MiniMax M3.1 Flash陷刷榜爭議：老題接近滿分，新題幾乎零分

動察 Beating AI 快訊，大模型評測博主「貓老闆」測試 MiniMax M3.1 Flash 時發現，模型在老題上接近滿分，換成新題卻接近零分。模型平均每題要消耗數萬 Token，但一些難題只用了約 1 萬 Token 就能答對。這種反常的表現，讓人懷疑模型是不是提前記住了部分題目的答案。

貓老闆長期維護「致知」大模型排行榜，使用不公開的私人題庫，主要測試邏輯、數學和編程能力。題庫通常維持在 28 道題、270 個測試用例以內，每月更新部分題目，每道題測試 3 次，同時統計最高成績和中位成績。這次 M3.1 Flash 的中位分數達到 51.76，比上一代 M3 的 23.86 提高一倍以上，接近最新 DeepSeek V4.1 Flash 1017 的 56.03。

一些開發者懷疑，模型可能針對舊題進行了專門訓練，而沒有真正掌握解題方法。這種為提高評測成績而專門優化模型的做法，被稱為 Benchmaxxing。