BenchLeader

MiniMax M3.1 Flash vs Mistral Large 4

完整资料:MiniMax M3.1 Flash(MiniMax)和 Mistral Large 4(Mistral AI),包括全部基准测试、价格和排名。

更新于 · 数据来自 8 个来源

截至 2026年11月16日,MiniMax M3.1 Flash 与 Mistral Large 4 的质量不相上下(BenchLeader Index 54.3 比 52.9,在 ±6.4 的误差范围内)。MiniMax M3.1 Flash 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $0.262 比 $1.05)。在两者都有成绩的所有类别中,MiniMax M3.1 Flash 均领先。MiniMax M3.1 Flash 输出更快。

要点(截至 2026年11月16日)

  • MiniMax M3.1 Flash 的 BenchLeader Index 为 54.3,Mistral Large 4 为 52.9(BenchLeader,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)。
  • Mistral Large 4 每百万 token 混合价格为 $1.05(标价,2026年11月16日)。
  • MiniMax M3.1 Flash 比 Mistral Large 4 输出更快(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 19 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,MiniMax M3.1 Flash 的评分为 1584,Mistral Large 4 为 1565(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 54;Arena WebDev 1584 比 1565中
智能体与工具调用MiniMax M3.1 Flash类别得分 55 比 49;Arena Agent -2.7 比 -5.4中
推理MiniMax M3.1 Flash类别得分 50 比 46;HLE-Diamond (AA) 28.1% 比 15.1%中
知识MiniMax M3.1 Flash类别得分 46 比 41;AA-Omniscience v1.1 -6.4 比 -7.5中
长文档均可类别得分 65 比 65;AA-LCR v1.1 79.7% 比 81.3%均可
图像及其他媒体MiniMax M3.1 Flash类别得分 62 比 58;MMMU-Pro 79.1% 比 76.4%中
对话质量(人类偏好)–只有 Mistral Large 4 有 Arena 评分(类别得分 60)无法比较
成本最低MiniMax M3.1 Flash每百万 token 混合价格 $0.262 比 $1.05;智能体编程会话 $0.011 比 $0.050–
首次回答最快均可首个回答 token 43.3 秒(MiniMax M3.1 Flash)比 40.9 秒(Mistral Large 4)–
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

  • MiniMax M3.1 Flash 与 Mistral Large 4 的质量不相上下(54.3 比 52.9,在 ±6.4 的误差范围内)。
  • MiniMax M3.1 Flash 在智能体与工具、编程、知识、多模态、推理方面更强。
  • Mistral Large 4 在长上下文方面更强。
  • MiniMax M3.1 Flash 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $0.262 比 $1.05)。
  • MiniMax M3.1 Flash 的输出速度是对方的 1.6 倍(151 比 97 token/秒)。

概览

规格MiniMax M3.1 FlashMistral Large 4
提供商MiniMaxMistral AI
发布日期2026年10月19日2026年10月6日
上下文窗口(token)1,000,0001,048,576
对比时的配置MiniMax M3.1 FlashMistral Large 4
开放权重是是
每百万 token 价格(输入 / 输出 / 缓存输入)$0.150 / $0.600 / $0.015$0.700 / $2.10 / $0.070

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MiniMax M3.1 FlashMistral Large 4领先者
推理50.146.2MiniMax M3.1 Flash
编程55.453.8MiniMax M3.1 Flash
智能体与工具55.248.8MiniMax M3.1 Flash
数学–54.2无法比较
知识45.940.7MiniMax M3.1 Flash
人类偏好–59.7无法比较
多模态61.558.0MiniMax M3.1 Flash
长上下文64.565.3持平

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MiniMax 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: 61.5Mistral Large 4, 推理: 46.2Mistral Large 4, 编程: 53.8Mistral Large 4, 智能体与工具: 48.8Mistral Large 4, 知识: 40.7Mistral Large 4, 长上下文: 65.3Mistral Large 4, 多模态: 58.0

