Svaret er kort: seks ringbind, levering onsdag. Forinden har agenten læst tre notater, genkendt en ændring i antallet og sprunget en modstridende dato over. Hvis resultatet er forkert, hjælper det kortfattede output ikke meget. Det er netop denne kløft mellem et hurtigt svar og en fuldført opgave, der gør effektivitet hos agenter til et sværere spørgsmål end et blik på prisen pr. tekstmængde.
MiniMax præsenterede M3.1 Flash den 19. oktober 2026. Annonceringen positionerer modellen til agentarbejde og programmering og nævner API'et, M Plan og MiniMax Code som adgangsveje. Vægtene er annonceret til et senere tidspunkt. De offentliggjorte fordele inden for ydeevne og omkostninger er leverandørens egne påstande; de er ikke resultatet af en sammenligning foretaget her.
En lille opgave med reelle afhængigheder
Til et eksperiment på egen hånd kan du skrive tre kunstige leveringsnotater. Det første nævner fire ringbind til et kursus. Det andet bekræfter seks efter et opfølgende spørgsmål. Det tredje angiver to mulige leveringsdage uden at lægge sig fast på nogen af dem. Det ønskede resultat består af det bekræftede antal, den åbne dato og henvisninger til de respektive notater.
Vanskeligheden ligger altså ikke i længden af den endelige tabel. Agenten skal forstå, hvilken oplysning der erstatter en anden, og hvilken modsigelse der forbliver uløst. En helt udfyldt tabel kan være værre end en med et bevidst åbent felt.
Note 1: 4 binders are needed for course K.
Note 2: Follow-up question settled: for K, explicitly 6 binders, please.
Note 3: Delivery for K on Tuesday or Wednesday; still open.Gem desuden en kort målregel: antal seks, kilde notat to; dato ukendt, kilde notat tre. Du kan vurdere reglen uden en model. Senere varianter af eksperimentet bør bevare dette grundlag, ellers ender man med at sammenligne forskellige opgaver med hinanden.
Hvad der tæller som færdigt
Definér, hvornår opgaven er fuldført, før kørslen. Oversigten skal tage højde for alle relevante notater, bevare rettelser og lade åbne punkter forblive synlige. Den må ikke ændre nogen ordre. Denne afgrænsning holder det første eksperiment lille og gør resultatet uafhængigt af adgang til produktionssystemer.
En mulig instruktion er: „Saml de tre notater for kursus K. Brug det antal, der senest blev udtrykkeligt bekræftet. Angiv notatets ID for hver værdi, du overtager. Afgør ikke alternative datoer ved at gætte. Lav kun en forhåndsvisning af resultatet.“
Hvis modellen stiller opfølgende spørgsmål, så notér også dem. Et relevant opfølgende spørgsmål kan være en del af en god proces. En ekstra gennemgang er ikke automatisk en fejl; det afgørende er, om den indhenter nødvendige oplysninger eller blot gentager arbejde, der allerede er udført.
Mål hele forløbet
I en senere, egentlig sammenligning bør du som minimum registrere model- og tjenesteidentifikatorer, input, resultatet og de nødvendige menneskelige rettelser. Hvis du vurderer omkostninger eller varighed, så start og slut på de samme punkter i arbejdsgangen. Måler du kun det sidste svar, udelades eventuelle forudgående trin.
Skeln også mellem tre størrelser: prisen for det tekniske kald, antallet af nødvendige kald og indsatsen ved at efterbearbejde resultatet. Et billigt kald mister sin praktiske fordel, hvis nogen bagefter skal tilføje kilder og møjsommeligt rette forkerte datoer. Omvendt kan et ekstra afklaringstrin give mening, hvis det forhindrer, at en forkert værdi bliver ført videre.
Til miniopgaven er en simpel resultatliste nok: antal korrekt, dato åben, kildehenvisninger til stede, uautoriseret handling ikke udført. Disse kriterier forklarer, hvorfor en kørsel ville være brugbar. En kunstigt præcis samlet score skjuler derimod let, at et enkelt forkert antal er afgørende for opgaven.
Hvad en modelannoncering gør ud af dette
MiniMax' udgivelse er interessant, fordi den udtrykkeligt styrer diskussionen mod komplette agentopgaver. Dit eget valg bør tage udgangspunkt i en proces, du forstår. Du behøver ikke at genskabe en andens rangliste for at se, om et system samler rettelser rent.
Et lille eksperiment tillader endnu ikke en vurdering af vilkårlige forretningsprocesser. Det viser dog, hvor du skal kigge: på forholdet mellem kilder, beslutninger og de udførte trin. Det korteste svar er så blot den synlige afslutning på et arbejde, der kan spores.
Kilder og status
Kilder pr. 25. oktober 2026. MiniMax M3.1 Flash: Agentydelse og omkostninger defineret på ny · MiniMax M3.1 Flash – officiel integrationsoversigt.
