-Flash 的评分为 1292,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 40;Arena WebDev 1584 比 1292高
智能体与工具调用MiMo-V2-Flash类别得分 58 比 55中
推理MiMo-V2-Flash类别得分 56 比 50;Humanity's Last Exam (AA) 22.9% 比 48.0%中
长文档MiniMax M3.1 Flash类别得分 65 比 60;AA-LCR v1.1 79.7% 比 70.7%中
对话质量(人类偏好)–只有 MiMo-V2-Flash 有 Arena 评分(类别得分 56)无法比较
成本最低MiMo-V2-Flash每百万 token 混合价格 $0.150 比 $0.262;智能体编程会话 $0.007 比 $0.011–
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

  • MiMo-V2-Flash (thinking) 与 MiniMax M3.1 Flash 的质量不相上下(53.9 比 54.3,在 ±7.7 的误差范围内)。
  • MiMo-V2-Flash (thinking) 在智能体与工具、推理方面更强。
  • MiniMax M3.1 Flash 在编程、长上下文方面更强。
  • MiMo-V2-Flash (thinking) 更便宜,对方的价格是它的 1.7 倍(每百万 token 混合价格 $0.150 比 $0.262)。

概览

规格MiMo-V2-FlashMiniMax M3.1 Flash
提供商XiaomiMiniMax
发布日期2025年12月16日2026年10月19日
上下文窗口(token)256,0001,000,000
对比时的配置MiMo-V2-Flash (thinking)MiniMax M3.1 Flash
开放权重是是
每百万 token 价格(输入 / 输出 / 缓存输入)$0.100 / $0.300 / –$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MiMo-V2-Flash (thinking)MiniMax M3.1 Flash领先者
推理56.450.1MiMo-V2-Flash
编程39.755.4MiniMax M3.1 Flash
智能体与工具58.155.2MiMo-V2-Flash
数学54.3–无法比较
知识–45.9无法比较
指令遵循63.9–无法比较
人类偏好55.5–无法比较
多模态–61.5无法比较
长上下文59.864.5MiniMax 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MiMo-V2-Flash, 推理: 56.4MiMo-V2-Flash, 编程: 39.7MiMo-V2-Flash, 智能体与工具: 58.1MiMo-V2-Flash, 长上下文: 59.8MiniMax 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: 64.5

未绘制(测得的模型少于两个):数学, 知识, 指令遵循, 多模态, 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 6 项基准测试中,MiMo-V2-Flash 领先 1 项,MiniMax M3.1 Flash 领先 5 项。

