MiniMax M3.1 Flash
性价比更高: MiMo-V2.5 $0.138/M 即可获得 Index 56.3,便宜 47%。
有 8 个更便宜的已排名模型得分更高:GLM 5.3 Flash (57.8, $0.238)、Claude Haiku 5.5 (56.7, $0.200)、MiMo-V2.5 (56.3, $0.138),另有 5 个。
截至 2026年11月16日,MiniMax M3.1 Flash(MiniMax)在 BenchLeader Index 上得分 54.3(共 608 个已排名配置)。表现最好的是长上下文(65),最弱的是知识(46)。API 价格为输入每百万 token $0.150、输出每百万 token $0.600(按 3:1 混合为 $0.262),为 2026年11月16日的标价。输出速度约为 150 token/秒(Artificial Analysis)。发布于 2026年10月19日。
要点(截至 2026年11月16日)
- MiniMax M3.1 Flash 的 API 价格为输入每百万 token $0.150、输出每百万 token $0.600(按 3:1 混合为 $0.262)(标价,2026年11月16日)。
- MiniMax M3.1 Flash 的输出速度约为 150 token/秒(Artificial Analysis,2026年11月16日)。
- MiniMax M3.1 Flash 于 2026年10月19日发布(MiniMax)。
详细说明:MiniMax M3.1 Flash 是 MiniMax 的开放权重推理模型,发布于 2026年10月19日。其最佳配置在 BenchLeader Index 上得分 54.3 ±4.5,在 608 个配置中排第 236 名,处于上半区。关键在于这个“±”:另有 284 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,长上下文得分最高(65),知识最低(46)。按混合价格计,每百万 token $0.262,比大多数已排名模型便宜。输出速度为 151 token/秒,首次回答需 43.3 秒,位于最快的四分之一。它已在 5 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。
- 混合价格
- $0.262/M
- 输入 $0.150 · 输出 $0.600
- 来源:Artificial Analysis
- 输出速度
- 151 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 43 s
- 首 token 1.36 s
- 上下文
- 1M
- 来源:models.dev
- 完整回答
- 142 s
- 最近一次测量 2026年11月13日
- 单任务成本
- $0.491
- 每项任务 15 min,AA Index
- 单任务 token 数
- 138k
- 其中 74% 为推理
- 发布日期
- 2026年10月19日
- 综合 Index54
- 推理50
- 编程55
- 智能体与工具55
- 知识46
- 多模态62
- 长上下文65
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/minimax-m3-1-flash)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
不同推理强度的配置
同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。
Index 走势
2026年10月20日 至 2026年11月16日Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
元数据
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA Openness Index不计入 Index | 27.8#260 | Artificial Analysis |
推理
| 基准测试 | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| LiveBench 2.0 Reasoning不计入 Index | 82.9%#22 | – | LiveBench | |
| Humanity's Last Exam (AA)不计入 Index推理强度未说明 | – | 48.0%#41 | Artificial Analysis | |
| HLE-Diamond (AA)推理强度未说明 | – | 28.1%#58 | Artificial Analysis | |
| CritPt不计入 Index推理强度未说明 | – | 22.3%#66 | Artificial Analysis | |
| CritPt v2 hard subset (AA)推理强度未说明 | – | 32.5%#74 | Artificial Analysis |
编程
| 基准测试 | low | medium | xhigh | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|
| Arena WebDev推理强度未说明 | – | – | – | – | 1584#41 | Arena (LMArena) | |
| LiveBench 2.0 Coding不计入 Index | – | – | – | 68.8%#23 | – | LiveBench | |
| SciCode (AA)不计入 Index推理强度未说明 | – | – | – | – | 53.4%#85 | Artificial Analysis | |
| Vibe Code Bench v1.1不计入 Index | – | – | – | 73.9%#47 | – | Vals AI | |
| Vibe Code Bench 1-100 v1.1不计入 Index | – | – | – | 19.8%#8 | – | Vals AI | |
| SWE-Bench Pro V2不计入 Index | – | – | 96.6%#8 | – | – | Scale AI SEAL | |
| SWE-Bench Pro V2 HARD不计入 Index | – | – | 84.3%#10 | – | – | Scale AI SEAL | |
| Terminal-Bench 4.0 (AA)不计入 Index推理强度未说明 | – | – | – | – | 25.8%#76 | Artificial Analysis | |
| GameBench 2 by reasoning setting不计入 Index | 30.3#169 | 41.0#131 | 38.5#143 | – | – | DuelLab GameBench 2 | |
| Design Arena Website不计入 Index推理强度未说明 | – | – | – | – | 1277#36 | Design Arena | |
| FrontierCode 1.1 (AA)不计入 Index推理强度未说明 | – | – | – | – | 38.6%#46 | Artificial Analysis | |
