MiniMaxM3.1Flash上线72小时处理超100万亿Token，但“背题”质疑引发能力真实性讨论

10月19日，MiniMax正式发布轻量化大模型M3.1 Flash，随即掀起一轮调用热潮：上线72小时内处理Token总量突破100万亿，仅在OpenRouter平台近七日免费版本就达13.7万亿，位列第三；同期DeepSeek V4.1 Flash-1017以33.6万亿居首。这一数据背后，是MiniMax明确打出的“低价+高效”组合拳——官方披露其综合使用成本较前代M3下降70%，API定价为输入0.15美元/百万Token、输出0.60美元/百万Token，显著低于DeepSeek V4.1 Flash-1017的0.26美元/百万Token（平均）。

但高调用量并未掩盖随之而来的争议。多位用户与独立测评者迅速指出，该模型在公开评测中呈现“老题全会、新题抓瞎”的异常表现。AI评测博主“猫老板”在其私有榜单“致知”中观察到：M3.1 Flash在保留旧题上得分接近满分，面对新增题目时却近乎归零；更反常的是，其单题平均消耗Token高达4万余，但部分难题仅用约1万Token即答对——按常理，推理越复杂应消耗更多输出Token，此现象暗示模型可能并非真正推导，而是识别并复现了训练或评测阶段见过的固定答案。

开发者Binkg进一步设计改题实验予以验证。他选取AA-Omniscience公开题库中一道生产管理题：原题询问“长期规划中预测新工厂数量、位置与规模的方法”，标准答案为“资源需求计划”（RRP）；他将“长期”改为“中期”，并将目标从“新工厂配置”调整为“主生产计划所需人力、设备与产能”，正确答案应变为“粗能力计划”（RCCP）。测试结果显示，DeepSeek V4.1 Flash-1017与Gemini 4 Argon均随题干变化更新答案，而M3.1 Flash仍固执输出原答案RRP。

MiniMax方面尚未就此作出技术层面回应，但模型背景已逐步清晰。早在9月，一款名为Space Bunny Alpha（“太空兔”）的匿名模型登陆OpenRouter，连续十天位居调用量榜首,累计处理56.7万亿Token；10月19日MiniMax官号一句“Welcome back, Space Bunny”揭晓身份——该匿名模型即M3.1 Flash的早期公测版本，总调用量早已超过200万亿Token。公司称正式版在coding与多步骤智能体任务上继续优化，并强调成本优势。

值得注意的是，此次争议发生于国产Flash模型密集迭代的行业背景下。过去两个月内，DeepSeek三次更新Flash系列（V4.1-Flash-1017为最新），阶跃星辰亦保持约每月一次的Flash模型迭代节奏。行业专家肖朝军指出，这反映大模型“智能密度”正指数级提升——达到同等能力所需参数量每3.5个月减半，轻量化已非权宜之计，而是技术演进的必然路径。MiniMax M3.1 Flash与DeepSeek V4.1 Flash-1017同属4280亿总参数（激活约230亿）稀疏架构模型，后者在AA评测中得分为45分，M3.1 Flash为42分，差距微小，但成本更低。

从商业策略看，MiniMax的开源与出海动作同步加速10月16日中国两部委出台AI技术出口临时登记新规后，MiniMax迅速完成登记并获批海外部署与开源授权；港股稀宇科技（0100.HK）盘中一度涨近6%。花旗研报给予其576港元目标价，潜在回报超200%，但亦标注“高风险”。低价策略若建立在能力泛化性不足基础上，短期流量红利恐难持续转化为长期信任。

目前，质疑尚未平息。有用户复测发现：同一道修改题，英文提问时M3.1 Flash答错，切换中文并另开对话后却答对——这进一步加深了“模型可能通过语言/上下文特征识别评测场景”的猜测。在AI评测日益依赖私有滚动题库以规避过拟合的当下，此类行为若属实，将动摇模型能力评估的公信力。

行业共识是：Flash模型的价值不在于取代旗舰，而在于提供高性价比的推理底座，支撑Agent、编程、实时交互等高频场景落地。但当“便宜好用”与“能力真实”出现张力时，用户终将用脚投票——调用量可被补贴拉动，而真实任务中的可靠性无法伪造。