爱范儿发布文章《和 Opus 5.5 同题交卷，MiniMax M3.1 让 Flash 开始超纲了》，将 MiniMax 的 M3.1 与 Opus 5.5 放在同一套题目下进行比较，并给出 M3.1 的 Flash 档位表现"超纲"的判断。所谓"同题交卷"，指的不是各自引用各自的跑分榜单，而是让两个模型面对同一批任务、同一套输入，直接对照输出结果。
这类做法在模型圈并不新鲜，原因在于各家榜单的题目构成、评分口径与提示词设置差异较大，跨榜比较的说服力有限。同题实测因此成为更受认可的横评方式。
本次对比中值得注意的信号有两个。
第一，国产模型与前沿闭源旗舰被放到同一张考卷上。对标对象从"同类开源模型"上移到第一梯队闭源模型，这本身反映出厂商对自身能力区间的预期。
第二，"Flash"这一档位出现在讨论中心。通常而言，Flash 对应低延迟、低成本的快速版本，历史上这类档位与旗舰版本之间存在明显的能力落差。如果快速档位在同题测试中表现出超出原有定位的水平，意味着能力下放的速度快于以往，选型时的思考方式也要随之调整——过去"省成本用小模型、要效果上旗舰"的简单二分，可能不再完全适用。
对 AI 从业者来说，直接影响落在"选型"二字上。当快速档位能够覆盖更多复杂任务时，Agent、批处理、长链路调用等高并发场景的推理成本结构会被重新计算；与此同时，旗舰模型的价值会更集中地体现在最难的尾部任务上，而非平均表现。
需要提醒的是，同题交卷的结果仍然高度依赖题目构成、评分方式与推理预算设置。具体测试细节与结论，应以爱范儿原文为准。