| FrontierCode 2.0 (AA)推理强度未说明 | – | – | – | – | 20.8%#67 | Artificial Analysis |
智能体与工具
知识
| 基准测试 | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| LiveBench 2.0 Data Analysis不计入 Index | 71.4%#25 | – | LiveBench | |
| LiveBench Research不计入 Index | 76.7%#24 | – | LiveBench | |
| AA-Omniscience v1.1推理强度未说明 | – | -6.4#99 | Artificial Analysis | |
| PRBench Finance推理强度未说明 | – | 45.6%#24 | Scale AI SEAL | |
| PRBench Legal推理强度未说明 | – | 45.1%#26 | Scale AI SEAL | |
| Excel Modeling Benchmark v1.1不计入 Index | 67.8%#28 | – | Vals AI | |
| Access to Justice Benchmark不计入 Index | 73.3%#7 | – | Vals AI | |
| AA-Omniscience v1.1: accuracy不计入 Index推理强度未说明 | – | 45.1%#56 | Artificial Analysis | |
| AA-Omniscience v1.1: non-hallucination不计入 Index推理强度未说明 | – | 6.3%#138 | Artificial Analysis |
多模态
| 基准测试 | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| LiveBench Design不计入 Index | 71.2%#23 | – | LiveBench | |
| MMMU-Pro推理强度未说明 | – | 79.1%#72 | Artificial Analysis | |
| SAGE不计入 Index | 85.3%#18 | – | Vals AI | |
| VIALS-AA不计入 Index推理强度未说明 | – | 29.8%#19 | Handshake AI |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 79.7%#100 | Artificial Analysis | |
| MLCR不计入 Index | 16.7%#77 | Artificial Analysis |
综合
| 基准测试 | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| LiveBench 2.0 | 63.7%#20 | – | LiveBench | |
| AA Intelligence Index v5.0.1不计入 Index推理强度未说明 | – | 29.1#70 | Artificial Analysis | |
| AA Intelligence Index v4.3.2不计入 Index推理强度未说明 | – | 42.7#53 | Artificial Analysis | |
| AA Progress Index v1不计入 Index推理强度未说明 | – | 317.6#75 | Artificial Analysis | |
| Vals Index不计入 Index | 53.8#26 | – | Vals AI | |
| Vals Finance Index不计入 Index | 55.9%#25 | – | Vals AI | |
| Vals Router Index不计入 Index推理强度未说明 | – | 53.8%#15 | Vals AI | |
| Vals Legal Index不计入 Index | 67.1%#28 | – | Vals AI |
安全与诚实
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| FORTRESS不计入 Index | 52.1%#71 | Scale AI SEAL |
GameBench 2, best reasoning setting (Medium): 41.0. 仅供参考,不计入 BenchLeader Index。
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.
优势所在
在所有已测配置中,这个配置排名前五的基准测试。
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| Inferact vLLM | 200 tok/s | 0.44 s | $0.075 | $0.300 | 1.0M | nvfp4 |
| Together | 197 tok/s | 0.17 s | $0.150 | $0.600 | 1.0M | – |
| DigitalOcean | 166 tok/s | 1.04 s | $0.150 | $0.600 | 1.0M | – |
| Wafer | 131 tok/s | 0.55 s | $0.135 | $0.540 | 1.0M | nvfp4 |
| Nebius Token Factory | 117 tok/s | 0.63 s | $0.150 | $0.600 | 1.0M | fp4 |
| GMICloud | 109 tok/s | 2.85 s | $0.150 | $0.600 | 1.0M | fp8 |
| Parasail | 105 tok/s | 0.91 s | $0.150 | $0.600 | 1.0M | fp8 |
| Fireworks | 104 tok/s | 0.36 s | $0.150 | $0.600 | 1.0M | – |
| MiniMax | 80 tok/s | 1.36 s | $0.150 | $0.600 | 1.0M | – |
| inference.net | 53 tok/s | 0.26 s | $0.150 | $0.600 | 1M | fp4 |
| inference.net | 51 tok/s | 0.24 s | $0.150 | $0.600 | 1M | fp4 |
| StreamLake | 39 tok/s | 3.19 s | $0.135 | $0.540 | 1M | fp8 |
使用情况
MiniMax M3.1 Flash 的实际使用量,依据公开这类数据的网关报告。使用情况不计入 Index。使用最多的模型和提供商
过去 30 天的典型请求:每次请求 84.5k token、每个输出 token 对应 68 个输入 token、93% 的输入来自缓存、69% 的输出为推理内容、每次请求 0.58 次工具调用。
在 OpenRouter 上向它发送 token 最多的应用:Hermes Agent (2.14T)、OpenClaw (1.12T)、Kilo Code (738B)、Mira (425B)、pi (164B)。
