标签
MiniMax AI 的 M3.1 Flash 模型在"Space Bunny"演示中被揭晓，用户利用它在 MiniMax Code 中仅凭一个提示词、在 17 分钟内构建出一款可玩的太空街机游戏。该模型自主编写了测试套件，在桌面端和模拟 iPhone 上通过了全部 29 项检查，整个构建过程的 token 成本约为 15 美分。
S3Gym是一个交互式基准测试，用于评估大语言模型通过文本游戏进行自我测试、自我评判和自我提升的能力，揭示了自我提升的效果因任务结构和经验表示方式而异。