MiniMax 發佈 M3.1 Flash，ALE 榜單國產第一，成本僅為 Opus 的 1/10

當 Flash 模型開始對比旗艦智能。

👦🏻 作者: GaKi

🥷 編輯: Koji

🧑‍🎨 排版: NCon

過去 72 小時內，國內兩家模型廠商前後發佈了 Flash 模型。

10 月 17 日，DeepSeek 更新了 V4.1 Flash-1017。兩天後，MiniMax 發佈了 M3.1 Flash。兩款模型發佈後都受到了相當多的關注。

DeepSeek 這次更新的 Flash，編程成績達到了大參數旗艦模型的水平。

MiniMax 的 M3.1 Flash 在正式發佈前，就以匿名模型 Space Bunny 的身份在 OpenRouter 上被開發者反覆測試。社區根據分詞器等特徵，猜它可能來自 MiniMax，這個猜測這回得到了驗證。

值得一提的是，這次正式發佈的 M3.1 Flash 相比早期的 Space Bunny，能力還有進一步提升。

「十字路口」團隊也在《**OpenCode 日榜易主：匿名模型 Space Bunny 突然登頂》**中第一時間進行了測評。

我們用 SpaceBunny 在 Blender 搭建的「光庭當代美術館」

如果把時間範圍放寬到最近一個月，會發現國產 Flash 模型的更新明顯加快了。越來越多的國內廠商開始把重點放在 Flash 檔位上，這也讓 Flash 成為了國產大模型競爭最激烈的區間之一。

這次 M3.1 Flash 的成績也相當亮眼，在 Agents' Last Exam（ALE）榜單上拿下國產第一，Artificial Analysis（AA）綜合智能指數達到 43 分，已經可以和不少大參數旗艦模型直接競爭。

在過去，「Flash」這個詞代表便宜、夠用。這次，兩款模型給出的成績，已經可以和旗艦模型直接對比，而它們的定價仍然在 Flash 檔位。

接下來，我們用 MiniMax M3.1 Flash 做了兩個實測，再結合行業裏的變化，聊聊 M3.1 Flash 這次的整體表現。

Flash 模型，開始和旗艦模型直接比較

先簡單介紹一下 M3.1 Flash 的成績。

在 Artificial Analysis 的綜合智能指數上，M3.1 Flash 取得了 43 分，和 DeepSeek V4.1 Flash-1017 處在同一區間，而分數相近的幾個模型基本都是大參數的旗艦模型。

編程方面，它在 DeepSWE 上取得 74 分，僅次於 DeepSeek V4.1 Flash-1017 的 77 分，高於 GPT-6.1 Sol、Claude Opus 5 等海外旗艦模型。

Agent 方面，在 OSWorld 2.0 和 Agents' Last Exam（ALE）兩個榜單上，它的成績都高於一些大參數旗艦模型，其中 ALE 得分為 29.6%。在金融場景的 BankerToolBench 上，它取得 76.2 分，和 Claude Opus 5 並列第一。

價格方面，M3.1 Flash 的輸入、輸出定價是 DeepSeek V4.1 Flash-1017 高峯期價格的一半。

現在，M3.1 Flash 對比的對象，已經從同檔的 Flash 模型，換成了 Claude Opus 5 這樣的大參數旗艦模型。

這其實反映了 Flash 模型正在挑戰過去只有旗艦模型才能完成的任務，而且價格優勢依然很大。

如果放在過去，這種對比其實很少見。

因為過去很長一段時間，開發者選擇模型一直有一套默認的分工，也就是旗艦模型負責重要的任務，Flash 模型負責簡單、量大的任務。選擇 Flash，往往只是因為預算有限，或者任務本身不復雜。

所以在很多人的印象裏，Flash 一直是旗艦模型的低配版本。

但 DeepSeek V4.1 Flash-1017 已經給出了一個例子，它的編程成績超過了不少大參數旗艦模型，M3.1 Flash 則算是又一次證明瞭這件事。

如果只看 Benchmark，在 DeepSWE 上，M3.1 Flash 的 74 分高於 GPT-6.1 Sol、Claude Opus 5、Claude Fable 5 和 Gemini 3.8 Flash。

