2026年10月19日、MiniMaxは軽量級の大規模モデルM3.1Flashを正式にリリースし、コストと性能の両面で二重の飛躍を実現したと発表しました。AA総合知能指数は42点で、6月に公開されたM3より13ポイント向上しています。単一タスクあたりの平均費用はわずか0.22ドルで、M3の半分以下であり、DeepSeek V4.1 Flash-1017の0.26ドルよりも低くなっています。APIの価格設定は、入力100万トークンあたり0.15ドル、出力100万トークンあたり0.60ドルで、前世代の約半分です。リリース後72時間以内に処理されたトークン数は100兆を超え、OpenRouterプラットフォームにおける7日間の無料利用回数は13.7兆に達し、ランキング第3位となりました。
しかし、高得点と低価格はすぐに疑問視される結果となった。AI評価系のブロガーBinkgは、AA-Omniscienceによる生産管理問題を選び、改変してテストを行った。具体的には、「長期計画」を「中期」とし、「新工場の数・位置・規模」を「主生産計画の達成に必要な人員・設備・生産能力」に置き換えたところ、正解はRRPからRCCPへと変わった。DeepSeek V4.1 Flash-1017およびGemini 4 Argonはいずれも変化に対応したが、M3.1Flashだけは依然としてRRPを出力した。著者がこの実験を再現したところ、結果は一致した。ただし、同じ改変問題を中国語に翻訳し、新たに会話を開始すると、M3.1Flashは再び正解を出した。
さらに深い疑念は、猫社長が主導するプライベートランキング「致知」の観測から生じる：M3.1Flashは旧題の保持において満点に近い得点を示す一方で、新規出題ではほぼゼロ点に近く、しかも難問についてはわずか約1万Tokenで正解するのに対し、平均的な単一問題には4万以上のTokenが消費されるという、消費パターンと推論ロジックが明らかに矛盾している。AA-Omniscienceによる知識テストはさらに矛盾を浮き彫りにする：正答率は56.2％（M3に比べて39.5ポイント上昇）であるにもかかわらず、幻覚率はなんと92.8％に達しており、つまり100問中約41問が誤答となる計算で、これはM3の18.4％やGemini 3.8 Flashの55.2％を大きく上回る数値である。
注目すべきは、M3.1Flashの匿名初期バージョン「Space Bunny Alpha」（スペースバニー・アルファ）が2026年9月にOpenRouterへ公開され、連続10日間にわたり利用回数ランキング首位を維持し、累計で200兆トークン超を処理した点である。10月23日にはMiniMaxが予定通り全モデルの重み付けを公開し、研究者によるオフラインでの再検証を許可したが、訓練データやリクエストログは公表されておらず、「問題を丸暗記していないか」という疑問は依然として確証を得られていない――評価用の問題に対する過剰適合の可能性もあれば、概念の混同やインターフェース側の特殊な応答メカニズムによるものかもしれない。中国語と英語における性能差、幻覚現象と高得点の併存といった現象については、さらなる独立した検証が急務である。