| Vercel AI Gateway 上的提供商 | 吞吐量 | 首 token | 在线率,1 天 |
|---|---|---|---|
| Nebius | 225 tok/s | 0.52 s | 100.00% |
| Together AI | 220 tok/s | 0.19 s | 100.00% |
| GMI Cloud | 198 tok/s | 8.71 s | 100.00% |
| DigitalOcean | 157 tok/s | 0.29 s | 100.00% |
| Fireworks | 130 tok/s | 0.33 s | 100.00% |
| Parasail | 99 tok/s | 0.68 s | 100.00% |
来源: 使用情况: OpenRouter 排名 · Vercel AI Gateway, CC BY 4.0 · 数据截至 2026年11月16日。
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.015。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0002 | $0.0002 | 45.3 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0022 | $0.0009 | 47.3 s |
| 代码编辑 | 6,000 / 1,500 | $0.0018 | $0.0012 | 53.2 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.011 | $0.0053 | 1.2 min |
| 结构化信息提取 | 2,000 / 200 | $0.0004 | $0.0002 | 44.6 s |
包含该模型的编程套餐
可以使用 MiniMax M3.1 Flash 的订阅套餐,列出各自的用量限制和单项任务成本。
将 MiniMax M3.1 Flash 与以下模型对比
- MiniMax M3.1 Flash vs Qwen3.5-122B-A10B
- MiniMax M3.1 Flash vs Inkling Small
- MiniMax M3.1 Flash vs Claude Opus 5.5
- MiniMax M3.1 Flash vs MiMo-V2-Flash
- MiniMax M3.1 Flash vs Beam 1.0 501B A23B
- MiniMax M3.1 Flash vs Mistral Large 4
- MiniMax M3.1 Flash vs Qwen3.8 27B
- MiniMax M3.1 Flash vs GPT-6.1 Sol
- MiniMax M3.1 Flash vs GPT-5.4 Nano
- MiniMax M3.1 Flash vs Qwen3.8 2.4T A95B
- MiniMax M3.1 Flash vs Gemini 4 Argon
- MiniMax M3.1 Flash vs Solar Pro 4
- MiniMax M3.1 Flash vs Claude Sonnet 5.5
- MiniMax M3.1 Flash vs Kimi K2 Thinking
- MiniMax M3.1 Flash vs Kimi K2.7 Code
- MiniMax M3.1 Flash vs Qwen3.5-27B
- MiniMax M3.1 Flash vs Muse Wonder Full
- MiniMax M3.1 Flash vs Claude Fable 5.1
- MiniMax M3.1 Flash vs Step 3.7 Flash
- MiniMax M3.1 Flash vs GPT-5.6 Sol
- MiniMax M3.1 Flash vs GPT-6 Astra
另请参阅
嵌入或引用
在模型卡片或 README 中展示 MiniMax M3.1 Flash 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/minimax-m3-1-flash)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). MiniMax M3.1 Flash on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/minimax-m3-1-flash
BibTeX:
@misc{benchleader_minimax_m3_1_flash_20261116,
author = {{BenchLeader}},
title = {{MiniMax M3.1 Flash on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/minimax-m3-1-flash}},
note = {Data as of 2026-11-16}
}常见问题
- MiniMax M3.1 Flash 的基准测试得分是多少?
- 截至 2026年11月16日,MiniMax M3.1 Flash 的 BenchLeader Index 为 54.3 ±4.5。最强的是长上下文(65),最弱的是知识(46)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- MiniMax M3.1 Flash 排名第几?
- 截至 2026年11月16日,MiniMax M3.1 Flash 在 608 个已排名配置中排第 236 名。另有 284 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- MiniMax M3.1 Flash 每百万 token 的价格是多少?
- 截至 2026年11月16日,MiniMax M3.1 Flash 的价格为输入每百万 token $0.150、输出每百万 token $0.600,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.262。
- MiniMax M3.1 Flash 比 Beam 1.0 501B A23B 更好吗?
- 截至 2026年11月16日,Beam 1.0 501B A23B 与 MiniMax M3.1 Flash 的质量不相上下(BenchLeader Index 54.2 比 54.3,在 ±8.8 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
- MiniMax M3.1 Flash 是什么时候发布的?
- MiniMax 于 2026年10月19日发布了 MiniMax M3.1 Flash。BenchLeader 收录了它在 5 种推理强度设置下的结果。
数据截至 2026年11月16日。 对比这些配置
引用格式:BenchLeader,《MiniMax M3.1 Flash:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/minimax-m3-1-flash。