Svaret är kort: sex pärmar, leverans på onsdag. Innan dess läste agenten tre anteckningar, uppfattade en ändrad mängd och gick förbi ett motsägelsefullt datum. Om resultatet är fel hjälper det kortfattade svaret föga. Det är just detta glapp mellan ett snabbt svar och en slutförd uppgift som gör effektivitet hos agenter till en svårare fråga än en blick på priset per textmängd.
MiniMax presenterade M3.1 Flash den 19 oktober 2026. Lanseringen positionerar modellen för agentarbete och programmering och nämner API:et, M Plan och MiniMax Code som åtkomstvägar. Vikterna utlovas till ett senare datum. De publicerade fördelarna i prestanda och kostnad är leverantörens påståenden; de är inte resultatet av en jämförelse som gjorts här.
En liten uppgift med verkliga beroenden
För ett eget experiment kan du skriva tre konstgjorda leveransanteckningar. Den första nämner fyra pärmar till en kurs. Den andra bekräftar sex efter en följdfråga. Den tredje anger två möjliga leveransdagar utan att bestämma sig för någon av dem. Det önskade resultatet består av den bekräftade mängden, det öppna datumet och hänvisningar till respektive anteckning.
Svårigheten ligger alltså inte i den slutliga tabellens längd. Agenten måste förstå vilken uppgift som ersätter en annan och vilken motsägelse som förblir olöst. En helt ifylld tabell kan vara sämre än en med ett medvetet öppet fält.
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.Spara vid sidan av detta en kort målregel: mängd sex, källa anteckning två; datum okänt, källa anteckning tre. Du kan bedöma regeln utan någon modell. Senare varianter av experimentet bör behålla denna grund, annars hamnar man i att jämföra olika uppgifter med varandra.
Vad som räknas som klart
Definiera vad som räknas som slutfört före körningen. Översikten ska ta hänsyn till alla relevanta anteckningar, bevara korrigeringar och låta öppna punkter förbli synliga. Den ska inte ändra någon beställning. Denna gräns håller det första experimentet litet och gör resultatet oberoende av åtkomst till produktionssystem.
En möjlig instruktion är: ”Sammanför de tre anteckningarna för kurs K. Använd den mängd som senast uttryckligen bekräftades. Ange anteckningens ID för varje värde du tar över. Lös inte alternativa datum genom att gissa. Ta bara fram en förhandsvisning av resultatet.”
Om modellen ställer följdfrågor, anteckna även dem. En relevant följdfråga kan vara en del av en bra process. Ett extra varv är inte automatiskt ett misstag; det avgörande är om det inhämtar nödvändig information eller bara upprepar arbete som redan är gjort.
Mät hela vägen
I en senare, faktisk jämförelse bör du åtminstone registrera modell- och tjänsteidentifierare, indata, resultatet och de mänskliga korrigeringar som krävdes. Om du utvärderar kostnad eller tidsåtgång, börja och sluta vid samma punkter i arbetsflödet. Att bara mäta det sista svaret utelämnar alla förberedande steg.
Skilj också på tre storheter: priset för det tekniska anropet, antalet anrop som behövs och insatsen för att bearbeta resultatet i efterhand. Ett billigt anrop förlorar sin praktiska fördel om någon efteråt måste lägga till källor och mödosamt rätta felaktiga datum. Omvänt kan ett extra förtydligande steg vara meningsfullt om det förhindrar att ett felaktigt värde förs vidare.
För miniuppgiften räcker en enkel resultatlista: mängd korrekt, datum öppet, källhänvisningar finns, otillåten åtgärd inte vidtagen. Dessa kriterier förklarar varför en körning skulle vara användbar. Ett konstlat exakt totalbetyg döljer däremot lätt att en enda felaktig mängd är avgörande för uppgiften.
Vad ett modellbesked gör av detta
MiniMax lansering är intressant eftersom den uttryckligen styr diskussionen mot kompletta agentuppgifter. Ditt eget val bör utgå från en process du förstår. Du behöver inte upprepa någon annans topplista för att se om ett system sammanför korrigeringar på ett rent sätt.
Ett litet experiment medger ännu inget omdöme om godtyckliga affärsprocesser. Det visar dock var du behöver titta: på förhållandet mellan källor, beslut och de steg som utförts. Det kortaste svaret är då bara den synliga änden av ett arbete som går att spåra.
Källor och status
Källor per den 25 oktober 2026. MiniMax M3.1 Flash: Redefining Agent Performance and Cost · MiniMax M3.1 Flash – officiell integrationsöversikt.
