独立评测对比 Sol 6 与 MiniMax M3.1 Flash 等模型

Vasiliy Radostev 发布对 Sol 6、MiniMax M3.1 Flash、Mistral Large 4、Gemini 3.1 Flash-Lite 等模型的基准评测结果。据其测试，Sol 6 相比 Sol 5.6 成本更低、速度更快，整体质量接近，仓库实现任务耗时从 26.4 秒降至 19.8 秒；MiniMax M3.1 Flash 在同一任务上平均耗时 145.2 秒，比 Luna 6 慢近 5 倍、贵近 5 倍，作者认为不值得使用。 评测覆盖五个工作负载、每个八例、重复两次，由 Sonnet 5.5 按任务特定标准打分，质量分数衡量评分标准表现而非任务通过率；图表对五个工作负载等权，成本不含评判与搭建费用。作者称未测试这些模型的自托管性能或成本。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。