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 Flash | Mistral Large 4 |
|---|---|---|
| 提供商 | MiniMax | Mistral AI |
| 发布日期 | 2026年10月19日 | 2026年10月6日 |
| 上下文窗口(token) | 1,000,000 | 1,048,576 |
| 对比时的配置 | MiniMax M3.1 Flash | Mistral 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 Flash | Mistral Large 4 | 领先者 |
|---|---|---|---|
| 推理 | 50.1 | 46.2 | MiniMax M3.1 Flash |
| 编程 | 55.4 | 53.8 | MiniMax M3.1 Flash |
| 智能体与工具 | 55.2 | 48.8 | MiniMax M3.1 Flash |
| 数学 | – | 54.2 | 无法比较 |
| 知识 | 45.9 | 40.7 | MiniMax M3.1 Flash |
| 人类偏好 | – | 59.7 | 无法比较 |
| 多模态 | 61.5 | 58.0 | MiniMax M3.1 Flash |
| 长上下文 | 64.5 | 65.3 | 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。
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,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 Index | MiniMax M3.1 Flash | Mistral Large 4 | 领先者 |
|---|---|---|---|
| BenchLeader Index | 54.3 | 52.9 | 不相上下 |
| AA Intelligence Index v5.0.1 | 29.1 | 25.3 | 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 | MiniMax M3.1 Flash | Mistral 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) | 138k | 135k |
| 其中推理部分 | 103k | 102k |
| 每项任务耗时(AA Index) | 15 min | 23 min |
| 输出速度 | 151 tok/s | 97 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 Flash | Mistral Large 4 |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 54.3 | 52.9 |
| 智能体与工具得分 | BenchLeader | 55.2 | 48.8 |
| 编程得分 | BenchLeader | 55.4 | 53.8 |
| 知识得分 | BenchLeader | 45.9 | 40.7 |
| 长上下文得分 | BenchLeader | 64.5 | 65.3 |
| 多模态得分 | BenchLeader | 61.5 | 58.0 |
| 推理得分 | BenchLeader | 50.1 | 46.2 |
| 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 | BenchLeader | 151 tok/s | 97 tok/s |
| 首次回答时间 | BenchLeader | 43.3 秒 | 40.9 秒 |
| 上下文窗口 | BenchLeader | 1,000,000 token | 1,048,576 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | – | 88.1%† |
| Arena Hard Prompts | Arena (LMArena) | – | 1453 |
| LiveBench 2.0 Reasoning | LiveBench | 82.9%† | 85.2%† |
| LiveBench 1.0 Reasoning | LiveBench | – | 83.9%† |
| Humanity's Last Exam (AA) | Artificial Analysis | 48.0% | 35.0% |
| HLE-Diamond (AA) | Artificial Analysis | 28.1% | 15.1% |
| CritPt | Artificial Analysis | 22.3% | 10.6% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 32.5% | 24.5% |
| MysteryMechanism | Vals AI | – | 12.2%† |
| Arena Expert | Arena (LMArena) | – | 1464 |
| Chess Puzzles | Epoch AI Benchmarking Hub | – | 33.0%† |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | – | 17.0%† |
| LMCA | Epoch AI Benchmarking Hub | – | 35.8% |
| DTBench | Epoch AI Benchmarking Hub | – | 88.2% |
| 编程 | |||
| SciCode | SciCode | – | 54.2% |
| FrontierCode | Cognition | – | 39.4%† |
| Arena Coding | Arena (LMArena) | – | 1484 |
| Arena WebDev | Arena (LMArena) | 1584 | 1565 |
| LiveBench 2.0 Coding | LiveBench | 68.8%† | 79.4%† |
| LiveBench 1.0 Coding | LiveBench | – | 77.2%† |
| SciCode (AA) | Artificial Analysis | 53.4% | 54.2% |
| IOI | Vals AI | – | 45.3%† |
| Code Migration | Vals AI | – | 30.6%† |
| SWE-bench Multimodal | Vals AI | – | 33.1%† |
| Vibe Code Bench 1-100 | Vals AI | – | 14.3%† |
显示全部 123 项基准测试
| 指标 | 发布方 | MiniMax M3.1 Flash | Mistral Large 4 |
|---|---|---|---|
| 编程 | |||
| Vibe Code Bench v1.1 | Vals AI | 73.9%† | 78.4%† |
| Vibe Code Bench 1-100 v1.1 | Vals AI | 19.8%† | – |
| SWE Atlas v1.1 | Scale AI SEAL | – | 45.2% |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | – | 61.3% |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | – | 40.0% |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | – | 34.3% |
| SWE-Bench Pro V2 | Scale AI SEAL | 96.6%† | – |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | 84.3%† | – |
| MirrorCode | Epoch AI Benchmarking Hub | – | 40.0%† |
| Surface Evolver Bench | Epoch AI Benchmarking Hub | – | 28.1% |
| ALE-Bench | Epoch AI Benchmarking Hub | – | 1213.2 |
| WeirdML v3 | WeirdML | – | 4.5%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 25.8% | 26.8% |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 30.3† | 57.6† |
| Design Arena Website | Design Arena | 1277 | 1258 |
| FrontierCode 1.1 (AA) | Artificial Analysis | 38.6% | 41.5% |
| FrontierCode 2.0 (AA) | Artificial Analysis | 20.8% | 13.6% |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | – | 27.6%† |
| APEX-Agents | Mercor | – | 51.6%† |
| Arena Agent | Arena (LMArena) | -2.7 | -5.4 |
| LiveBench Long Agentic | LiveBench | 25.7%† | 24.7%† |