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,MiniMax M3.1 Flash 领先 19 项,Mistral Large 4 领先 7 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 IndexMiniMax M3.1 FlashMistral Large 4领先者
BenchLeader Index54.352.9不相上下
AA Intelligence Index v5.0.129.125.3MiniMax 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MiniMax M3.1 FlashMistral Large 4
每百万 token 混合价格$0.262$1.05
每百万 token 输入 / 输出$0.150 / $0.600$0.700 / $2.10
每百万 token 缓存输入$0.015$0.070
每项任务价格:聊天回复$0.0002$0.0009
每项任务价格:总结一份 30 页的报告$0.0022$0.0097
每项任务价格:代码编辑$0.0018$0.0074
每项任务价格:智能体编程会话$0.011$0.050
每项任务价格:结构化信息提取$0.0004$0.0018
智能体编程会话(输入大多命中缓存)$0.0053$0.022
每项基准测试任务成本(AA Index)$0.491$4.21
每项任务输出 token(AA Index)138k135k
其中推理部分103k102k
每项任务耗时(AA Index)15 min23 min
输出速度151 tok/s97 tok/s
首次回答时间43.3 秒40.9 秒
完整回答耗时(最近一次测量 2026年11月13日)141.5 秒119.0 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 MiniMax M3.1 Flash 上花费 $0.491,在 Mistral Large 4 上花费 $4.21;完成同样的工作,MiniMax M3.1 Flash 输出的 token 是对方的 1.0 倍。

