MiniMax M3.1 Flash在测试中引发刷榜争议。大模型评测博主「猫老板」发现，该模型在老题上接近满分，但在新题上几乎得零分。模型平均每题消耗数万token，但一些难题仅用约1万token就能答对。这种反常表现引发怀疑，是否模型提前记住了部分题目的答案。猫老板维护的「致知」大模型排行榜使用不公开的私人题库，主要测试逻辑、数学和编程能力。此次M3.1 Flash的中位分数达到51.76，较上一代M3的23.86提高一倍以上，接近最新的DeepSeek V4.1 Flash 1017的56.03。一些开发者怀疑模型可能针对旧题进行了专门训练，而未真正掌握解题方法，这种做法被称为benchmaxxing。