← 模型目录

MiniMax M3.1 Flash

MiniMax · 2026-10-19 · 通用模型

官方发布来源 · 按需求选型 · 查看覆盖缺口 · 归档与转录记录

MiniMax M3.1 Flash

MiniMax 官方将 M3.1 Flash 定位为面向 agent 任务的下一代 Flash 模型：复杂 agent 任务、编码、Computer Use 与网络安全全面提升，线上推理速度接近三倍，使用成本降低 70%。本次收录 16 条评测记录，横跨业务自动化、代码、Computer Use、网络安全与多模态，正文明文亮点为 DeepSWE v1.1 73.7% 与 CyberGym 82%。

输入模态: 文本 / 图像
上下文: 官方资料未说明
参数: 官方资料未说明
价格（每百万 tokens）: USD 输入 0.15 / 输出 0.6 · 每 1M token 单一价：输入 $0.15、输出 $0.60、缓存输入 $0.015；官方称 agentic 任务整体使用成本较前代低 70%

本变体的评测证据

bankertoolbench 76.2 模型 minimax-m3-1-flash · 版本未说明 · 指标 score · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-19 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Stronger Capabilities Across the Board · row: BankerToolBench · quote_snippet: Scoring 76.2 on BankerToolBench

{
  "harness": "OpenCode 1.17.18",
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": "MiniMax-M2.7"
}

官方正文原句未带百分号，本库该基准既有行统一按 percent 记，数值取官方原值 76.2。协议脚注出自同页评测总表图片 images/m31-flash-en-2.webp（OpenCode 1.17.18 harness、judge 模型 MiniMax-M2.7）；该图自家列视觉转写同为 76.2，未人工确认。

打开官方来源

deepswe 73.7% 模型 minimax-m3-1-flash · 版本 v1.1 · 指标 pass_rate · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-19 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Stronger Capabilities Across the Board · row: DeepSWE v1.1 · quote_snippet: It achieves 73.7% on DeepSWE v1.1

{
  "harness": "mini-SWE-agent 2.4.5",
  "tools": null,
  "shots": null,
  "reasoning_effort": "max",
  "temperature": null,
  "top_p": null,
  "token_budget": "512K max context",
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

正文 73.7% 对应散点图 images/m31-flash-en-4.png 中的 max 档（同图另读 xhigh 72.1%、high 68.1%，图内读数未人工确认）；该图脚注另给 DeepSWE v1.1 排行榜数据截至 2026-09-22、harness 为 mini-swe-agent、汇率 1 USD = 6.6862 CNY。协议脚注（mini-SWE-agent 2.4.5、512K 上下文）出自 images/m31-flash-en-2.webp。

打开官方来源

osworld 61.7 模型 minimax-m3-1-flash · 版本 2.0 · 指标 score · 单位 points 来源等级 A · vendor_reported · 核对日期 2026-10-19 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Stronger Capabilities Across the Board · row: OSWorld V2 · quote_snippet: It scores 61.7 points on OSWorld V2

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方以 points 表述且未标百分号，故 unit 记 points。协议脚注（官方推荐 0808 Full release）出自 images/m31-flash-en-2.webp。官方称本项在中国模型中居首。同表视觉转写自家列 61.7，未人工确认。

打开官方来源

agents-last-exam 29.6 模型 minimax-m3-1-flash · 版本 ALE-V1 Overall (152 tasks) · 指标 pass_rate · 单位 points 来源等级 A · vendor_reported · 核对日期 2026-10-19 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Stronger Capabilities Across the Board · row: Agents' Last Exam (ALE) · quote_snippet: 29.6 points on Agents' Last Exam (ALE)

{
  "harness": "Claude Code",
  "tools": null,
  "shots": null,
  "reasoning_effort": "max",
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方称本项在中国模型中居首。协议脚注：只收录 ALE 官方排行榜公开的全量结果（agents-last-exam.org）；散点图 images/m31-flash-en-3.png 脚注补 ALE-V1 Overall、152 题、数据截至 2026-10-18、自家跑在 Claude Code / max effort、预估总成本约 $111（图内读数未人工确认）。

打开官方来源

cybergym 82% 模型 minimax-m3-1-flash · 版本未说明 · 指标 accuracy · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-19 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Stronger Capabilities Across the Board · row: CyberGym · quote_snippet: It achieves a strong score of 82% on CyberGym

{
  "harness": "Claude Code 2.1.263",
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": "1M max context",
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

正文 82% 为四舍五入值；同页评测总表 images/m31-flash-en-2.webp 自家列视觉转写为 82.2（未人工确认）。协议脚注（Claude Code 2.1.263 harness、1M 上下文）出自同图脚注。

