- 发布日期
MiniMax的低价攻势，撞上“背题”疑云
- 作者
- 姓名
- 荷鲁斯快报
- 社交账号
10月19日，MiniMax发布新模型M3.1 Flash后，围绕其榜单高分与疑似“背题”的讨论迅速升温。有用户转发AI评测博主“猫老板”的测试反馈称，“m31f，老题接近满分，新题接近0分”。一边是大量调用，一边是能力割裂的质疑，这款低价模型被推至舆论焦点。
发布当日，独立评测机构Artificial Analysis给M3.1 Flash的综合智能指数打出42分，比6月发布的M3高出13分，只比DeepSeek V4.1 Flash-1017低3分。据报道，M3.1 Flash上线72小时处理的Token超过100万亿。截至10月25日，仅在OpenRouter近七日榜单上，其免费版本处理约13.7万亿Token，排名第三；DeepSeek V4.1 Flash-1017以33.6万亿Token排名第一。
在质疑出现前，M3.1 Flash已以匿名模型“太空兔”收获关注。9月，Space Bunny Alpha登陆OpenRouter开放免费调用，连续十天调用量第一，跑出56.7万亿Token，创下该平台匿名模型最高纪录。10月19日，MiniMax揭晓太空兔即是M3.1 Flash早期版本，匿名公测期间已处理超过200万亿Token；公司还披露正式版成本下降70%。AA测试显示，跑完同一任务，M3.1 Flash平均费用约0.22美元，低于M3的0.51美元和DeepSeek V4.1 Flash-1017的0.26美元。
猫老板是私人榜单“致知”的维护者，该榜单使用按月迭代的私有题库，留存部分旧题并纳入新题。他提出的核心疑点是，M3.1 Flash在留存旧题上得分接近满分，面对新增题目时得分近乎归零。他还观察到Token消耗模式反常：模型平均每题消耗四万多Token，但部分难题只用约一万Token就给出正确结果。
AI测评博主Binkg用改题实验进一步测试“背题”猜测。他选了一道AA公开样题，原题问生产管理产能规划中哪种长期规划方法预测新工厂数量、位置和规模，答案是资源需求计划（RRP）；他把“长期”改为“中期”，答案应变为粗能力计划（RCCP）。在Binkg贴出的结果中，DeepSeek V4.1 Flash-1017和Gemini 4 Argon随新题答出RCCP，M3.1 Flash仍回答RRP。Binkg还指出，AA-Omniscience中M3正确率为16.7%，M3.1 Flash达56.2%，提高39.5个百分点；同期Kimi K3.1 Pro仅从47.6%升至51.0%。
AA-Omniscience的测试还留下矛盾数字：M3.1 Flash正确率56.2%，幻觉率却高达92.8%；上一代M3在该测试中经常选择不答，幻觉率只有18.4%。但在Plotly与Mila研究人员联合搭建的数据分析测评中，M3.1 Flash全部43道题答对41道，太空兔通过38道；每题耗时中位数从太空兔的36秒增至3分钟。
为复刻Binkg的改题试验，有测试者将改后的英文原题分别向MiniMax M3.1 Flash、豆包快速模式和DeepSeek V4.1 Flash-1017提问。结果与Binkg一致，豆包和DeepSeek随新题改答，MiniMax仍回答RRP；把题目翻译成中文并各开新对话后，三者全部答对。不过，“背题”指控尚缺少请求日志或训练记录支持，模型答出旧答案也可能涉及训练材料中的题目或概念混淆。
10月23日，MiniMax按此前公布的计划开放M3.1 Flash模型权重。低价与高调用量为其带来市场关注，但“老题全会、新题抓瞎”的疑云，仍需更透明的评测与日志验证。对MiniMax而言，如何在价格战之外证明模型真正解题能力，将成为后续观察重点。
