AutomationBench-AA
AssessCông cụ
Bộ benchmark đánh giá việc thực thi tác vụ tác tử phức tạp và quy trình tự động hóa.
Vì sao ở đây
Xếp vào Assess: 1 bài bằng chứng từ 1 nguồn, chủ yếu là phát hành mô hình, 1 bài trong 30 ngày qua. Độ tin cậy 24%. Bằng chứng còn ít nên xếp thận trọng, chờ thêm tín hiệu.
Bằng chứng (1)
- 7Hacker News·19/10/2026model_releaseMiniMax ra mắt M3.1 Flash cho các tác vụ tác tử
MiniMax đã chính thức ra mắt M3.1 Flash, một mô hình thế hệ mới tập trung vào các quy trình tác tử, lập trình, sử dụng máy tính và an ninh mạng. Công ty cho biết mô hình này nhanh hơn và rẻ hơn thế hệ trước, với suy luận trực tuyến nhanh gần gấp 3 lần và chi phí sử dụng giảm 70%.