MiniMax、M3.1 Flashを公開 業務ベンチマークでDeepSeekとOpus 5を上回る一方、ハルシネーション率は93%

MiniMaxによると、M3.1 Flashは前モデルより約3倍高速で、AIエージェントの利用コスト全体を70%削減する。自社発表では、営業や財務などの業務を扱うAutomation-Bench v1.0.6で62.2を記録し、DeepSeek V4.1 Flash-1017の60.5をわずかに上回った。BankerToolBenchでは76.2でClaude Opus 5と並び、DeepSWE v1.1は73.7%、OSWorld 2.0は61.7、Agents' Last Examは29.6、CyberGymは82.2としている。ただし、これらは本番導入の実績ではなくベンチマーク結果であり、評価条件の違いから直接比較には限界があると記事は述べている。

Artificial Analysisの評価では、Intelligence Indexは最大推論設定で42点だった。GLM-5.3 Flashは42点でタスクあたり約0.28ドル、DeepSeek V4.1 Flash-1017は45点で約0.26ドル、Gemini 3.8 Flashは41点で約1.24ドルである。Humanity's Last Examは39%から48%に、物理推論のCritPtは4%から22%に向上した。評価中の出力トークンは約1億8900万で、GLM-5.3 Flashの約3億2400万やGemini 3.8 Flashの約3億3400万より少ない。

事実知識を問うAA-Omniscienceでは正答率が56%で、DeepSeek V4.1 Flash-1017の43%、GLM-5.3 Flashの28%を上回った。しかしほぼ全問に回答を試み、正答以外の応答のうち誤答だった割合を示すハルシネーション率は93%に達し、総合スコアは16にとどまった。これは全回答の93%が誤りという意味ではなく、答えられない場面で不明と認めず誤った回答を選びやすいことを示す。記事は、レコード更新や財務文書の分析などを任せる場合、追加の検証や検索、ガードレール、人による確認が必要になりうると指摘している。

提供面では、自社API、M Planサブスクリプション、MiniMax Codeデスクトップアプリで利用できる。キャッシュ入力は100万トークンあたり0.015ドルで、テキストと画像を入力でき、出力はテキスト、コンテキストウィンドウは100万トークンである。毎秒200トークン超の生成速度を主張し、スパース性の向上が性能改善の一因だという。ウェイトは公開時点では非公開で、10月23日に公開予定だが、ライセンス条件は未発表である。以前は匿名でSpace Bunnyの名称で運用され、2兆トークン超ではなく200兆トークン超を処理したと明らかにした。上位のProモデルも計画されているが、時期は未定である。