आधिकारिक रूप से यह मॉडल एजेंटिक कार्यों, प्रोग्रामिंग, कंप्यूटर उपयोग और साइबर सुरक्षा जैसे क्षेत्रों में पीढ़ीगत उन्नति प्राप्त करता है, ऑनलाइन निष्पादन गति लगभग 3 गुना बढ़ जाती है और उपयोग लागत 70% घट जाती है।लेखक, स्रोत: AIBase
MiniMax ने 19 अक्टूबर को अपना नया जनरेशन Flash मॉडल M3.1Flash लॉन्च किया, जिसका पूर्ववर्ती संस्करण Space Bunny था, जिसने अनामिक रूप से 200T से अधिक Token को प्रोसेस किया था। आधिकारिक तौर पर दावा किया गया है कि यह मॉडल Agentic कार्यों, प्रोग्रामिंग, Computer Use और साइबर सुरक्षा जैसे क्षेत्रों में पीढ़ीगत सुधार लाता है, ऑनलाइन इनफरेंस स्पीड में लगभग 3 गुना की वृद्धि हुई है और उपयोग लागत में 70% की कमी आई है।
बेंचमार्क प्रदर्शन में, M3.1Flash AutomationBench-AA में शीर्ष स्थान पर है और SaaS प्रणालियों के बीच बिक्री, बाजारकरण, संचालन, ग्राहक सेवा, वित्त और एचआर के वास्तविक व्यावसायिक प्रवाहों को पूरा कर सकता है; BankerToolBench का स्कोर 76.2 है, जो बहु-चरणीय योजना, दस्तावेज़ों के बीच सुसंगठितता, वित्तीय अनुपालन और उपकरण श्रृंखला के साथ कॉल करने में कुशल है।
प्रोग्रामिंग के मामले में, DeepSWE v1.1 ने 73.7% की दर हासिल की, जो शीर्ष मॉडल स्तर तक पहुँचती है। यह मूल्यांकन मॉडल को कोड समझ, कार्यवाही विकास, समस्या निवारण और परीक्षण पुष्टि को स्वतंत्र रूप से पूरा करने की आवश्यकता रखता है, जो इसकी लंबी लंबाई वाली कार्य निष्पादन क्षमता को उजागर करता है।
कंप्यूटर उपयोग के मामले में, OSWorld V2 को 61.7 अंक मिले और Agents' Last Exam को 29.6 अंक मिले, दोनों ही देशी मॉडल में पहले स्थान पर हैं। साइबर सुरक्षा के मामले में, CyberGym बेंचमार्क पर 82% का स्कोर प्राप्त किया, जिसमें कोड ऑडिट, दुर्बलता ठीक करना, पेनेट्रेशन टेस्टिंग, दुष्ट कोड विश्लेषण और रिवर्स इंजीनियरिंग जैसे स्थितियों में उल्लेखनीय प्रदर्शन किया।
रीजनिंग की दक्षता के मामले में, मॉडल अधिक आक्रामक स्पार्स अटेंशन आर्किटेक्चर का उपयोग करता है, जिससे दैनिक परिदृश्यों में आउटपुट स्पीड 200+ TPS तक पहुँच सकती है, और मीडियन P50 170+ TPS पर स्थिर है। मूल्य के मामले में, प्रवेश के लिए प्रति मिलियन टोकन 1 रुपये, आउटपुट के लिए प्रति मिलियन टोकन 4 रुपये, कैश से पढ़ने के लिए प्रति मिलियन टोकन 0.1 रुपये, और Agentic प्रकार के कार्यों के समग्र उपयोग की लागत पिछली पीढ़ी की तुलना में 70% कम है।
M3.1Flash अब MiniMax API, MPlan और MiniMax Code के साथ लाइव है। वेट्स को बाद में खोला जाएगा, और आधिकारिक तौर पर इसे कुशलता और क्षमता के बीच संतुलन की निरंतर खोज के रूप में दर्शाया गया है, जिसका Pro संस्करण बाद में उपयोगकर्ताओं के सामने आएगा। इसके द्वारा स्थापित प्रदर्शन और लागत का मानक, Flash-श्रेणी के मॉडल की कुशलता के माध्यम से क्षमता प्राप्त करने की उत्पाद रणनीति को जारी रखता है।