每个模型都按其排名最高的推理强度设置进行对比。MiniMax M3.1 Flash 得分 54.3,首个回答 token 需 43 秒。Mistral Large 4 得分 52.9,首个回答 token 需 41 秒;Mistral Large 4 (high) 为 48.3(45 秒),Mistral Large 4 (medium) 为 45.9(27 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 123 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MiniMax M3.1 FlashMistral Large 4
BenchLeader IndexBenchLeader54.352.9
智能体与工具得分BenchLeader55.248.8
编程得分BenchLeader55.453.8
知识得分BenchLeader45.940.7
长上下文得分BenchLeader64.565.3
多模态得分BenchLeader61.558.0
推理得分BenchLeader50.146.2
人类偏好得分BenchLeader–59.7
数学得分BenchLeader–54.2
混合价格(美元/百万 token)BenchLeader$0.262$1.05
输出速度BenchLeader151 tok/s97 tok/s
首次回答时间BenchLeader43.3 秒40.9 秒
上下文窗口BenchLeader1,000,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub–88.1%†
Arena Hard PromptsArena (LMArena)–1453
LiveBench 2.0 ReasoningLiveBench82.9%†85.2%†
LiveBench 1.0 ReasoningLiveBench–83.9%†
Humanity's Last Exam (AA)Artificial Analysis48.0%35.0%
HLE-Diamond (AA)Artificial Analysis28.1%15.1%
CritPtArtificial Analysis22.3%10.6%
CritPt v2 hard subset (AA)Artificial Analysis32.5%24.5%
MysteryMechanismVals AI–12.2%†
Arena ExpertArena (LMArena)–1464
Chess PuzzlesEpoch AI Benchmarking Hub–33.0%†
Mystery Game PuzzlesEpoch AI Benchmarking Hub–17.0%†
LMCAEpoch AI Benchmarking Hub–35.8%
DTBenchEpoch AI Benchmarking Hub–88.2%
编程
SciCodeSciCode–54.2%
FrontierCodeCognition–39.4%†
Arena CodingArena (LMArena)–1484
Arena WebDevArena (LMArena)15841565
LiveBench 2.0 CodingLiveBench68.8%†79.4%†
LiveBench 1.0 CodingLiveBench–77.2%†
SciCode (AA)Artificial Analysis53.4%54.2%
IOIVals AI–45.3%†
Code MigrationVals AI–30.6%†
SWE-bench MultimodalVals AI–33.1%†
Vibe Code Bench 1-100Vals AI–14.3%†
显示全部 123 项基准测试
指标发布方MiniMax M3.1 FlashMistral Large 4
编程
Vibe Code Bench v1.1Vals AI73.9%†78.4%†
Vibe Code Bench 1-100 v1.1Vals AI19.8%†–
SWE Atlas v1.1Scale AI SEAL–45.2%
SWE Atlas v1.1: Codebase QnAScale AI SEAL–61.3%
SWE Atlas v1.1: Test WritingScale AI SEAL–40.0%
SWE Atlas v1.1: RefactoringScale AI SEAL–34.3%
SWE-Bench Pro V2Scale AI SEAL96.6%†–
SWE-Bench Pro V2 HARDScale AI SEAL84.3%†–
MirrorCodeEpoch AI Benchmarking Hub–40.0%†
Surface Evolver BenchEpoch AI Benchmarking Hub–28.1%
ALE-BenchEpoch AI Benchmarking Hub–1213.2
WeirdML v3WeirdML–4.5%†
Terminal-Bench 4.0 (AA)Artificial Analysis25.8%26.8%
GameBench 2 by reasoning settingDuelLab GameBench 230.3†57.6†
Design Arena WebsiteDesign Arena12771258
FrontierCode 1.1 (AA)Artificial Analysis38.6%41.5%
FrontierCode 2.0 (AA)Artificial Analysis20.8%13.6%
智能体与工具
Terminal-BenchTerminal-Bench–27.6%†
APEX-AgentsMercor–51.6%†
Arena AgentArena (LMArena)-2.7-5.4
LiveBench Long AgenticLiveBench25.7%†24.7%†
LiveBench BrowserLiveBench80.6%†17.4%†
LiveBench Agentic CodingLiveBench–57.2%†
HiL-BenchScale AI SEAL65.7%–
GDPval-AA v2.1, normalised scoreArtificial Analysis47.9%46.1%
GDPval-AA v2.1Artificial Analysis14651431
Finance Agent v2Vals AI–54.7%†
Finance Agent v2.1Vals AI58.8%†61.4%†
Harvey's Legal Agent Benchmark v1.1Vals AI7.5%†17.5%†
Harvey's Legal Agent Benchmark v1Vals AI–15.8%†
Legal Research BenchVals AI34.1%†31.7%†
Tax Agent BenchVals AI32.1%†30.4%†
Terminal-Bench 4.0 (Vals)Vals AI25.3%†27.8%†
Arena Agent Task CompletionArena (LMArena)-0.7-4.7
AutomationBenchArtificial Analysis72.5%59.9%
GDP.pdf (AA)Artificial Analysis20.8%18.6%
Harvey LAB-AA v1.1Harvey–3.1%
AA-Briefcase v1.1Artificial Analysis14741393
GDPxGDPx by SemiAnalysis4.0%†–
Design Arena AgenticDesign Arena1252–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis3.3%4.8%
CWE-Bench (AA)Artificial Analysis–50.8%
DeepSec-Bench (AA)Artificial Analysis–16.0%
CyberGym end-to-end (AA)Artificial Analysis–81.7%
MKA (AA)Artificial Analysis33.5%35.1%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub–58.6%†
FrontierMath Tier 4Epoch AI Benchmarking Hub–26.8%†
OTIS Mock AIMEEpoch AI Benchmarking Hub–98.3%†
ProofBenchVals AI–10.0%
LiveBench MathematicsLiveBench–93.6%†
Arena MathsArena (LMArena)–1459
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub–20.0%†
LiveBench 2.0 Data AnalysisLiveBench71.4%†76.6%†
LiveBench ResearchLiveBench76.7%†80.3%†
LiveBench 1.0 Data AnalysisLiveBench–76.5%†
AA-Omniscience v1.1Artificial Analysis-6.4-7.5
PRBench FinanceScale AI SEAL45.6%–
PRBench LegalScale AI SEAL45.1%–
BioMysteryBenchVals AI–67.0%†
Excel Modeling BenchmarkVals AI–56.2%†
Excel Modeling Benchmark v1.1Vals AI67.8%†69.0%†
MedCodeVals AI–40.7%†
MedScribeVals AI–80.4%†
Access to Justice BenchmarkVals AI73.3%†–
Immigration BenchVals AI–63.7%†
AA-Omniscience v1.1: accuracyArtificial Analysis45.1%23.9%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis6.3%58.7%
指令遵循
LiveBench LanguageLiveBench–49.6%†
LiveBench Instruction FollowingLiveBench–64.8%†
Arena Instruction FollowingArena (LMArena)–1418
人类偏好
Arena TextArena (LMArena)–1420
Arena Creative WritingArena (LMArena)–1359
Arena Multi-turnArena (LMArena)–1429
Arena Longer QueriesArena (LMArena)–1420
多模态
Arena VisionArena (LMArena)–1244
LiveBench DesignLiveBench71.2%†76.3%†
MMMU-ProArtificial Analysis79.1%76.4%
SAGEVals AI85.3%†–
Furniture AssemblyEpoch AI Benchmarking Hub–20.8%†
VIALS-AAHandshake AI29.8%20.5%†
Code2Video-AAArtificial Analysis–931
AA-3DArtificial Analysis–882
长上下文
AA-LCR v1.1Artificial Analysis79.7%81.3%
MLCRArtificial Analysis16.7%7.8%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub–154.6
LiveBench 2.0LiveBench63.7%†60.3%†
LiveBench 1.0LiveBench–71.8%†
AA Intelligence Index v5.0.1Artificial Analysis29.125.3
AA Intelligence Index v4.3.2Artificial Analysis42.738.4
AA Progress Index v1Artificial Analysis317.6312.4
Vals IndexVals AI53.8†–
Vals Finance IndexVals AI55.9%†56.9%†
Vals Router IndexVals AI53.8%–
Vals Legal IndexVals AI67.1%†65.6%†
AA Cyber IndexArtificial Analysis–49.5
安全与诚实
FORTRESSScale AI SEAL52.1%23.1%
DistressBenchScale AI SEAL–77.0%
元数据
AA Openness IndexArtificial Analysis27.838.9†

