2026年10月19日，MiniMax正式发布轻量级大模型M3.1Flash，宣称在成本与性能上双重突破：AA综合智能指数达42分，较6月发布的M3提升13分；单任务平均费用仅0.22美元，不足M3的一半，也低于DeepSeek V4.1 Flash-1017的0.26美元；API定价为每百万Token输入0.15美元、输出0.60美元，约为前代一半。上线72小时内处理Token超100万亿，OpenRouter平台七日免费调用量达13.7万亿，位列第三。
然而高分与低价迅速被质疑覆盖。AI测评博主Binkg选取AA-Omniscience一道生产管理题进行改写测试：将‘长期规划’改为‘中期’，‘新工厂数量/位置/规模’替换为‘完成主生产计划所需人力/设备/产能’，正确答案应由RRP变为RCCP。DeepSeek V4.1 Flash-1017与Gemini 4 Argon均响应变化，M3.1Flash却仍输出RRP。作者复现该实验，结果一致；但将同一改写题译为中文并新开对话后，M3.1Flash又答对。
更深层疑虑来自猫老板主导的私有榜单‘致知’观测：M3.1Flash在留存旧题上接近满分，新增题近乎零分；且难题仅耗约1万Token即答对，而平均单题耗4万+Token，消耗模式与推理逻辑明显不符。AA-Omniscience知识测试进一步揭示矛盾：正确率56.2%（较M3跃升39.5个百分点），幻觉率却高达92.8%，即每100题中约41题答错，远超M3的18.4%及Gemini 3.8 Flash的55.2%。
值得注意的是，M3.1Flash的匿名早期版本‘Space Bunny Alpha’（太空兔）已于2026年9月登陆OpenRouter，连续十日调用量第一，累计处理超200万亿Token；10月23日MiniMax按计划开放全部模型权重，允许研究者离线复测，但未同步公开训练数据与请求日志，因此‘是否背题’仍无确证——可能是对评测题的过拟合，也可能是概念混淆或接口侧特殊响应机制。中英文表现差异、幻觉与高分并存等现象，亟待更多独立验证。