MiniMax пусна евтин модел, който рядко отказва отговор

21.10

време за четене: 4 мин.

Китайската MiniMax пусна на 19 октомври M3.1 Flash - модел за агентни задачи и програмиране на цена 0,15 долара за милион входни токена. Компанията обявява по-ниски разходи и по-висока скорост от предшественика. Независимото измерване потвърждава скока в способностите, но не и обявената скорост.

В офис със смесено осветление малък бърз робот вдига ръка пръв на викторина и отговаря на всеки въпрос, а жена водеща държи карта с отговора и вдига вежди, докато мъж до нея тихо поставя на масата табелка с въпросителен знак.

Какво пусна MiniMax

M3.1 Flash е новият бърз модел на компанията и вече е достъпен през програмния ѝ интерфейс, през абонамента M Plan и в настолното приложение MiniMax Code. Цената е 0,15 долара за милион входни токена, 0,60 долара за милион изходни и 0,015 долара за милион входни токена от кеша.

Моделът не идва изневиделица. Предварителна версия под името M3.1-Flash-Preview се появи на 27 септември, но само в MiniMax Code, срещу месечен абонамент и без отделна цена на токен. Новото на 19 октомври е пълното пускане с публичен ценоразпис през програмния интерфейс, тоест моделът вече може да се включва в собствени приложения и автоматизации.

Според MiniMax общият разход при агентни задачи е със 70% по-нисък от този на предшественика. Компанията дава и собствени резултати: 73,7% на DeepSWE v1.1 за програмиране, 61,7 точки на OSWorld V2 за работа с компютър и 82% на CyberGym за киберсигурност. По думите ѝ ранна версия на модела е работила анонимно под името „Space Bunny" и е обработила над 200 трилиона токена.

Тежестите на модела още не са публикувани. MiniMax пише само, че ще излязат „по-късно", а VentureBeat и The Decoder съобщават за 23 октомври. Условията на лиценза още не са обявени, затова не е ясно доколко моделът ще може да се променя и хоства самостоятелно.

Какво показва независимото измерване на MiniMax

Artificial Analysis, която измерва моделите по един и същ набор от тестове, дава на M3.1 Flash 43 точки в своя индекс на интелигентност към 20 октомври. При пускането VentureBeat и The Decoder цитираха 42 точки срещу 29 за предишния модел M3. За сравнение, според същите публикации DeepSeek V4.1 Flash има 45 точки, а GLM-5.3 Flash - 42.

За разхода VentureBeat дава отделно сравнение: цената на една задача в измерването е около 0,22 долара срещу около 0,51 долара за M3. Това е цена на задача в теста, не проверка на обявените от компанията 70%. Контекстният прозорец е до един милион токена.

Числата на производителя и независимото измерване често рисуват различни картини на един и същ модел, както показахме в по-ранна наша новина за GPT-6 Astra. При M3.1 Flash разликата е най-видима в скоростта.

Скоростта е друга история. MiniMax обявява над 200 токена в секунда при обичайна работа и над 170 като медиана. Artificial Analysis измерва 120 токена в секунда - осезаемо под обявеното, макар и при собствените си условия на теста.

Защо почти никога не казва „не знам"

Най-интересното число не е в обявлението на компанията. Тестът AA-Omniscience на Artificial Analysis проверява знания по трудни въпроси и отчита отделно верните отговори, грешните, частичните и отказите. Според VentureBeat и The Decoder M3.1 Flash отговаря вярно на 56% от въпросите - повече от DeepSeek V4.1 Flash с 43% и GLM-5.3 Flash с 28%.

Делът на халюцинациите обаче е 93%. Artificial Analysis определя този показател като дела на грешните отговори сред всички отговори, които не са верни - тоест грешни, частични или откази. С други думи, когато моделът не уцели, в 93 от 100 случая отговорът е грешен, а не частичен или отказ. Общият резултат на модела в този тест е около 16 точки.

VentureBeat обобщава следствието за фирмите, които внедряват AI агенти: високият резултат в тестовете за интелигентност сам по себе си не гарантира, че моделът разпознава границите на собствените си знания.

Къде е полезен и къде иска проверка

За задачи, при които резултатът се проверява автоматично, такъв модел има реално предимство. При програмиране тестовете показват дали кодът работи. При работа с компютър агентът вижда дали действието е успяло. Там ниската цена и добрият резултат на DeepSWE имат пряка стойност.

Различно е при задачи, в които отговорът се приема на доверие: справки, обобщения, отговори към клиенти. Там модел, който рядко отказва, изисква отделна стъпка за проверка - сверка с източник, втори модел или човек. Ниската цена на токен не отменя разхода за проверка на отговорите.

Наблюдаваме, че изборът на модел все по-често зависи не от едно число, а от вида на задачата. Евтиният и бърз модел е добър избор, когато грешката се хваща автоматично, и рисков, когато не се хваща.

Заключение

M3.1 Flash сваля цената на агентната работа и потвърждава скока си в независимото измерване. Склонността му да отговаря на всеки въпрос го прави силен инструмент за проверими задачи и изисква защитна мрежа за всички останали.

Искате да започнете с AI от нулата? Безплатният курс „Основи на AI“ е 17 видео урока, около 35 минути, със сертификат: Започнете безплатния курс по AI

Помагаме на български екипи да изберат AI модел според вида на задачата, а не само според цената и класациите. Услугите ни покриват одит, оценка на готовност, обучение на екипи и имплементация на специализирани AI автоматизации за всяка организация. Препоръчваме консултация при автоматизации, в които отговорът на модела стига до клиент без човешка проверка. [Свържете се с нас за консултация: academy@razvivai.se]