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。
  • Mistral Large 4:BenchLeader Index 52.2 → 52.9。
  • Mistral Large 4:1 项新结果(GDPval-AA v2.1)。
  • Mistral Large 4:1 项分数修订。
  • Mistral Large 4:2 项分数修订。
  • MiniMax M3.1 Flash:BenchLeader Index 54.3 → 53.7。
  • MiniMax M3.1 Flash:1 项分数修订。
  • Mistral Large 4:6 项分数修订。
  • Mistral Large 4:BenchLeader Index 52.7 → 52.2。
  • MiniMax M3.1 Flash:6 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

MiniMax M3.1 Flash vs Mistral Large 4:常见问题

MiniMax M3.1 Flash 比 Mistral Large 4 更好吗?
MiniMax M3.1 Flash 与 Mistral Large 4 的质量不相上下(54.3 比 52.9,在 ±6.4 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。
MiniMax M3.1 Flash 和 Mistral Large 4 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 $1.05(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 MiniMax M3.1 Flash 还是 Mistral Large 4 更好?
MiniMax M3.1 Flash 在编程方面得分更高(类别得分 55 比 54,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,MiniMax M3.1 Flash 为 1584,Mistral Large 4 为 1565。
MiniMax M3.1 Flash 和 Mistral Large 4 哪个更快?
MiniMax M3.1 Flash 输出更快(输出 151 比 97 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 MiniMax M3.1 Flash 还是 Mistral Large 4 更好?
MiniMax M3.1 Flash 在智能体任务方面得分更高(类别得分 55 比 49,50 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,MiniMax M3.1 Flash 为 -2.7,Mistral Large 4 为 -5.4。
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 1M token(MiniMax M3.1 Flash 为 1,000,000,Mistral Large 4 为 1,048,576)。
哪个延迟更低?
Mistral Large 4 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 40.9 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 MiniMax M3.1 Flash 和 Mistral Large 4 的看法一致吗?
在两者都有结果的 26 项基准测试中,MiniMax M3.1 Flash 领先 19 项,Mistral Large 4 领先 7 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。