IT之家 El 19 de octubre,稀宇科技 anunció que el modelo MiniMax M3.1 Flash está disponible en línea. Space Bunny, que anteriormente procesaba más de 200T de Tokens en anonimato, es precisamente la versión inicial del MiniMax M3.1 Flash. Como modelo Flash de nueva generación, el M3.1 Flash ha logrado mejoras significativas en tareas agentic, programación, uso de computadoras y capacidades de seguridad cibernética. Además, la velocidad de razonamiento en línea se ha incrementado casi 3 veces, y el costo de uso se ha reducido en un 70%.
Según los informes, M3.1 Flash ha logrado avances significativos en varios pruebas de referencia, alcanzando un nivel de liderazgo en tareas complejas de agente (Cowork), uso de computadoras, desarrollo de software (Coding) y seguridad cibernética.
Tareas complejas y capacidad de automatización:
Se encuentra en la parte superior de AutomationBench-AA. En los flujos de trabajo empresariales reales entre sistemas SaaS, puede resolver completamente los problemas reales relacionados con ventas, marketing, operaciones, servicio al cliente, finanzas y RRHH.
En BankerToolBench, obtiene 76.2 puntos, destacando en problemas complejos reales como la planificación multicapítula, la consistencia entre documentos/files, la conformidad financiera y las llamadas en cadena de herramientas.
Capacidad de programación y ingeniería de software:
En el evaluación de DeepSWE v1.1, obtuvo un 73.7% de puntuación, alcanzando el nivel de un modelo de élite. DeepSWE se enfoca en tareas de software complejas, requiriendo que el modelo realice por sí mismo la comprensión del código, el desarrollo de funciones, la corrección de problemas y la verificación de pruebas. M3.1 Flash muestra una excelente capacidad para ejecutar tareas con enlaces largos, y puede apoyar flujos de trabajo de desarrollo de software complejos a un costo menor.
Capacidad de Uso del Computador:
En OSWorld V2, que mide la capacidad de operación de los ordenadores de IA y la ejecución de tareas entre aplicaciones, obtuvo 61.7 puntos, y en Agents' Last Exam (ALE), que mide la capacidad de operación de los ordenadores en escenarios reales y con valor económico, obtuvo 29.6 puntos; ambas puntuaciones ocuparon el primer lugar entre los modelos nacionales.
M3.1 Flash muestra una excelente capacidad de interacción con entornos reales, uso de herramientas y ejecución de tareas con vías largas, permitiendo pasar del entendimiento de las tareas a la implementación práctica y la entrega final.
Capacidad de seguridad cibernética:
En el test de referencia de CyberGym, obtuvo un puntaje alto del 82%, lo que demuestra su capacidad líder en la detección y verificación de vulnerabilidades.
Tras una evaluación profunda por parte de expertos en seguridad interna, el modelo ha demostrado un rendimiento excepcional en escenarios como la auditoría de código, la reparación de vulnerabilidades, las pruebas de penetración, el análisis de código malicioso y el ingeniería inversa, permitiendo construir sistemas de seguridad complejos con bajo costo y alta eficiencia.
En las tareas de clase Agentic, el costo de uso integral del modelo ha disminuido en un 70% en comparación con las versiones anteriores.El precio de entrada es 1 yuan por millón de Token, el precio de salida es 4 yuan por millón de Token y el precio de lectura de la caché es 0.1 yuan por millón de Token..
En los tres pruebas de referencia: Automation-Bench para medir la capacidad de ejecución de tareas de agentes complejos, DeepSWE para medir la habilidad en programación real, y Agents' Last Exam (ALE) para medir la capacidad de operación de computadoras en escenarios reales y económicamente valiosos, M3.1 Flash logró un rendimiento de nivel de modelo superior con un costo de tarea extremadamente bajo, estableciendo un nuevo estándar competitivo entre rendimiento y costo.
IT Home observa que el M3.1 Flash ya está oficialmente disponible en la API MiniMax, MPlan y MiniMax Code, y se abrirá a los usuarios en poco tiempo. Según la presentación oficial, el Flash es nuestra búsqueda continua de un equilibrio entre eficiencia y capacidad, y la versión Pro que busca el límite de la inteligencia también estará disponible más adelante.
Referencia
Declaración publicitaria: El texto contiene enlaces de redirección hacia otros sitios (incluyendo, pero no limitado a, enlaces superiores, códigos QR, claves, etc.), cuyo propósito es transmitir más información, ahorrar tiempo de selección y los resultados son solo para referencia. Los artículos de IT Home que incluyen enlaces externos contienen esta declaración.