综合 IndexMiMo-V2-Flash (thinking)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MiMo-V2-Flash (thinking)MiniMax M3.1 Flash
每百万 token 混合价格$0.150$0.262
每百万 token 输入 / 输出$0.100 / $0.300$0.150 / $0.600
每百万 token 缓存输入–$0.015
每项任务价格:聊天回复$0.0001$0.0002
每项任务价格:总结一份 30 页的报告$0.0014$0.0022
每项任务价格:代码编辑$0.0011$0.0018
每项任务价格:智能体编程会话$0.0072$0.011
每项任务价格:结构化信息提取$0.0003$0.0004
智能体编程会话(输入大多命中缓存)–$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–151 tok/s
首次回答时间–43.3 秒
完整回答耗时(最近一次测量 2026年11月13日)–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。MiMo-V2-Flash (thinking) 得分 53.9;MiMo-V2-Flash (无推理) 为 50.1。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 81 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MiMo-V2-Flash (thinking)MiniMax M3.1 Flash
BenchLeader IndexBenchLeader53.954.3
智能体与工具得分BenchLeader58.155.2
编程得分BenchLeader39.755.4
人类偏好得分BenchLeader55.5–
指令遵循得分BenchLeader63.9–
长上下文得分BenchLeader59.864.5
数学得分BenchLeader54.3–
推理得分BenchLeader56.450.1
知识得分BenchLeader–45.9
多模态得分BenchLeader–61.5
混合价格(美元/百万 token)BenchLeader$0.150$0.262
输出速度BenchLeader–151 tok/s
首次回答时间BenchLeader–43.3 秒
上下文窗口BenchLeader256,000 token1,000,000 token
推理
Arena Hard PromptsArena (LMArena)1411–
LiveBench 2.0 ReasoningLiveBench–82.9%†
GPQA Diamond (AA)Artificial Analysis84.7%–
Humanity's Last Exam (AA)Artificial Analysis22.9%48.0%
HLE-Diamond (AA)Artificial Analysis–28.1%
GPQA Diamond (Vals)Vals AI59.3%†–
CritPtArtificial Analysis4.3%22.3%
CritPt v2 hard subset (AA)Artificial Analysis–32.5%
Arena ExpertArena (LMArena)1414–
编程
SciCodeSciCode25.9%†–
Arena CodingArena (LMArena)1432–
Arena WebDevArena (LMArena)12921584
LiveBench 2.0 CodingLiveBench–68.8%†
SciCode (AA)Artificial Analysis–53.4%
Vibe Code Bench v1.1Vals AI–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 Hub738.0†–
Terminal-Bench 4.0 (AA)Artificial Analysis–25.8%
Terminal-Bench 2.1 (AA)Artificial Analysis61.8%†–
GameBench 2 by reasoning settingDuelLab GameBench 2–30.3†
Design Arena WebsiteDesign Arena1159†1277
FrontierCode 1.1 (AA)Artificial Analysis–38.6%
FrontierCode 2.0 (AA)Artificial Analysis–20.8%
显示全部 81 项基准测试
指标发布方MiMo-V2-Flash (thinking)MiniMax M3.1 Flash
编程
LiveCodeBench (AA)Artificial Analysis86.8%–
智能体与工具
Arena AgentArena (LMArena)–-2.7
LiveBench Long AgenticLiveBench–25.7%†
LiveBench BrowserLiveBench–80.6%†
Terminal-Bench HardArtificial Analysis28.0%–
τ²-Bench Telecom (AA)Artificial Analysis95.0%–
HiL-BenchScale AI SEAL–65.7%
GDPval-AA v2.1, normalised scoreArtificial Analysis–47.9%
GDPval-AA v2.1Artificial Analysis636†1465
Finance Agent v2.1Vals AI–58.8%†
Harvey's Legal Agent Benchmark v1.1Vals AI–7.5%†
Legal Research BenchVals AI–34.1%†
Tax Agent BenchVals AI–32.1%†
Terminal-Bench 4.0 (Vals)Vals AI–25.3%†
Arena Agent Task CompletionArena (LMArena)–-0.7
AutomationBenchArtificial Analysis–72.5%
GDP.pdf (AA)Artificial Analysis–20.8%
AA-Briefcase v1.1Artificial Analysis–1474
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
Arena MathsArena (LMArena)1372–
AIME 2025 (AA)Artificial Analysis96.3%–
知识
LiveBench 2.0 Data AnalysisLiveBench–71.4%†
LiveBench ResearchLiveBench–76.7%†
AA-Omniscience v1.1Artificial Analysis–-6.4
PRBench FinanceScale AI SEAL–45.6%
PRBench LegalScale AI SEAL–45.1%
Excel Modeling Benchmark v1.1Vals AI–67.8%†
Access to Justice BenchmarkVals AI–73.3%†
AA-Omniscience v1.1: accuracyArtificial Analysis–45.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–6.3%
Global-MMLU-Lite (AA)Artificial Analysis84.4%–
指令遵循
IFBenchArtificial Analysis64.2%–
Arena Instruction FollowingArena (LMArena)1375–
人类偏好
Arena TextArena (LMArena)1386–
Arena Creative WritingArena (LMArena)1336–
Arena Multi-turnArena (LMArena)1375–
Arena Longer QueriesArena (LMArena)1401–
多模态
LiveBench DesignLiveBench–71.2%†
MMMU-ProArtificial Analysis–79.1%
SAGEVals AI–85.3%†
VIALS-AAHandshake AI–29.8%
长上下文
AA-LCR v1.1Artificial Analysis70.7%79.7%
MLCRArtificial Analysis–16.7%
综合
LiveBench 2.0LiveBench–63.7%†
AA Intelligence Index v5.0.1Artificial Analysis–29.1
AA Intelligence Index v4.3.2Artificial Analysis20.842.7
AA Progress Index v1Artificial Analysis264.7317.6
Vals IndexVals AI–53.8†
Vals Finance IndexVals AI–55.9%†
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 Analysis52.827.8

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。
  • MiMo-V2-Flash (thinking):2 项新结果(Global-MMLU-Lite (AA), AIME 2025 (AA))。
  • 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

MiMo-V2-Flash vs MiniMax M3.1 Flash:常见问题

MiMo-V2-Flash 比 MiniMax M3.1 Flash 更好吗?
MiMo-V2-Flash (thinking) 与 MiniMax M3.1 Flash 的质量不相上下(53.9 比 54.3,在 ±7.7 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。
MiMo-V2-Flash 和 MiniMax M3.1 Flash 哪个更便宜?价格会变吗?
目前 MiMo-V2-Flash 更便宜:每百万 token $0.150 比 $0.262(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 MiMo-V2-Flash 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 40,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,MiMo-V2-Flash 为 1292,MiniMax M3.1 Flash 为 1584。
智能体和工具调用用 MiMo-V2-Flash 还是 MiniMax M3.1 Flash 更好?
MiMo-V2-Flash 在智能体任务方面得分更高(类别得分 58 比 55,50 为平均水平)。
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 60)。MiniMax M3.1 Flash 支持更长的上下文:1,000,000 token,MiMo-V2-Flash 为 256,000 token。
更多问题(2)
第三方基准测试对 MiMo-V2-Flash 和 MiniMax M3.1 Flash 的看法一致吗?
在两者都有结果的 6 项基准测试中,MiMo-V2-Flash 领先 1 项,MiniMax M3.1 Flash 领先 5 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。