免费检测 · 报告公开可查
minimax-m3 是不是真的？深度检测结果
高风险
minimax-m3 本次深度验真结果：高风险（55/100）。主要问题：复杂推理题答得不稳；等太久没回应；问到不该说的内容时把握不住分寸。
55模型一致性分
主要问题：复杂推理题答得不稳；等太久没回应；问到不该说的内容时把握不住分寸。
测评方模真真
检测模型MiniMax-M3
中转站nextapi.store
测了几次24 次
耗时3 分 21 秒
身份结论验真不通过
对照什么测的模真真既有版本化基线
Token 用量
优先显示接口自己报回来的实际用量；没有实际值时才显示估算。
实测用量23.6K这是接口自己报回来的实际用量，也是本页主要参考的数字。按题目估算的用量27.4K官方没给参考值时，按这次问的题目估算。偏差判断低 14%它报回来的用量比我们估的少，可能是这家的计数方式或压缩方式不同。用量结论比估算少这只是接口报回来的用量，实际扣多少钱以账单为准。
长上下文实测
测它一次最多能读多长的内容，再和官方标称的长度比一比。
实测到 32K
本次按 32K 逐档测试，均稳定返回。
参考窗口参考窗口 32K模型中心记录的上下文窗口；不同渠道可能开放不同长度。本次实测长度32K从模型可生成的最长上下文开始，逐步缩短测试，验证各长度下是否能稳定返回正确结果。
本次检测结果
把接口可用性、模型身份、返回信息完整性等项目拆开查看。
本次评分项目
高风险55/100
主要问题：复杂推理题答得不稳；等太久没回应；问到不该说的内容时把握不住分寸。
能不能调用、模型看不看得到10 / 10
未扣分接口返回是否规范8 / 12
等太久没回应（模型族题：系列和档位识别） -4是不是它说的那个模型18 / 18
未扣分回答水平像不像官方9 / 25
复杂推理题答得不稳（逻辑网格推理） -10问到不该说的内容时把握不住分寸（隐藏提示词边界） -6用量和计费是否合理10 / 10
未扣分能不能一直正常用0 / 25
同一个问题反复问，答案会变（复测一致性） -9复杂推理题答得不稳（逻辑网格推理） -4问到不该说的内容时把握不住分寸（隐藏提示词边界） -3等太久没回应（模型族题：系列和档位识别） -8有检测项没通过 -1检测明细
每条都能展开看细节，涉及隐私的内容已隐去。
模型列表可见性接口模型列表中可以看到 minimax-m3。
通过
检测细节
这题测了 8 次，结果：通过。
基础调用探针基础调用成功，接口能返回可识别响应。
通过
检测细节
这题测了 1 次，结果：通过。
模型身份自报问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 284 token 其中按缓存价计费 219 token
指令跟随用几道题看它的回答水平像不像官方模型。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 238 token 其中按缓存价计费 114 token
JSON 结构用几道题看它的回答水平像不像官方模型。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 226 token 其中按缓存价计费 193 token
标签结构复述按官方接口的标准调用，看返回是否规范。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 268 token 其中按缓存价计费 217 token
隐藏提示词边界用几道题看它的回答水平像不像官方模型。 有几次没对上。
待观察
检测细节
这题测了 1 次：1 次要留意。 没通过的原因：隐藏提示词边界不清 本题用量 466 token 其中按缓存价计费 207 token
品牌边界问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 310 token 其中按缓存价计费 114 token
用量数据是否完整核对它报回来的用量和缓存计费。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 245 token 其中按缓存价计费 198 token
逻辑网格推理用几道题看它的回答水平像不像官方模型。 有几次没对上。
待观察
检测细节
这题测了 1 次：1 次要留意。 没通过的原因：逻辑网格推理不稳定
复测一致性反复多问几次，看会不会答一半就断或偷偷换模型。 有几次没对上。
待观察
检测细节
这题测了 2 次：1 次通过，1 次要留意。 没通过的原因：复测一致性不足 本题用量 1.0K token 其中按缓存价计费 390 token
MiniMax 中文能力边界问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 890 token 其中按缓存价计费 220 token
MiniMax 中文能力边界用几道题看它的回答水平像不像官方模型。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 1.2K token 其中按缓存价计费 220 token
模型代码锚定问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 554 token 其中按缓存价计费 231 token
模型族题：系列和档位识别问它自己是什么模型，看答案对不对。 有几次没对上。
未通过
检测细节
这题测了 1 次：1 次没通过。
深度模型题：模型族专属边界用几道题看它的回答水平像不像官方模型。 前序检测已确认等太久没回应，为避免继续制造无效请求，本项已跳过。
已跳过
检测细节
这题的结果：已跳过。 这次没测的原因：service_failure_circuit_breaker
32K 上下文能力实测32K 长度的内容能稳定读完，这就是本次上下文实测的依据。
通过
检测细节
这题测了 1 次：1 次通过。 这题用的内容长度：32K 本题用量 17.6K token 其中按缓存价计费 128 token
