MiniMax M3.1 Flash

原文 ↗ Hacker News 讨论 ↗

MiniMax 新发布的 M3.1 Flash 大语言模型正被拿来与 DeepSeek V4.1 Flash、GLM 5.3 Flash 以及 Opus 5.5、GPT-5.6 Sol 等前沿模型比较；许多用户认为，尽管基准成绩亮眼，但它在真实编程工作流中更慢、更啰嗦，也不够可靠。评论者指出存在“benchmaxxing”和挑选性对比的证据，认为官方分数已不再反映现实可用性，而 DeepSeek Flash 和 Qwen 3.8 Flash Next 目前在性价比与延迟方面更占优势。讨论进一步延伸到基准测试缺陷、营销不透明，以及 API 定价与高额补贴订阅之间的经济性问题，凸显出人们对增量式 LLM 发布炒作日益增强的怀疑。

模型架构与“Flash”定位

  • FAQ 将 MiniMax M3.1 Flash 形容为总参数约 428B、激活参数约 23B（MoE），在规模/结构上大致可与 DeepSeek V4.1 Flash 相比。
  • 各家对“Flash”的用法很宽泛；这里并不意味着“小”。有人提出的想法包括：单个专家可适配高性价比 GPU、MoE 稀疏性带来更低推理成本，以及随着非 1T 的“常规模型”变得普遍，“Flash”也可能只是营销标签。

与 DeepSeek、GLM、Qwen 等的比较

  • 许多评论者表示，在实际编程和 SWE 场景中，它不如 DeepSeek V4.1 Flash（尤其是 1017）以及 GLM 5.3 Flash。
  • 在 OpenCode 中以“Space Bunny”之名隐秘部署后，许多用户又切回了 Qwen 3.8 Flash Next 或 DeepSeek V4 Flash。
  • 一些第三方对比（例如 aibenchy）显示它明显落后于 GPT-5.6 Sol 和 Opus 5，这与 MiniMax 自己的图表相矛盾。

基准测试、“benchmaxxing”与真实世界表现

  • 很多人强烈怀疑 MiniMax 的基准结果能否代表典型使用；不少人称该模型为“benchmaxxed”。
  • Deepswe/TerminalBench 的分数被认为与用户体验不一致；deepswe 本身也被说成是“有缺陷的”且已趋于饱和。
  • 普遍担忧是，如今许多实验室都在对基准过拟合（Goodhart 定律），让分数的意义变得更小。

成本、定价与经济性

  • M3.1 Flash 将输入和缓存价格都减半，相较 M3，“代理型任务便宜 70%”的说法看起来是可信的。
  • 但在缓存成本上，它仍略逊于 DeepSeek V4.1，后者拥有异常便宜且高度优化的 KV 缓存。
  • 关于 API 与订阅的经济性也有争论：有人认为重度补贴的订阅（例如前沿实验室）比廉价 API 更划算；也有人认为，配额和时间窗口限制使得像 DeepSeek 这样的廉价 API 在日常使用中更实用。

速度、本地使用与缓存

  • 多位用户反馈 MiniMax 模型在实践中偏慢（CoT 冗长、TTFT 很长），而 DeepSeek Flash 和 Qwen 3.8 Flash Next 则非常快。
  • 对交互式/代理式编程而言，解码速度和 prefill 性能被视为关键；13 tok/s 被认为勉强可接受，或在某些工作流中根本不可用。
  • DeepSeek 极度压缩的 KV cache（以及很长的 TTL）被强调为其在成本和 UX 上的关键差异化优势。

特定用例表现

  • 一些数据分析基准显示，M3.1 Flash 在准确率上与 Opus 5.5 和 Argon 持平，但由于 token 使用过多，速度明显更慢。
  • 据称在网络安全和逆向工程测试中，GLM 5.3 Flash 和其他模型更占优势；在至少某个平台的评测里，M3.1 Flash 在这些方面“远远落后”。
  • 某个小众的对抗式编程基准发现它与 DeepSeek V4 Pro 大致处于同一水平。

信任、安全与隐私

  • 一些评论者说，因其基准分数被认为注水，他们已经“失去对 MiniMax 的信任”。
  • 对前沿模型会随着时间被“削弱”的更广泛担忧也被提及，不过也有人指出一些跟踪项目显示性能总体稳定。
  • 对通过云订阅被监控有很强的不安；对“零数据保留”说法持怀疑态度。
  • 讨论还涉及安全隔离区提供商（例如基于 TEE 的服务），以及对隔离区内扫描和潜在数据外流模式的担忧。
  • 一条评论提到此前 DHS 曾将某个 MiniMax 模型列入黑名单，并猜测这个模型会不会也被针对。

元话题与发布疲劳

  • minimax.io 域名似乎在 HN 上被 shadowban 了，导致出现了许多重复提交。
  • 许多人对几乎每天都有“更便宜、更好、更快”的模型发布感到疲惫，这些发布往往配着精心挑选的基准和不断移动的 Pareto 前沿。
  • 也有人仍然看到了价值：每一个新的“flash”或中端模型都可能改变每项任务的成本前沿，尤其是在本地或成本敏感的工作流等非前沿用途上。