MiniMax M3.1 Flash

Почему она занимает это место

1. MiniMax выпустил M3.1 Flash 19 октября 2026 года с фиксированной стоимостью $0.15 за ввод, $0.60 за вывод и $0.015 за кэшированный ввод на миллион токенов — примерно в два раза дешевле M3 на каждой линии и самая дешевая модель в этом списке.
2. MiniMax показывает 73,7% на DeepSWE v1.1, 61,7 на OSWorld V2, 29,6 на Agents’ Last Exam, 76,2 на BankerToolBench и 82% на CyberGym, с производительностью выше 200 токенов в секунду. Это данные от производителя, и этот рейтинг их не воспроизводит.
3. На наших собственных промптах модель создала три полные, автономные сборки браузера из изолированных сессий, каждая из которых была ограничена одним кратким заданием и одним путём вывода без эталонной реализации.
4. После цикла проверки все три артефакта загружаются с file:// без ошибок в консоли и без исключений на странице, а механики полета, экономики и кругов реагируют на доступные хуки.
5. Набор Superbench 2.1 от 27 октября представляет собой более слабую половину доказательств. Один из четырёх отчётов — Wrecklight Salvage — создал игру, в которой все правила цикла ворот, буксировки, освобождения троса и установки на доке работали согласно спецификации. Concourse Divide произвёл понятную станцию на 48 путешественников с честными подсчётами, но толпа так и не покинула зал в течение требуемых 90 секунд симуляции после повторного открытия только для южного входа, а проход оставался застрявшим в жёлтом закрытом состоянии, с путешественниками внутри.
6. Другие два брифа 2.1 — это не слабые версии, а неудачные запуски. Skyhook Cargo замораживает собственное моделирование, потому что фиксированная константа подшага сталкивается с переменной высоты холста, и никакое введение не перемещает тележку или трос. Lightkeeper’s Atelier прерывает запуск из-за ошибки ссылки в строгом режиме и никогда не рисует свою сцену. Оба опубликованы как доказательства неудачного запуска, точно так же, как и были переданы.
7. Уровень отражает этот записанный результат плюс позицию затрат, и это редакционный выбор маршрутизации, а не числовой показатель. Размещение остается ниже S, и запись теперь указывает в одном направлении: на брифах 1.x эта модель поставляет рабочие игры, а на новых контрактах 2.1 требуется проверка в браузере, прежде чем кто-либо будет на неё полагаться.