MiniMax ra mắt M3.1 Flash: Hiệu suất tăng 3 lần, chi phí giảm 70%

Tối ngày 19 tháng 10, MiniMax chính thức tung ra thế hệ mô hình Flash mới M3.1 Flash. Trước đây, mô hình này từng xuất hiện dưới danh nghĩa ẩn danh "Space Bunny";此次发布标志着其性能的全面升级。 Theo giới thiệu chính thức, M3.1 Flash thể hiện sự tăng cường đáng kể trong các nhiệm vụ phức tạp hướng tới lập kế hoạch đa bước, gọi công cụ liên tục và thực thi dài hạn, đồng thời đạt được đột phá kép về việc tăng tốc độ suy luận trực tuyến lên gần 3 lần và giảm 70% chi phí sử dụng.

Trong tự động hóa và xử lý nhiệm vụ phức tạp, M3.1 Flash đứng đầu trong bài kiểm tra chuẩn AutomationBench-AA, có thể giải quyết trọn vẹn các vấn đề quy trình làm việc doanh nghiệp thực tế trong các lĩnh vực như bán hàng, tiếp thị, vận hành, chăm sóc khách hàng, tài chính và nhân sự. Ngoài ra, với điểm số 76.2 trong bài kiểm tra BankerToolBench, mô hình thể hiện khả năng mạnh mẽ trong lập kế hoạch nhiều bước, duy trì tính nhất quán xuyên tài liệu, tuân thủ tài chính và gọi chuỗi công cụ.

Khả năng lập trình và kỹ thuật phần mềm là một điểm sáng khác của mô hình. Trong bài đánh giá DeepSWE v1.1, M3.1 Flash đạt 73.7%, cho thấy khả năng thực thi nhiệm vụ đường dài xuất sắc, có thể hỗ trợ các quy trình làm việc phát triển phần mềm phức tạp với chi phí thấp hơn. Kết quả này cho thấy mô hình có độ tin cậy và hiệu quả cao khi xử lý các nhiệm vụ mã nguồn phức tạp.

Thao tác máy tính và thực thi nhiệm vụ chuyên nghiệp cũng là lĩnh vực trọng tâm của bản cập nhật này. M3.1 Flash đạt 61.7 điểm trong OSWorld V2 – nơi đo lường khả năng thao tác máy tính của AI, và đạt 29.6 điểm trong Agents' Last Exam (ALE) – đánh giá các tình huống công việc chuyên nghiệp thực tế, cả hai chỉ số đều xếp hạng nhất trong các mô hình nội địa. Điều này đánh dấu rằng mô hình đã đạt trình độ dẫn đầu ngành trong việc mô phỏng thao tác của con người và hoàn thành các nhiệm vụ chuyên môn cụ thể.

Lĩnh vực an ninh mạng cũng đạt được những tiến bộ đột phá. M3.1 Flash đạt điểm cao 82% trong bài kiểm tra chuẩn CyberGym, thể hiện khả năng phát hiện và xác minh lỗ hổng tiên tiến. Sau khi được các chuyên gia bảo mật nội bộ đánh giá sâu rộng, mô hình thể hiện xuất sắc trong các kịch bản như kiểm toán mã nguồn, vá lỗ hổng, thử nghiệm xâm nhập, phân tích mã độc và kỹ thuật đảo ngược, có thể hỗ trợ xây dựng hệ thống an ninh phức tạp cho doanh nghiệp với chi phí thấp và hiệu quả cao.

Về tối ưu hóa hiệu suất suy luận, M3.1 Flash áp dụng kiến trúc chú ý thưa (sparse attention) quyết liệt hơn. Trong các tình huống sử dụng thông thường, tốc độ đầu ra của nó có thể đạt hơn 200 TPS, với trung vị (P50) ổn định ở mức hơn 170 TPS. Đối với các nhiệm vụ loại Agentic, chi phí sử dụng tổng hợp của mô hình chỉ bằng một phần ba so với thế hệ trước, qua đó nâng cao đáng kể tính kinh tế cho các ứng dụng quy mô lớn.

Kèm theo việc nâng cao hiệu suất, MiniMax cũng đồng thời giảm giá gọi API. Chi phí đầu vào cho mỗi triệu tokens của M3.1 Flash là 1 nhân dân tệ, chi phí đầu ra là 4 nhân dân tệ, và chi phí đọc bộ nhớ cache là 0.1 nhân dân tệ. So với mô hình M3 thế hệ trước, đơn giá đầu vào và đầu ra đều giảm hơn 50%, đơn giá đọc bộ nhớ cache giảm hơn 70%, đồng thời hỗ trợ cửa sổ ngữ cảnh dài tới 512K tokens,进一步降低了开发者的使用门槛。

Việc phát hành M3.1 Flash làm gia tăng cuộc cạnh tranh giữa các mô hình Flash nội địa trong lĩnh vực nhiệm vụ phức tạp. Hai ngày trước đó, DeepSeek đã cập nhật V4.1 Flash-1017, tập trung nâng cao khả năng phát triển dự án. So sánh cho thấy, DeepSeek có điểm số cao hơn trong các bài đánh giá kỹ thuật phần mềm, trong khi MiniMax M3.1 Flash có lợi thế hơn trong luồng nghiệp vụ liên SaaS và an ninh mạng. Cả hai tạo thành một tổ hợp sản phẩm bổ sung cho nhau, cùng thúc đẩy các mô hình nội địa giữ mức giá thấp trong khi thu hẹp khoảng cách về hiệu suất với các mô hình đóng nguồn hàng đầu.