MiniMax 发布 M3.1 Flash 推理模型，单任务成本约 0.22 美元
MiniMax 发布推理模型 M3.1 Flash，在 Artificial Analysis 智能指数上得 42 分，比前代 M3 高 13 分，单任务成本不到其一半。
推荐理由：MiniMax M3.1 Flash 与 DeepSeek 新模型在多项基准上互有胜负，读者可据此比较两家中国厂商的性价比路线。
内容类型
评测基准 最新动态
模型到底谁更强：Benchmark 评测成绩、评测方法的争议与排行榜变化。
3 条精选近 30 天 3 条共收录 13 条
更新
评测基准的精选
The Decoder精选AI 评分7878 The Decoder精选AI 评分8080 OpenAI 称 GPT-6 在 COBOL、Fortran 等遗留编程语言上表现大幅提升
OpenAI 表示已针对 COBOL、Fortran、Visual Basic 等训练代码稀缺的“低资源”语言改进最新模型，并构建了 MultiLangBench 和 COBOL 迁移两项评测来衡量进展。
推荐理由：原文给出 GPT-6 系列在 COBOL、Fortran 等低资源语言上的基准数字，可对照旧版模型看提升幅度。
Google Research精选AI 评分6262 Google 发布地理空间推理智能体技术报告并扩大 Earth AI 早期访问
Google 发布 Geospatial Reasoning 智能体技术报告，在四个基准上对比独立 LLM、基础工具、Earth AI 工具和完整规划智能体四种配置，并新开源 GeoKTools 与 GeoExpertQueries 两个基准的开发集。
推荐理由：技术报告用四个基准对比四种配置，量化了领域工具与前置规划对地理空间推理的增益。