打开官方来源

automationbench 官方未公布数值 模型 minimax-m3-1-flash · 版本 AA · 指标未说明 · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-19 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Stronger Capabilities Across the Board · row: AutomationBench-AA · quote_snippet: M3.1 Flash ranks among the top performers on AutomationBench-AA

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方只作定性描述（称位居该基准前列），未给数值，故记 not_reported。AutomationBench-AA 是 Artificial Analysis 的独立评测版本（见 data/benchmarks/automationbench.json 备注），与同页评测总表里的 Automation-Bench v1.0.6 行（见 automationbench-v1-0-6 行）是同基准不同评测版本，两者不可混读。

打开官方来源

automationbench 图表尚无可读数值 模型 minimax-m3-1-flash · 版本 1.0.6 · 指标 accuracy · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-19 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Redefining Capability and Cost for Agentic Tasks · table: images/m31-flash-en-2.webp · row: CoWork / Automation-Bench v1.0.6 · figure: images/m31-flash-en-2.webp

{
  "harness": "Claude Code",
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

视觉转写（未人工确认，勿自动翻 verified）：官方评测总表图片中 MiniMax M3.1 Flash 列读作 62.8。同图竞品列：DeepSeek-V4.1-Flash-1017 60.5 / DeepSeek-V4.1-Flash 54.8 / Kimi-K3 46.7 / GLM-5.3 48.8 / GPT-5.6 Sol 45.8 / Opus 5 50.3。协议脚注：600 道公开任务（zapier/AutomationBench），harness 为 Claude Code。散点图 images/m31-flash-en-5.png 另给自家分档 max 62.8 / xhigh 61.2 / high 59.2 / medium 57.7 / low 52.8（同样未人工确认）。

打开官方来源

terminalbench 图表尚无可读数值 模型 minimax-m3-1-flash · 版本 4.0 · 指标 pass_rate · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-19 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Redefining Capability and Cost for Agentic Tasks · table: images/m31-flash-en-2.webp · row: CoWork / Terminal Bench 4.0 · figure: images/m31-flash-en-2.webp

{
  "harness": "Codex 0.149.1",
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

视觉转写（未人工确认，勿自动翻 verified）：官方评测总表图片中 MiniMax M3.1 Flash 列读作 38.1。同图竞品列：DeepSeek-V4.1-Flash-1017 42.3 / DeepSeek-V4.1-Flash 31.2 / Kimi-K3 12.6 / GLM-5.3 37.9 / GPT-5.6 Sol 39.9 / Opus 5 51.8。协议脚注：Codex 0.149.1 harness。

打开官方来源

gdpval-aa 图表尚无可读数值 模型 minimax-m3-1-flash · 版本 AA · 指标未说明 · 单位 index 来源等级 A · third_party_reported · 核对日期 2026-10-19 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Redefining Capability and Cost for Agentic Tasks · table: images/m31-flash-en-2.webp · row: CoWork / GDP.pdf AA · figure: images/m31-flash-en-2.webp

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

视觉转写（未人工确认，勿自动翻 verified）：官方评测总表图片中 MiniMax M3.1 Flash 列读作 20.8。同图竞品列：DeepSeek-V4.1-Flash 12.8 / Kimi-K3 22.0 / GLM-5.3 11.2 / GPT-5.6 Sol 27.2 / Opus 5 21.6。协议脚注明确写「结果直接取自 Artificial Analysis」，故按第三方转述记。

打开官方来源

loca-bench 图表尚无可读数值 模型 minimax-m3-1-flash · 版本 256K · 指标 accuracy · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-19 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Redefining Capability and Cost for Agentic Tasks · table: images/m31-flash-en-2.webp · row: CoWork / LOCA-Bench 256K · figure: images/m31-flash-en-2.webp

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

视觉转写（未人工确认，勿自动翻 verified）：官方评测总表图片中 MiniMax M3.1 Flash 列读作 60.3。同图竞品列：Kimi-K3 49.7 / GLM-5.3 50.3 / GPT-5.6 Sol 60.0 / Opus 5 53.7。协议脚注：使用官方实现（hkust-nlp/LOCA-bench），256K 上下文档。

打开官方来源

posttrain-bench 图表尚无可读数值 模型 minimax-m3-1-flash · 版本 1.1 · 指标 accuracy · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-19 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Redefining Capability and Cost for Agentic Tasks · table: images/m31-flash-en-2.webp · row: Coding / PostTrain Bench v1.1 · figure: images/m31-flash-en-2.webp

{
  "harness": "Claude Code 2.1.251",
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": "512K max context",
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