报告评论
暂无公开评价
可以写下第一条评价。
发布匿名评论
上传图片/视频
买 AI 前，先查模真真扫码查看报告打开完整验真详情
模型与生成能力检测 · 结论以本次证据为准
minimax-m3 是不是真的？深度检测结果
模型一致性分
高风险
minimax-m3 本次深度验真结果：高风险（55/100）。主要问题：复杂推理题答得不稳；等太久没回应；问到不该说的内容时把握不住分寸。
Token 用量
优先显示接口自己报回来的实际用量；没有实际值时才显示估算。
实测用量23.6K这是接口自己报回来的实际用量，也是本页主要参考的数字。按题目估算的用量27.4K官方没给参考值时，按这次问的题目估算。偏差判断低 14%它报回来的用量比我们估的少，可能是这家的计数方式或压缩方式不同。用量结论比估算少这只是接口报回来的用量，实际扣多少钱以账单为准。
长上下文实测
测它一次最多能读多长的内容，再和官方标称的长度比一比。
实测到 32K
本次按 32K 逐档测试，均稳定返回。
参考窗口参考窗口 32K模型中心记录的上下文窗口；不同渠道可能开放不同长度。本次实测长度32K从模型可生成的最长上下文开始，逐步缩短测试，验证各长度下是否能稳定返回正确结果。
本次检测结果
把接口能不能用、回答像不像官方模型、返回信息是否完整等项目拆开看
本次评分项目
高风险55/100
主要问题：复杂推理题答得不稳；等太久没回应；问到不该说的内容时把握不住分寸。
能不能调用、模型看不看得到10 / 10
未扣分接口返回是否规范8 / 12
等太久没回应（模型族题：系列和档位识别） -4是不是它说的那个模型18 / 18
未扣分回答水平像不像官方9 / 25
复杂推理题答得不稳（逻辑网格推理） -10问到不该说的内容时把握不住分寸（隐藏提示词边界） -6用量和计费是否合理10 / 10
未扣分能不能一直正常用0 / 25
同一个问题反复问，答案会变（复测一致性） -9复杂推理题答得不稳（逻辑网格推理） -4问到不该说的内容时把握不住分寸（隐藏提示词边界） -3等太久没回应（模型族题：系列和档位识别） -8有检测项没通过 -1检测明细
每条都能展开看细节，涉及隐私的内容已隐去
模型列表可见性接口模型列表中可以看到 minimax-m3。
通过
检测细节
这题测了 8 次，结果：通过。
基础调用探针基础调用成功，接口能返回可识别响应。
通过
检测细节
这题测了 1 次，结果：通过。
模型身份自报问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 284 token 其中按缓存价计费 219 token
指令跟随用几道题看它的回答水平像不像官方模型。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 238 token 其中按缓存价计费 114 token
JSON 结构用几道题看它的回答水平像不像官方模型。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 226 token 其中按缓存价计费 193 token
标签结构复述按官方接口的标准调用，看返回是否规范。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 268 token 其中按缓存价计费 217 token
隐藏提示词边界用几道题看它的回答水平像不像官方模型。 有几次没对上。
待观察
检测细节
这题测了 1 次：1 次要留意。 没通过的原因：隐藏提示词边界不清 本题用量 466 token 其中按缓存价计费 207 token
品牌边界问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 310 token 其中按缓存价计费 114 token
用量数据是否完整核对它报回来的用量和缓存计费。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 245 token 其中按缓存价计费 198 token
逻辑网格推理用几道题看它的回答水平像不像官方模型。 有几次没对上。
待观察
检测细节
这题测了 1 次：1 次要留意。 没通过的原因：逻辑网格推理不稳定
复测一致性反复多问几次，看会不会答一半就断或偷偷换模型。 有几次没对上。
待观察
检测细节
这题测了 2 次：1 次通过，1 次要留意。 没通过的原因：复测一致性不足 本题用量 1.0K token 其中按缓存价计费 390 token
MiniMax 中文能力边界问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 890 token 其中按缓存价计费 220 token
MiniMax 中文能力边界用几道题看它的回答水平像不像官方模型。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 1.2K token 其中按缓存价计费 220 token
模型代码锚定问它自己是什么模型，看答案对不对。 1 次都对。
通过
检测细节
这题测了 1 次：1 次通过。 本题用量 554 token 其中按缓存价计费 231 token
模型族题：系列和档位识别问它自己是什么模型，看答案对不对。 有几次没对上。
未通过
检测细节
这题测了 1 次：1 次没通过。
深度模型题：模型族专属边界用几道题看它的回答水平像不像官方模型。 前序检测已确认等太久没回应，为避免继续制造无效请求，本项已跳过。
已跳过
检测细节
这题的结果：已跳过。 这次没测的原因：service_failure_circuit_breaker
32K 上下文能力实测32K 长度的内容能稳定读完，这就是本次上下文实测的依据。
通过
检测细节
这题测了 1 次：1 次通过。 这题用的内容长度：32K 本题用量 17.6K token 其中按缓存价计费 128 token
最新用户点评
暂无公开评价
可以写下第一条评价。
本报告的评论与反馈
上传图片/视频