在 Plotly 的 43 道数据分析考试中，MiniMax M3.1 Flash 答对 41 题（95%），找到数据中预埋的 5 个隐藏模式；按 MiniMax 标价计算，一次完整考试成本为 $4.09，但每题中位耗时 3 分钟，是该榜单中最慢的模型。
适合判断的任务：数据分析、SQL、统计陷阱识别、数据质量检查，以及需要主动发现数据模式的分析工作流。
不适合外推的任务：通用能力、真实业务准确率、生产稳定性、其他数据集或其他 Agent 配置下的速度和成本。
适用的模型版本：2026-10-19 发布的 MiniMax M3.1 Flash；文章称 Space Bunny Alpha 是该模型的早期版本。API model ID 未注明。
测试环境或客户端：Plotly 的 DataAnalyticsBench 数据分析考试；文章称 OpenRouter 当时免费提供 M3.1 Flash，成本按 MiniMax 官方标价计算。
推理档位和参数：未注明。文章未公开温度、采样、模型快照、提示词、重复次数、harness 或工具配置。
Plotly 称新模型发布时会使用同一套考试，并在文章中展示 43 道题的结果。数据集是虚构的风电运营商数据仓库，包含 43 个待回答问题；考试保持私有，仅向研究者分享，以避免答案进入训练集。题目包含统计陷阱、含糊问题和“不可能完成”的请求，并在数据中预埋 5 个隐藏模式，要求模型自行发现。
正文比较了同一考试中的模型结果。MiniMax M3.1 Flash 的 41/43 与 Claude Opus 5.5、Gemini 4 Argon、Muse Wonder 和 GPT-6 Sol 并列；文章称中国实验室的下一高分是 GLM 5.3 Flash 和 Qwen 3.8 27B，各答对 38 题。文章还称完整榜单有 33 个模型，但没有在本页展开全部逐题结果。
| 指标 | Space Bunny Alpha（9 月） | MiniMax M3.1 Flash（10 月） |
|---|---|---|
| 得分 | 38/43（88%） | 41/43（95%） |
| 找到隐藏模式 | 2/5 | 5/5 |
| 每题模型调用数 | 15 | 45 |
| 每题读取 Token | 0.7M | 4.2M |
| 每题写入 Token | 8,500 | 32,000 |
| 每题中位耗时 | 36 秒 | 3 分钟 |
| 完整考试成本（按 MiniMax 标价） | $0.82 | $4.09 |
文章称 M3.1 Flash 每题调用次数是 Space Bunny 的 3 倍，写入量接近 4 倍，增加的推理工作带来了更高的得分，也带来了更长的耗时和更高的成本。M3.1 Flash 还通过了所有统计陷阱、含糊问题和不可能请求；例如在判断风天是否导致 SCADA 告警时，它寻找了可能同时解释两者的第三因素。
Claude Opus 5.5 和 Gemini 4 Argon 与 M3.1 Flash 得分相同，文章称它们的成本约为 M3.1 Flash 的 3 倍。
GPT-6 Sol 答对 41 题，成本为 $2.61；GPT-6.1 Sol 答对 43 题，成本与 M3.1 Flash 相同。
M3.1 Flash 的输入中 98% 命中缓存，按 MiniMax 缓存输入价格为正常输入价格的十分之一计算；OpenRouter 当时免费提供模型，因此文章没有采用实际 OpenRouter 账单。
MiniMax 官方标价：输入 $0.15/百万 Token、输出 $0.60/百万 Token、缓存输入 $0.015/百万 Token。
M3.1 Flash 完整考试：41/43，成本 $4.09，约每题 $0.10；每题中位耗时 3 分钟。
速度口径：文章称每次模型调用约 150 tokens/s；按 MiniMax 宣称的 170 tokens/s 计算，写出 32,000 Token 本身约需 3 分钟。
两道错误：一题要求计算全部风电机组每日能源的最高 7 日滚动平均值，模型文字称做了除以 7，但 SQL 没有除法，把 1,320 GWh 的 7 日总量当成平均值；另一题把数据中的正常模式误判为数据管道错误。
文章还称 GPT-6.1 Sol、GPT-6 Astra 和 Gemini 4 Argon 也找到全部 5 个隐藏模式；Space Bunny 只找到 2 个。
这项测试支持的结论是：在 Plotly 的私有数据分析考试中，M3.1 Flash 取得 41/43，并能发现全部 5 个隐藏模式；其主要代价是较高的调用量、Token 输出量和等待时间。结果适合比较该考试中的分析能力、成本和速度权衡。
考试使用合成风电数据，不能代表真实企业数据。页面没有公开题目、答案、完整提示词、模型快照、推理档位、采样参数、工具权限、harness、重复次数或误差范围，外部无法仅凭文章完整重算分数。成本按 MiniMax 标价估算，且包含 98% 缓存输入，不等于所有账号和请求的实际账单。3 分钟是该考试的每题中位数，也不等于其他任务或服务商端点的延迟。
文章称 MiniMax 将稍后发布 M3.1 Flash 权重；截至采集日，这仍是未来计划，不能当作已开放权重的事实。
复现时应固定原文所述的 43 题 DataAnalyticsBench 考试、模型版本、调用服务商、缓存计费口径和采集日期，并单独记录每题模型调用数、输入输出 Token、缓存命中、耗时和错误类型。由于考试与答案保持私有，无法仅凭公开文章独立复现 41/43；任何新增测试都应标为另一组实验。
MiniMax M3.1 Flash
