每天，AI界都有新鲜事，包括那些荒诞不经的阴谋论。然而，关于MiniMax新推出的M3.1 Flash模型的一则阴谋论，却一点也不离谱。事实上，它可能是解释该模型在AI基准测试中火箭般蹿升的最合理说法之一，而这一切都指向一条通往“基准刷分”老路的迂回捷径——这是一种令人不齿的做法，即AI实验室专门训练其专有模型去攻克特定的基准测试，而非专注于提升通用能力。
据称，MiniMax在评估M3模型期间截获了Artificial Analysis的查询内容，随后利用这些问题训练M3.1 Flash，使其在AA-Omniscience测试中轻松胜出。
正如我们今天早些时候所指出的，MiniMax M3.1 Flash模型提供了前沿级别的能力——至少从各项基准测试来看是如此——而成本极低，100万输入token仅需0.15美元，输出则为每100万token 0.60美元。
此外，该模型仅有4,280亿参数，其中活跃参数为230亿，目前在全球至少三项广泛使用的基准测试中领先——Automation Bench、Banker ToolBench和LOCA-Bench-256K。这意味着该模型在智能体工作流中提供了绝对最佳的性价比。
更值得一提的是，MiniMax M3.1 Flash模型在Artificial Analysis智能指数上得分42分，比MiniMax M3高出13分，与GLM-5.3-Flash大致持平。
然而，阴谋论正是在此处抬头。Artificial Analysis的Omniscience测试极难作弊，尤其是其约6,000道题库中仅有600道公开，其余均保密。
不过，一位AI专家现在声称，MiniMax据称在发布M3模型时，截获了Artificial Analysis与其Omniscience基准相关的查询内容。这当然完全可能，因为MiniMax运营着推理服务器，能够看到发往模型托管端点的每一个传入提示。要知道，AI实验室通常会在稍后日期才发布模型权重，而评估通常是在模型仅能通过专有API访问时进行的。
M3模型的情况正是如此：MiniMax于6月1日通过API发布该模型，而Artificial Analysis于6月4日发布其基准测试结果，模型权重直到6月12日才公开。
此外，与AA-Omniscience相关的查询和提示天然相当独特，与普通查询截然不同。理论上，这给了MiniMax筛选Artificial Analysis查询内容的机会。
这就引出了阴谋论的核心。尽管我们目前所写的大部分内容只能说是合理推测，但AI研究员“Binkg”更进一步：
“我拿了一道已公开的AA Omniscience题目，稍作修改，使答案不同但听起来相似。除了M3.1-F，所有模型都通过了，而M3.1-F直接输出了原始基准答案。（它并非在思考，而是在思维过程中直接认出了这道题。即使在最大算力下也是如此。）”
基本上，这个看似非常合理的阴谋论指控：MiniMax在M3模型评估期间窃取了大部分AA-Omniscience问题和提示，然后利用这座宝库专门训练其MiniMax M3.1 Flash模型以攻克该基准测试。如果日后证实此事为真，那么几乎所有AA基准测试都可能易受此类窃取攻击。
请注意，我们已联系Artificial Analysis，一旦收到其评论将予以发布。与此同时，我们敦促读者在仅凭基准测试排名比较不同模型时，保持一丝怀疑。