视觉转写（未人工确认，勿自动翻 verified）：官方评测总表图片中 MiniMax M3.1 Flash 列读作 39.3。同图竞品列：DeepSeek-V4.1-Flash 30.5 / Kimi-K3 36.6 / GLM-5.3 37.5 / GPT-5.6 Sol 36.2 / Opus 5 40.4。协议脚注：Claude Code 2.1.251 harness，最大上下文 512K。

打开官方来源

nl2repo 图表尚无可读数值 模型 minimax-m3-1-flash · 版本未说明 · 指标 accuracy · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-19 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Redefining Capability and Cost for Agentic Tasks · table: images/m31-flash-en-2.webp · row: Coding / NL2Repo-Bench · figure: images/m31-flash-en-2.webp

{
  "harness": "Claude Code 2.1.233",
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": "512K max context",
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

视觉转写（未人工确认，勿自动翻 verified）：官方评测总表图片中 MiniMax M3.1 Flash 列读作 61.2。同图竞品列：DeepSeek-V4.1-Flash-1017 68.2 / DeepSeek-V4.1-Flash 65.4 / Kimi-K3 58.0 / GLM-5.3 58.0 / GPT-5.6 Sol 56.8 / Opus 5 75.3。协议脚注：Claude Code 2.1.233 harness，最大上下文 512K；涉及 reward hacking 的用例按 reward = 0 处理，官方另修正了 2 道规格与测试用例不一致的题目。

打开官方来源

swe-refactor-bench 图表尚无可读数值 模型 minimax-m3-1-flash · 版本未说明 · 指标 pass_rate · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-19 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Redefining Capability and Cost for Agentic Tasks · table: images/m31-flash-en-2.webp · row: Coding / SWE Refactor Bench · figure: images/m31-flash-en-2.webp

{
  "harness": "Claude Code 2.1.220",
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": "200K max context",
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

new-benchmark: SWE Refactor Bench（Einsia/SWE-Refactor-Bench），存量代码重构评测，官方页脚注引用其 GitHub。视觉转写（未人工确认，勿自动翻 verified）：官方评测总表图片中 MiniMax M3.1 Flash 列读作 23.0。同图竞品列：DeepSeek-V4.1-Flash 11.8 / Kimi-K3 19.5 / GLM-5.3 10.4 / GPT-5.6 Sol 28.5 / Opus 5 31.0。协议脚注：Claude Code 2.1.220 harness，最大上下文 200K。

打开官方来源

babyvision 图表尚无可读数值 模型 minimax-m3-1-flash · 版本 w/tools · 指标 accuracy · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-19 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Redefining Capability and Cost for Agentic Tasks · table: images/m31-flash-en-2.webp · row: General Capabilities / BabyVision (w/tools) · figure: images/m31-flash-en-2.webp

{
  "harness": "Claude Code 2.1.285",
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

视觉转写（未人工确认，勿自动翻 verified）：官方评测总表图片中 MiniMax M3.1 Flash 列读作 91.0。同图竞品列：DeepSeek-V4.1-Flash-1017 92.5 / DeepSeek-V4.1-Flash 89.6 / Kimi-K3 85.7 / GPT-5.6 Sol 88.9 / Opus 5 94.1。协议脚注：Claude Code 2.1.285，最短图片边长设 1,500 像素。

打开官方来源

hlehle 图表尚无可读数值 模型 minimax-m3-1-flash · 版本 w/o tools · 指标 accuracy · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-19 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Redefining Capability and Cost for Agentic Tasks · table: images/m31-flash-en-2.webp · row: General Capabilities / HLE (w/o tools) · figure: images/m31-flash-en-2.webp

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

视觉转写（未人工确认，勿自动翻 verified）：官方评测总表图片中 MiniMax M3.1 Flash 列读作 43.4。同图竞品列：DeepSeek-V4.1-Flash-1017 44.0 / DeepSeek-V4.1-Flash 39.2 / Kimi-K3 43.5 / GLM-5.3 42.3 / GPT-5.6 Sol 49.5 / Opus 5 55.6。协议脚注：评测限制在 2,158 道纯文本提示题目上，分数按该子集计算。

打开官方来源

charxiv-reasoning 图表尚无可读数值 模型 minimax-m3-1-flash · 版本 RQ · 指标 accuracy · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-19 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Redefining Capability and Cost for Agentic Tasks · table: images/m31-flash-en-2.webp · row: General Capabilities / CharXiv RQ · figure: images/m31-flash-en-2.webp

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": "GPT-5.5"
}

视觉转写（未人工确认，勿自动翻 verified）：官方评测总表图片中 MiniMax M3.1 Flash 列读作 82.5。同图竞品列：DeepSeek-V4.1-Flash 69.0 / Kimi-K3 84.8 / GPT-5.6 Sol 85.2 / Opus 5 83.7。协议脚注：judge 模型为 GPT-5.5。

打开官方来源