BenchLeader

MiniMax M3.1 Flash vs Qwen3.5-122B-A10B

完整资料:MiniMax M3.1 Flash(MiniMax)和 Qwen3.5-122B-A10B(Alibaba),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,MiniMax M3.1 Flash 与 Qwen3.5-122B-A10B 的质量不相上下(BenchLeader Index 54.3 比 54.1,在 ±7.6 的误差范围内)。MiniMax M3.1 Flash 更便宜,对方的价格是它的 4.2 倍(每百万 token 混合价格 $0.262 比 $1.10)。看重编程(55 比 45)和多模态(62 比 57)选 MiniMax M3.1 Flash;看重推理(59 比 50)选 Qwen3.5-122B-A10B。Qwen3.5-122B-A10B 的首次回答更快(1.1 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)

  • MiniMax M3.1 Flash 的 BenchLeader Index 为 54.3,Qwen3.5-122B-A10B 为 54.1(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)。
  • Qwen3.5-122B-A10B 每百万 token 混合价格为 $1.10(标价,2026年11月16日)。
  • MiniMax M3.1 Flash 比 Qwen3.5-122B-A10B 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 1 项基准测试中,MiniMax M3.1 Flash 领先 1 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,MiniMax M3.1 Flash 的评分为 1584,Qwen3.5-122B-A10B 为 1360(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 45;Arena WebDev 1584 比 1360高
推理Qwen3.5-122B-A10B类别得分 59 比 50高
图像及其他媒体MiniMax M3.1 Flash类别得分 62 比 57中
对话质量(人类偏好)–只有 Qwen3.5-122B-A10B 有 Arena 评分(类别得分 59)无法比较
成本最低MiniMax M3.1 Flash每百万 token 混合价格 $0.262 比 $1.10;智能体编程会话 $0.011 比 $0.037–
首次回答最快Qwen3.5-122B-A10B首个回答 token 1.1 秒(Qwen3.5-122B-A10B)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

  • MiniMax M3.1 Flash 与 Qwen3.5-122B-A10B 的质量不相上下(54.3 比 54.1,在 ±7.6 的误差范围内)。
  • MiniMax M3.1 Flash 在编程、多模态方面更强。
  • Qwen3.5-122B-A10B 在推理方面更强。
  • MiniMax M3.1 Flash 更便宜,对方的价格是它的 4.2 倍(每百万 token 混合价格 $0.262 比 $1.10)。
  • MiniMax M3.1 Flash 的输出速度是对方的 1.6 倍(151 比 92 token/秒)。

概览

规格MiniMax M3.1 FlashQwen3.5-122B-A10B
提供商MiniMaxAlibaba
发布日期2026年10月19日2026年2月24日
上下文窗口(token)1,000,000262,144
对比时的配置MiniMax M3.1 FlashQwen3.5-122B-A10B
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$0.400 / $3.20 / –

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 FlashQwen3.5-122B-A10B领先者
推理50.158.9Qwen3.5-122B-A10B
编程55.445.2MiniMax M3.1 Flash
智能体与工具55.2–无法比较
数学–60.1无法比较
知识45.9–无法比较
人类偏好–59.2无法比较
多模态61.557.4MiniMax M3.1 Flash
长上下文64.5–无法比较

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推理编程多模态MiniMax M3.1 Flash, 推理: 50.1MiniMax M3.1 Flash, 编程: 55.4MiniMax M3.1 Flash, 多模态: 61.5Qwen3.5-122B-A10B, 推理: 58.9Qwen3.5-122B-A10B, 编程: 45.2Qwen3.5-122B-A10B, 多模态: 57.4

未绘制(测得的模型少于两个):智能体与工具, 数学, 知识, 指令遵循, 长上下文, 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 1 项基准测试中,MiniMax M3.1 Flash 领先 1 项,Qwen3.5-122B-A10B 领先 0 项。

