AI BENCHY 对比
MiniMax: MiniMax M3 vs xAI: Grok 4.3
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-01
| 指标 | MiniMax M3 MiniMax M3 medium | Grok 4.3 Grok 4.3 medium |
|---|---|---|
| 分数 | 7.5 | 7.8 |
| 排名 | #54 | #35 |
| 可靠性 | 9.6 | 10.0 |
| 一致性 | 8.4 | 8.4 |
| 测试正确 | ||
| 尝试通过率 | 75.0% | 75.0% |
| 不稳定测试 | 4 | 4 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 1.083 | 4.557 |
| 总成本 | $0.120 | $0.593 |
| 输入价格 | $0.300 / 1M | $1.250 / 1M |
| 输出价格 | $1.200 / 1M | $2.500 / 1M |
| 输出令牌 | 46,884 | 1,485 |
| 推理令牌 | 85,935 | 214,710 |
| 响应时间（平均） | 68.44s | 49.23s |
| 响应时间（最大） | 431.03s | 216.69s |
| 响应时间（总计） | 1300.32s | 984.52s |
分数 vs 总成本
响应时间（平均）
分数 vs 响应时间（平均）
总输出令牌
分数 vs 总输出令牌
类别细分
| 反AI技巧 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M3 | 5.5 | 3.7 | 66.7% | 3 | 14.95s | 874 | 3,414 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 8.83s | 88 | 8,207 |
| 编程 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M3 | 8.3 | 10.0 | 100.0% | 0 | 185.58s | 4,071 | 26,059 | |
| Grok 4.3 | 7.4 | 6.5 | 66.7% | 1 | 55.26s | 532 | 24,554 |
| 综合 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M3 | 10.0 | 10.0 | 100.0% | 0 | 65.30s | 1,306 | 6,253 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 63.99s | 234 | 15,301 |
| 数据解析与提取 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M3 | 10.0 | 10.0 | 100.0% | 0 | 14.92s | 514 | 3,164 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 18.97s | 180 | 9,546 |
| 领域专项 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M3 | 6.5 | 10.0 | 66.7% | 0 | 233.13s | 16,254 | 19,070 | |
| Grok 4.3 | 5.3 | 7.2 | 44.4% | 1 | 181.74s | 14 | 111,300 |
| 通用智能 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M3 | 5.1 | 3.4 | 33.3% | 1 | 33.25s | 2,487 | 2,523 | |
| Grok 4.3 | 5.4 | 2.5 | 66.7% | 1 | 24.70s | 70 | 5,020 |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M3 | 9.8 | 10.0 | 100.0% | 0 | 6.14s | 103 | 920 | |
| Grok 4.3 | 9.8 | 10.0 | 100.0% | 0 | 18.58s | 57 | 8,713 |
| 谜题求解 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M3 | 7.9 | 9.9 | 66.7% | 0 | 49.91s | 11,946 | 13,761 | |
| Grok 4.3 | 5.9 | 7.2 | 55.6% | 1 | 22.52s | 128 | 14,468 |
| 工具调用 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M3 | 10.0 | 10.0 | 100.0% | 0 | 11.91s | 281 | 555 | |
| Grok 4.3 | 10.0 | 10.0 | 100.0% | 0 | 17.66s | 168 | 4,615 |
| 常识问答 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M3 | 3.0 | 10.0 | 0.0% | 0 | 100.80s | 9,048 | 10,216 | |
| Grok 4.3 | 3.0 | 10.0 | 0.0% | 0 | 44.47s | 14 | 12,986 |
快速对比
切换对比组合
Gemini 3.1 Flash Lite PreviewnonevsMiniMax M3mediumGemini 3.1 Flash LitelowvsMiniMax M3mediumMiniMax M3mediumvsGPT-5.3 ChatnoneGPT-5.2 ChatnonevsGrok 4.3mediumMiniMax M3mediumvsStep 3.7 FlashlowQwen3.7 MaxnonevsGrok 4.3mediumGemini 3 Flash PreviewnonevsGrok 4.3mediumDeepSeek V4 FlashhighvsGrok 4.3mediumGemini 3.1 Flash Lite PreviewlowvsMiniMax M3mediumGemini 3.1 Flash Lite PreviewlowvsGrok 4.3mediumDeepSeek V4 FlashhighvsMiniMax M3mediumGemini 3.5 FlashminimalvsGrok 4.3medium