MiniMax 新模型 M3.1 Flash 更便宜、更快——但在没把握时有 93% 的概率在硬编。

一个从不说『我不知道』的便宜模型，只是把成本转移到了核验——转到你身上。

你省下的那 70% 到底去了哪里

我们的判断

M3.1 Flash 确实变得更便宜、更快、知识也更多。但一个即使毫无头绪也要作答的模型，并没有替你省掉核查——它只是把核查藏了起来。按『每个被核验的结果』计价，而不是按 token。

发生了什么（MiniMax，10 月 19 日；Artificial Analysis 经 VentureBeat）

• M3.1 Flash：比 M3 快约 3 倍、便宜约 70%；每百万输入/输出 token $0.15/$0.60。
• 独立的 AA 智能指数：42，高于 M3 的 29，每任务约 $0.22。
• AA-Omniscience：答对 56%（高于 DeepSeek 43%、GLM-5.3 28%）——但幻觉率高达 93%。不确定时，它压倒性地选择硬答错，而不是弃答。

为何重要

更快更便宜改进的是『生成』这一步，不是『完成任务』这一步。自主智能体无法发现自己自信的错误，于是便宜的 token 换来的是更多未经核验的输出——人工核验这一步不降反增。

一个从不说『我不知道』的模型，只会把核查这一步藏起来，直到那个错误答案代价高昂。

最强反方

在有自动校验的任务上——必须通过测试的代码、有标准答案的工具调用——环境能抓住错误。那里 M3.1 Flash 又便宜又领先（Automation-Bench 62.2 > DeepSeek、Opus 5）。陷阱在开放式的知识工作，不在有校验的智能体。

本周去做

在选便宜的默认智能体？用你自己的知识类任务，按『每个被核验正确的结果的成本』加上核验时间来衡量，而不是每 token 成本。

若后续某个版本在不确定时开始弃答，或对照研究显示其『每个已核验结果的成本』即便有这么高的幻觉率仍远低于对手，我们就修正判断（2027 年初前）。