综合 IndexMiniMax M3.1 FlashQwen3.5-122B-A10B领先者
BenchLeader Index54.354.1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MiniMax M3.1 FlashQwen3.5-122B-A10B
每百万 token 混合价格$0.262$1.10
每百万 token 输入 / 输出$0.150 / $0.600$0.400 / $3.20
每百万 token 缓存输入$0.015–
每项任务价格:聊天回复$0.0002$0.0011
每项任务价格:总结一份 30 页的报告$0.0022$0.0067
每项任务价格:代码编辑$0.0018$0.0072
每项任务价格:智能体编程会话$0.011$0.037
每项任务价格:结构化信息提取$0.0004$0.0014
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/s92 tok/s
首次回答时间43.3 秒1.1 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。MiniMax M3.1 Flash 得分 54.3,首个回答 token 需 43 秒。Qwen3.5-122B-A10B 得分 54.1,首个回答 token 需 1 秒;Qwen3.5-122B-A10B (thinking) 为 53.9(18 秒),Qwen3.5-122B-A10B (无推理) 为 48.4(4 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 82 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 FlashQwen3.5-122B-A10B
BenchLeader IndexBenchLeader54.354.1
智能体与工具得分BenchLeader55.2–
编程得分BenchLeader55.445.2
知识得分BenchLeader45.9–
长上下文得分BenchLeader64.5–
多模态得分BenchLeader61.557.4
推理得分BenchLeader50.158.9
人类偏好得分BenchLeader–59.2
数学得分BenchLeader–60.1
混合价格(美元/百万 token)BenchLeader$0.262$1.10
输出速度BenchLeader151 tok/s92 tok/s
首次回答时间BenchLeader43.3 秒1.1 秒
上下文窗口BenchLeader1,000,000 token262,144 token
推理
Arena Hard PromptsArena (LMArena)–1433
LiveBench 2.0 ReasoningLiveBench82.9%†–
GPQA Diamond (AA)Artificial Analysis–85.7%†
Humanity's Last Exam (AA)Artificial Analysis48.0%25.2%†
HLE-Diamond (AA)Artificial Analysis28.1%7.3%†
CritPtArtificial Analysis22.3%0.6%†
CritPt v2 hard subset (AA)Artificial Analysis32.5%–
Arena ExpertArena (LMArena)–1441
Mystery Game PuzzlesEpoch AI Benchmarking Hub–17.0%†
LMCAEpoch AI Benchmarking Hub–32.2%†
DTBenchEpoch AI Benchmarking Hub–84.3%†
编程
SciCodeSciCode–35.6%†
Arena CodingArena (LMArena)–1458
Arena WebDevArena (LMArena)15841360
LiveBench 2.0 CodingLiveBench68.8%†–
SciCode (AA)Artificial Analysis53.4%39.7%†
Vibe Code Bench v1.1Vals AI73.9%†–
Vibe Code Bench 1-100 v1.1Vals AI19.8%†–
SWE-Bench Pro V2Scale AI SEAL96.6%†–
SWE-Bench Pro V2 HARDScale AI SEAL84.3%†–
Terminal-Bench 4.0 (AA)Artificial Analysis25.8%0.0%†
Terminal-Bench 2.1 (AA)Artificial Analysis–47.6%†
GameBench 2 by reasoning settingDuelLab GameBench 230.3†–
Design Arena WebsiteDesign Arena1277–
FrontierCode 1.1 (AA)Artificial Analysis38.6%–
显示全部 82 项基准测试
指标发布方MiniMax M3.1 FlashQwen3.5-122B-A10B
编程
FrontierCode 2.0 (AA)Artificial Analysis20.8%–
智能体与工具
Arena AgentArena (LMArena)-2.7–
LiveBench Long AgenticLiveBench25.7%†–
LiveBench BrowserLiveBench80.6%†–
Terminal-Bench HardArtificial Analysis–31.1%†
τ²-Bench Telecom (AA)Artificial Analysis–93.6%†
HiL-BenchScale AI SEAL65.7%–
GDPval-AA v2.1, normalised scoreArtificial Analysis47.9%15.7%†
GDPval-AA v2.1Artificial Analysis1465821†
τ³-Banking (AA)Artificial Analysis–15.3%†
Finance Agent v2.1Vals AI58.8%†–
Harvey's Legal Agent Benchmark v1.1Vals AI7.5%†–
Legal Research BenchVals AI34.1%†–
Tax Agent BenchVals AI32.1%†–
