MiniMax M3.1 Flash 以低于 DeepSeek V4.1 Flash 的成本推出，但在幻觉率上暴露了价格战的代价

MiniMax 发布了 M3.1 Flash 推理模型，该模型在 Artificial Analysis Intelligence Index 中得分 42 分，比前代提升 13 分，同时任务成本降至约 0.22 美元，仅为前代的一半。在 API 定价上，输入 token 为 0.15 美元/百万，输出 token 为 0.60 美元/百万，缓存输入低至 0.015 美元。该模型支持 100 万 token 上下文及图文输入，并计划于 10 月 23 日开源权重。

在与 DeepSeek V4.1 Flash 1017 的直接对比中，两者呈现差异化优势：DeepSeek 在综合智能指数（45 分）和 CritPt 物理推理基准（24%）上领先，而 MiniMax 在“人类最后的考试”（48% vs 43%）和 AA-Omniscience 事实准确性测试（56% vs 43%）上胜出。MiniMax 之所以能以更低成本完成任务，是因为其在基准测试中消耗的总输出 token 更少（1.89 亿 vs 2.24 亿）。然而，这种激进策略带来了副作用，Artificial Analysis 指出其幻觉率高达 93%，原因是模型倾向于回答所有问题而非拒绝不确定项。

这一案例表明，中国厂商的价格战已深入到底层性能指标。虽然 MiniMax 试图通过牺牲部分鲁棒性来换取极致的性价比，但 93% 的幻觉率在工程实践中可能构成严重障碍。对于开发者而言，这意味着在选择此类超低价推理模型时，必须针对具体场景进行严格的验证，不能仅依赖综合排名或单一维度的成本优势。