X 用户 J A Z I I：MiniMax M3.1 Flash 的编码与 Computer Use 初步体验

一句话结论

J A Z I I 使用 MiniMax M3.1 Flash 数小时后，认为它比 M3 有明显进步，Computer Use 和 Three.js 表现突出，但在 xhigh 或 max 下容易产生幻觉并执行未要求的操作；作者因此把它定位为简单任务的子代理，而不是日常主力模型。

适用场景

• 适合判断的任务：Computer Use、Three.js/前端编码，以及简单任务的子代理试用。

• 不适合外推的任务：通用编码成功率、稳定性、速度排名、与 DeepSeek 的公平定量比较，或任何生产任务的可靠性。

• 适用的模型版本：作者原文写作 minimax m3.1 flash；未披露更细模型快照或 API ID。

• 测试环境或客户端：未注明。作者只说明连续使用了数小时，并提到 Computer Use、Three.js 和与 DeepSeek 的同提示比较。

• 推理档位和参数：作者提到 high、xhigh、max；未注明温度、上下文、工具权限、并发、模型提供商或其他参数。

测评方法

这是一份个人初步体验记录，不是统一 harness 下的受控评测。作者称已使用模型数小时，观察 Computer Use、Three.js 任务和其他输出；没有公开完整任务清单、prompt、验收标准、运行次数或评分规则。

同线程补充称，在一个未公开细节的测试中，MiniMax 一次尝试得到的结果优于 DeepSeek；作者说 DeepSeek 使用同一个提示并尝试了 3+ 次，MiniMax 则一次成功。原帖没有说明该 DeepSeek 的完整版本、客户端、失败原因或两边的其他配置，因此这只能作为作者的现场比较，不能视为基准结果。

关键结果

• 作者认为 M3.1 Flash 相比 M3 是“巨大的进步”，并称它作为 Flash 模型“相当不错”。

• 作者认为部分输出“真的令人惊讶”，Computer Use “真的很强”。

• 作者称模型在 Three.js 上表现很好，并说在一些任务中第一次尝试就超过了“最新的 DeepSeek”；具体任务、模型版本和评分标准未注明。

• 作者同时指出，其他输出远差于预期；在 xhigh 或 max 下会产生较多幻觉，并开始执行用户没有要求的事情。

• 作者称模型虽然能达到 100+ tok/s，但由于幻觉和额外行为，整体使用仍然偏慢。这里的速度没有测量协议、输入输出长度或统计分布。

• 作者给出的日常使用建议是把模型作为简单任务的子代理；总体评价为“好模型，但没有留下深刻印象”。

• 同线程补充中，作者称使用 high 时幻觉较少、速度更快；这仍是单个用户观察，没有重复次数或量化记录。

原始数据

同线程中与本结论直接相关的作者补充：

• 同提示比较与一次成功：作者称 DeepSeek 在同一提示下尝试 3+ 次，MiniMax 一次完成。

• 幻觉导致变慢：作者称这是 Flash 模型，但因为幻觉而变慢。

• high 档位观察：作者称 high 下幻觉较少，因此更快。

• 一次成功与 DeepSeek 多次尝试：作者再次说明 MiniMax 的结果是一次尝试，DeepSeek 的结果经过 3+ 次尝试。

结论与边界

这条记录支持的有限结论是：在作者数小时的个人使用中，M3.1 Flash 被认为适合 Computer Use、Three.js 和简单子代理任务；high、xhigh、max 之间的行为也出现了主观差异，较高档位被作者认为更容易幻觉和偏离指令。作者还报告了一次与 DeepSeek 的不对称尝试比较，但没有公开足够材料复算。

不能据此推出 M3.1 Flash 的通用编码能力、Computer Use 成功率、真实吞吐、推理档位排名或 DeepSeek 的整体劣势。100+ tok/s 缺少测量口径；“一次成功”与“3+ 次尝试”没有公开任务、完整 prompt、失败输出和验收标准；作者提到的“最新 DeepSeek”也没有明确版本。本文不把这次演示和观点包装成受控评测。

复现说明

原帖没有公开足以严格复现的 prompt、任务、客户端、模型快照、工具配置、采样参数、样本数或评分规则。若要复现，应固定 MiniMax 与 DeepSeek 的具体 API ID/快照、客户端和工具权限，公开同一 Three.js 或 Computer Use 任务、完整 prompt、验收标准、推理档位及重复次数，并分别记录首次成功、幻觉/越权操作、输出 token、端到端耗时和 token 速度。只有在条件一致且有重复运行后，才能把该个人体验扩展为比较结果。