Terminal-Bench 4.0 (Vals)Vals AI25.3%†–
Arena Agent Task CompletionArena (LMArena)-0.7–
AutomationBenchArtificial Analysis72.5%5.5%†
GDP.pdf (AA)Artificial Analysis20.8%3.4%†
AA-Briefcase v1.1Artificial Analysis1474499†
GDPxGDPx by SemiAnalysis4.0%†–
Design Arena AgenticDesign Arena1252–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis3.3%–
MKA (AA)Artificial Analysis33.5%–
数学
Arena MathsArena (LMArena)–1425
知识
LiveBench 2.0 Data AnalysisLiveBench71.4%†–
LiveBench ResearchLiveBench76.7%†–
AA-Omniscience v1.1Artificial Analysis-6.4–
PRBench FinanceScale AI SEAL45.6%–
PRBench LegalScale AI SEAL45.1%–
Excel Modeling Benchmark v1.1Vals AI67.8%†–
Access to Justice BenchmarkVals AI73.3%†–
AA-Omniscience v1.1: accuracyArtificial Analysis45.1%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis6.3%–
Global-MMLU-Lite (AA)Artificial Analysis–89.1%†
指令遵循
IFBenchArtificial Analysis–75.7%†
Arena Instruction FollowingArena (LMArena)–1406
人类偏好
Arena TextArena (LMArena)–1416
Arena Creative WritingArena (LMArena)–1365
Arena Multi-turnArena (LMArena)–1419
Arena Longer QueriesArena (LMArena)–1418
多模态
Arena VisionArena (LMArena)–1244
LiveBench DesignLiveBench71.2%†–
MMMU-ProArtificial Analysis79.1%75.0%†
SAGEVals AI85.3%†–
VIALS-AAHandshake AI29.8%–
长上下文
AA-LCR v1.1Artificial Analysis79.7%76.3%†
MLCRArtificial Analysis16.7%7.8%†
综合
LiveBench 2.0LiveBench63.7%†–
AA Intelligence Index v5.0.1Artificial Analysis29.1–
AA Intelligence Index v4.3.2Artificial Analysis42.715.6†
AA Progress Index v1Artificial Analysis317.6261.5†
Vals IndexVals AI53.8†–
Vals Finance IndexVals AI55.9%†–
Vals Router IndexVals AI53.8%–
Vals Legal IndexVals AI67.1%†–
安全与诚实
FORTRESSScale AI SEAL52.1%–
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。
  • 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。
  • 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

MiniMax M3.1 Flash vs Qwen3.5-122B-A10B:常见问题

MiniMax M3.1 Flash 比 Qwen3.5-122B-A10B 更好吗?
MiniMax M3.1 Flash 与 Qwen3.5-122B-A10B 的质量不相上下(54.3 比 54.1,在 ±7.6 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 Qwen3.5-122B-A10B 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 $1.10(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 Qwen3.5-122B-A10B 更好?
MiniMax M3.1 Flash 在编程方面得分更高(类别得分 55 比 45,50 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,Qwen3.5-122B-A10B 为 1360。
MiniMax M3.1 Flash 和 Qwen3.5-122B-A10B 哪个更快?
MiniMax M3.1 Flash 输出更快(约 1.5 倍;输出 151 比 92 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
MiniMax M3.1 Flash 支持更长的上下文:1,000,000 token,Qwen3.5-122B-A10B 为 262,144 token。
更多问题(3)
哪个延迟更低?
Qwen3.5-122B-A10B 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 1.1 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 Qwen3.5-122B-A10B 的看法一致吗?
在两者都有结果的 1 项基准测试中,MiniMax M3.1 Flash 领先 1 项,Qwen3.5-122B-A10B 领先 0 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。