Olcsóbban javít a MiniMax M3.1 Flash, de bizonytalanul is válaszol
A kínai modell több teszten erősödött, feladatonkénti költsége megfeleződött, ám a közölt hallucinációs arány komoly korlátot jelez.
▶ 30 MÁSODPERCBEN
- MI TÖRTÉNT
- A MiniMax bemutatta az M3.1 Flash következtető modellt, amely az Artificial Analysis tesztjén elődjénél 13 ponttal többet ér el, kevesebb mint feleakkora feladatköltséggel.
- MIÉRT FONTOS
- Az alacsony ár vonzó lehet az AI-t használó fejlesztőknek, de a modell bizonytalanság esetén is válaszol, ezért a megbízhatósága külön figyelmet igényel.
- MI JÖN MOST
- A MiniMax 2026. október 23-ra ígéri a modell súlyainak nyílt kiadását.
Nagyobbat teljesít, mégis kevesebbe kerül egy feladat megoldása: ezt mutatják a kínai MiniMax új M3.1 Flash modelljének teszteredményei a The Decoder október 19-i beszámolója szerint. Az Artificial Analysis független tesztelő szervezet Intelligence Indexén 42 pontot ért el az előd M3 29 pontja után, kevesebb mint feleakkora feladatköltséggel. A következtető, vagyis összetett feladatok lépésenkénti megoldására szánt modellnél ugyanakkor fontos korlát, hogy bizonytalanság esetén sem szívesen hagyja válasz nélkül a kérdést.
Több teszten az élmezőnnyel tart
A 42 pontos Intelligence Index-eredménnyel az M3.1 Flash beéri a GLM-5.3-Flasht, kissé megelőzi a 41 pontos Gemini 3.8 Flasht, de elmarad a DeepSeek V4.1 Flash 1017 45 pontjától. A Humanity’s Last Exam teszten viszont 48 százalékot teljesít, amivel a DeepSeeket és a GLM-et is megelőzi.
A 71 kutatási szintű, összetett fizikai következtetési feladatot tartalmazó CritPt teszten 22 százalékot ér el: a GLM 15, a Gemini 18 százalékát felülmúlja, a DeepSeek 24 százalékától kissé elmarad. Az AA-Omniscience tényszerűségi teszten a kérdések 56 százalékára válaszol helyesen, szemben a GLM 28 és a DeepSeek 43 százalékával. Kódolásban a MiniMax saját ábrája a DeepSWE v1.1 teszten legfeljebb 73,7 százalékos eredményt közöl, feladatonként 0,30 dollár alatti költséggel.
Kevesebb kimenet, alacsonyabb költség
Az Intelligence Index feladatonkénti költsége körülbelül 0,22 dollár, míg a DeepSeek V4.1 Flash 1017-é 0,26 dollár. A különbséghez hozzájárul, hogy az M3.1 Flash lényegesen kevesebb kimeneti tokent használ: az összevetésben nagyjából 189 millió szerepel a DeepSeek 224 milliójával szemben. A MiniMax szerint az új modell az M3-nál háromszor gyorsabb is.
A fejlesztői hozzáférést biztosító API ára egymillió bemeneti tokenre 0,15 dollár, egymillió kimeneti tokenre 0,60 dollár. A gyorsítótárból újra felhasznált bemenet egymillió tokenenként 0,015 dollárba kerül. Ezek egységárak; a feladatonkénti tesztköltség a tényleges tokenfelhasználástól is függ.
A helyes válaszok mellett ott a 93 százalékos figyelmeztetés
A The Decoder 93 százalékos hallucinációs arányról is beszámol, amit azzal magyaráz, hogy a modell minden tesztkérdésre megpróbál válaszolni ahelyett, hogy bizonytalanság esetén megtagadná a választ. A mutató pontos számítási módja nem ismert, ezért nem olvasható úgy, hogy általában minden válaszának 93 százaléka hibás. A jó tesztpontszám tehát nem jelenti azt, hogy a modell megbízhatóan felismeri saját tudásának határait.
Október 23-ra ígérik a nyílt súlyokat
Az M3.1 Flash szöveget és képet fogad, kontextusablaka legfeljebb egymillió token: ennyi bemeneti és beszélgetési tartalmat tud egyszerre kezelni. API-ja a platform.minimax.io oldalon érhető el, a cég MiniMax Code néven asztali alkalmazást is kínál. A modell súlyainak nyílt kiadását — vagyis a letölthető és saját környezetben futtatható változatot — 2026. október 23-ra ígérik; a rivális DeepSeek V4.1 Flash 1017 súlyai már elérhetők a Hugging Face-en.
TECH-SZÓTÁR
- Token
- A modell által feldolgozott szövegegység, amely lehet szó, szórészlet vagy írásjel.
- Hallucináció
- Amikor az AI valótlan vagy megalapozatlan állítást ad elő tényként.
- Modellsúlyok
- A tanítás során kialakult számszerű paraméterek, amelyek meghatározzák a modell működését.
» Követett téma: AI · régió: KÍNA · kulcsszó: MiniMax, nyílt súlyú modellek