In questo articolo Indice dei contenuti 2 sezioni
Un modello cinese che scala le classifiche dei benchmark a velocità record e un sospetto che si fa sempre più insistente. Al centro della vicenda c’è MiniMax M3.1 Flash, l’ultima creatura dell’azienda cinese, finita sotto accusa per un possibile caso di benchmaxxing. Con questo termine si indica una pratica poco elegante: addestrare un modello di intelligenza artificiale per superare test specifici invece di migliorarne davvero le capacità generali. Nel mondo dell’AI le teorie del complotto più assurde non mancano mai, ma questa volta l’ipotesi sembra tutt’altro che campata in aria. Anzi, potrebbe spiegare in modo piuttosto convincente l’ascesa fulminea del modello.
Per capire perché la faccenda abbia acceso il dibattito bisogna guardare ai numeri. Sulla carta MiniMax M3.1 Flash offre capacità di livello frontier a un costo bassissimo: un milione di token in ingresso costa circa 0,13 euro, mentre per l’output si arriva a circa 0,52 euro per milione di token. Il modello conta 428 miliardi di parametri, di cui 23 miliardi attivi, e al momento guida la classifica mondiale in almeno tre benchmark molto diffusi come Automation Bench, Banker ToolBench e LOCA Bench 256K. Tradotto in termini pratici, sarebbe la soluzione con il miglior rapporto tra prestazioni e prezzo per i flussi di lavoro basati su agenti.
Il punteggio sospetto su AA Omniscience
C’è poi il dato che ha fatto scattare l’allarme. Sull’Artificial Analysis Intelligence Index la nuova versione ha totalizzato 42 punti, ben 13 in più rispetto a MiniMax M3, piazzandosi più o meno allo stesso livello di GLM 5.3 Flash. Il problema riguarda in particolare il test AA Omniscience, considerato molto difficile da aggirare. Dei circa 6.000 quesiti che compongono il suo archivio, infatti, solo 600 sono pubblici, mentre tutti gli altri restano riservati. Allenare un modello a superarlo, in teoria, dovrebbe essere praticamente impossibile.
Eppure un esperto del settore, noto online come Binkg, ha sollevato il dubbio il 19 ottobre 2026 chiedendosi come abbia fatto il modello a diventare all’improvviso un genio proprio su quel benchmark. La sua ipotesi è che MiniMax abbia intercettato le richieste inviate da Artificial Analysis durante la valutazione di M3. Uno scenario tecnicamente possibile, perché è la stessa azienda a gestire i server di inferenza e quindi può vedere ogni prompt che arriva all’endpoint ospitato. Va ricordato che i laboratori di AI spesso rendono pubblici i pesi dei modelli solo in un secondo momento, mentre le valutazioni vengono svolte quando il modello è accessibile soltanto tramite API proprietaria.
La tempistica e il test della domanda modificata
È esattamente ciò che è successo con MiniMax M3. Il modello è stato lanciato tramite API il 1 giugno, Artificial Analysis ha pubblicato i risultati dei suoi benchmark il 4 giugno e i pesi sono diventati disponibili al pubblico solo il 12 giugno. In quella finestra temporale le richieste legate ad AA Omniscience, che per natura hanno caratteristiche piuttosto riconoscibili e si distinguono da quelle comuni, avrebbero potuto essere individuate e separate dal resto del traffico.
Fin qui si resta nel campo delle supposizioni ragionate. Binkg però ha fatto un passo ulteriore con un piccolo esperimento. Ha preso una delle domande pubblicate di AA Omniscience e l’ha modificata leggermente, in modo che la risposta corretta cambiasse pur mantenendo una formulazione quasi identica. Secondo quanto riferito, tutti i modelli hanno superato la prova tranne M3.1 Flash, che ha restituito la risposta originale del benchmark. Il modello non ragionerebbe sul quesito, ma si limiterebbe a riconoscerlo nella fase di elaborazione, anche impostando lo sforzo massimo.
Se questa teoria trovasse conferma, significherebbe che MiniMax ha raccolto gran parte delle domande e dei prompt di AA Omniscience durante la valutazione di M3 e poi ha sfruttato quel materiale per addestrare in modo mirato MiniMax M3.1 Flash. Una scoperta del genere renderebbe quasi tutti i benchmark di Artificial Analysis potenzialmente vulnerabili a questo tipo di sottrazione di dati.
Fonte: TecnoAndroid