MiniMax新模型陷入“背题”疑云：高分与低价背后的能力争议

10月19日，MiniMax发布新模型M3.1 Flash。该模型凭借超低价格和显著提升的跑分迅速引爆开发者圈子，但围绕它的讨论很快从性能飞跃转向了疑似“背题”的争议。

在独立评测机构Artificial Analysis（AA）发布的榜单中，M3.1 Flash的综合智能指数达到42分，较前代M3提升13分，紧追DeepSeek旗下同级模型。伴随限时免费调用活动，M3.1 Flash上线72小时内处理的Token超过100万亿。在此之前，它曾以代号“太空兔（Space Bunny Alpha）”在OpenRouter匿名公测，连续十天位列调用量榜首。

在成本方面，M3.1 Flash每百万Token的官方API输入和输出价格分别为0.15美元和0.60美元，相比前代下降超50%，任务平均耗费甚至略低于DeepSeek同类产品。

疑点一：新旧题库表现割裂

争议最早由国内AI评测博主“猫老板”引爆。其维护的“致知”榜单采用月度迭代的私有题库，规避公开原题，专注逻辑、代码与真实场景排错。

他在测试M3.1 Flash时发现了两个反常现象：

1. 新旧题成绩分化严重：在保留的旧测试题上，模型得分接近满分；面对当月新增题目时，得分近乎归零。
2. Token消耗异常：模型单题平均消耗约4万Token，但部分复杂难题却仅消耗约1万Token便快速输出正确结果。

通常情况下，复杂推理步骤越长，消耗的推理Token越多。难题低消耗、新题全军覆没的割裂表现，令外界质疑模型并非实时推理，而是命中了记忆中的旧题。

疑点二：改题实验暴露出原题依赖

另一位评测博主Binkg进行了改题测试。他选定AA公开题库中的一道产能规划题，将原题考查的“长期规划”改为“中期规划”，同时替换核心限制条件。改动后，正确答案应从“资源需求计划（RRP）”变为“粗能力计划（RCCP）”。

测试显示，DeepSeek与Gemini均根据新条件给出了调整后的正确答案，唯独M3.1 Flash依然给出了原题答案RRP。

在AA-Omniscience事实测试中，M3.1 Flash的正确率从前代的16.7%暴增至56.2%。但在倒扣分机制下，其幻觉率高达92.8%，在回答错误的题目中几乎没有选择弃答，呈现出“高正确率与高幻觉率并存”的反常指标。

实测复现：语言切换带来不同结果

针对该改题实验，媒体进行了复刻测试。使用英文提问时，M3.1 Flash确实复现了错误，直接输出旧题答案；但当题目完全翻译为中文并在新会话中提问时，模型却能准确识别条件变化，给出正确答案。

此外，在Plotly与Mila联合搭建的无污染风电数据分析测试中，M3.1 Flash在43道题目中答对41道，与业界顶尖模型处于同一梯队，展现了扎实的实际业务分析能力。

10月23日，MiniMax按既定计划开源了M3.1 Flash的权重，允许研究者在本地离线环境下进行验证，规避了厂商API拦截评测请求的猜疑。虽然这为厘清事实提供了条件，但由于训练集构成并未公开，模型在特定英文测试集上的“反常记忆”与中文逻辑的纠偏机制，仍有待进一步厘清。