| LiveBench Browser | LiveBench | 80.6%† | 17.4%† |
| LiveBench Agentic Coding | LiveBench | – | 57.2%† |
| HiL-Bench | Scale AI SEAL | 65.7% | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 47.9% | 46.1% |
| GDPval-AA v2.1 | Artificial Analysis | 1465 | 1431 |
| Finance Agent v2 | Vals AI | – | 54.7%† |
| Finance Agent v2.1 | Vals AI | 58.8%† | 61.4%† |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 7.5%† | 17.5%† |
| Harvey's Legal Agent Benchmark v1 | Vals AI | – | 15.8%† |
| Legal Research Bench | Vals AI | 34.1%† | 31.7%† |
| Tax Agent Bench | Vals AI | 32.1%† | 30.4%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | 25.3%† | 27.8%† |
| Arena Agent Task Completion | Arena (LMArena) | -0.7 | -4.7 |
| AutomationBench | Artificial Analysis | 72.5% | 59.9% |
| GDP.pdf (AA) | Artificial Analysis | 20.8% | 18.6% |
| Harvey LAB-AA v1.1 | Harvey | – | 3.1% |
| AA-Briefcase v1.1 | Artificial Analysis | 1474 | 1393 |
| GDPx | GDPx by SemiAnalysis | 4.0%† | – |
| Design Arena Agentic | Design Arena | 1252 | – |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 3.3% | 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 Analysis | 33.5% | 35.1%† |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | – | 58.6%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | – | 26.8%† |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | – | 98.3%† |
| ProofBench | Vals AI | – | 10.0% |
| LiveBench Mathematics | LiveBench | – | 93.6%† |
| Arena Maths | Arena (LMArena) | – | 1459 |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | – | 20.0%† |
| LiveBench 2.0 Data Analysis | LiveBench | 71.4%† | 76.6%† |
| LiveBench Research | LiveBench | 76.7%† | 80.3%† |
| LiveBench 1.0 Data Analysis | LiveBench | – | 76.5%† |
| AA-Omniscience v1.1 | Artificial Analysis | -6.4 | -7.5 |
| PRBench Finance | Scale AI SEAL | 45.6% | – |
| PRBench Legal | Scale AI SEAL | 45.1% | – |
| BioMysteryBench | Vals AI | – | 67.0%† |
| Excel Modeling Benchmark | Vals AI | – | 56.2%† |
| Excel Modeling Benchmark v1.1 | Vals AI | 67.8%† | 69.0%† |
| MedCode | Vals AI | – | 40.7%† |
| MedScribe | Vals AI | – | 80.4%† |
| Access to Justice Benchmark | Vals AI | 73.3%† | – |
| Immigration Bench | Vals AI | – | 63.7%† |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 45.1% | 23.9% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 6.3% | 58.7% |
| 指令遵循 | |||
| LiveBench Language | LiveBench | – | 49.6%† |
| LiveBench Instruction Following | LiveBench | – | 64.8%† |
| Arena Instruction Following | Arena (LMArena) | – | 1418 |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | – | 1420 |
| Arena Creative Writing | Arena (LMArena) | – | 1359 |
| Arena Multi-turn | Arena (LMArena) | – | 1429 |
| Arena Longer Queries | Arena (LMArena) | – | 1420 |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | – | 1244 |
| LiveBench Design | LiveBench | 71.2%† | 76.3%† |
| MMMU-Pro | Artificial Analysis | 79.1% | 76.4% |
| SAGE | Vals AI | 85.3%† | – |
| Furniture Assembly | Epoch AI Benchmarking Hub | – | 20.8%† |
| VIALS-AA | Handshake AI | 29.8% | 20.5%† |
| Code2Video-AA | Artificial Analysis | – | 931 |
| AA-3D | Artificial Analysis | – | 882 |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 79.7% | 81.3% |
| MLCR | Artificial Analysis | 16.7% | 7.8% |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | – | 154.6 |
| LiveBench 2.0 | LiveBench | 63.7%† | 60.3%† |
| LiveBench 1.0 | LiveBench | – | 71.8%† |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 29.1 | 25.3 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 42.7 | 38.4 |
| AA Progress Index v1 | Artificial Analysis | 317.6 | 312.4 |
| Vals Index | Vals AI | 53.8† | – |
| Vals Finance Index | Vals AI | 55.9%† | 56.9%† |
| Vals Router Index | Vals AI | 53.8% | – |
| Vals Legal Index | Vals AI | 67.1%† | 65.6%† |
| AA Cyber Index | Artificial Analysis | – | 49.5 |
| 安全与诚实 | |||
| FORTRESS | Scale AI SEAL | 52.1% | 23.1% |
| DistressBench | Scale AI SEAL | – | 77.0% |
| 元数据 | |||
| AA Openness Index | Artificial Analysis | 27.8 | 38.9† |
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。
相关对比
- 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
- Mistral Large 4 vs Muse Spark 1.3
- Mistral Large 4 vs Muse Ember
- Mistral Large 4 vs Mistral Large 4.0 OSS
- 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
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。