這些模型裏，有不少模型的價格比 M3.1 Flash 高出一個量級：

海外開發者的反饋，基本也都集中在「智效比」這一點上。

Together AI 的開發者體驗負責人 @nutlope 用同一段提示詞，讓 M3.1 Flash 和 Claude Opus 5.5 各做一個硬件發佈會的落地頁。M3.1 Flash 花了 0.014 美元，Opus 5.5 則花了 1.22 美元，相差約 88 倍，速度快了大約 4 倍。

他的評價是，M3.1 Flash 在設計上的表現很不錯：

3D 場景是另一個討論集中的方向。

@seki_anos 讓 M3.1 Flash 在 Blender 裏搭建東京塔，目的是測試它的自動化操作能力。發現模型在大展望台周圍的結構已經能做得相當細緻。

我們也做了一次實測，讓 M3.1 Flash 用 Three.js r160 搭建了一個 HTML 網頁。主題是一家深夜還在營業的街角便利店，外面正下着雨。這類 3D 小場景最近在小紅書上還挺火的。

整體效果還不錯，便利店和周圍的街道都建得比較完整，畫面也比較真實。尤其是燈光的處理，包括店裏的燈光、路燈照在地面上的效果，都做得挺細。

另外，整個場景的底座下方還放了一層由 26×26×4 個小方塊組成的「果凍海」，用來模擬水面的起伏和漣漪，看起來也比較自然。

然後，我又試着拖動視角，放大、縮小鏡頭，查看場景裏的細節。可以看到，雨點落在地面上的效果，以及深夜便利店的招牌燈光倒映在水面上的效果，都做得挺真實的。

當然，這個效果還不能説有多完美，但作為一次快速生成的 3D 場景，已經相當不錯了。

至少能看出來，像這種前端和 3D 小項目，已經可以直接交給 Flash 模型來做，而且效果還挺好。

對於更復雜的項目，開發者也可以先用 Flash 模型做一版，看看效果，再決定哪些地方需要用旗艦模型繼續優化。它的成本低、速度快，所以多試幾輪、多改幾版的成本也基本可以接受。

在 Agent 榜單上，M3.1 Flash 超過了一些大參數旗艦模型

這次 M3.1 Flash 最值得關注的成績，其實集中在 Agent 能力上。

Agent 榜單和編程榜單測的東西不太一樣，編程榜單主要看模型寫代碼的能力，Agent 榜單則更看重模型能不能自己一步步操作，完成一個需要很多步驟的任務。

Agent 相關 Benchmark 中有一個叫 OSWorld 2.0 的測試，由香港大學 XLANG Lab 牽頭推出，包含 108 個需要很多步才能完成的任務，涉及 7 個領域。即使是熟練的人類，完成其中一個任務通常也要花 1.6 小時左右。

另一個測試叫 Agents' Last Exam（ALE） ，由加州大學伯克利分校 RDI 等機構牽頭，數百名行業專家參與設計，涉及 13 個行業、55 個細分領域。

在這兩個榜單上，M3.1 Flash 的成績都高於一些大參數旗艦模型，其搭配 Claude Code 這個 Harness 之後，在 ALE 上的得分為 29.6%。

另外兩個榜單測的內容，更接近企業平時的工作，而這塊已經成了很多模型發佈時的重點評測對象。

其中，Automation-Bench 由 SaaS 自動化平台 Zapier 推出，包含 600 個來自真實企業的任務，覆蓋銷售、營銷、客服、財務和 HR 等業務線。

M3.1 Flash 在這個榜單上拿到了 62.8 分，而且完成一個需要在多個系統之間操作的任務，成本不到 0.05 美元。

BankerToolBench 則主要測試金融相關的任務，比如讓模型自己規劃操作步驟、核對不同文檔裏的數據，以及調用工具完成工作。M3.1 Flash 在這個榜單上拿到了 76.2 分，和 Claude Opus 5 並列第一。

再來看這張圖：

橫軸是完成整套 ALE 測試要花多少錢，縱軸是通過率。越靠左上方，説明模型花的錢越少，通過率越高。

M3.1 Flash 在圖的最左側，通過率為 29.6%，總成本約 739 元，是圖裏最省錢的模型之一。

相比之下，通過率更高的 Claude Opus 5.5 和 GPT-6 Astra，總成本都超過了 7000 元。圖中紅色陰影裏的模型，通過率要比 M3.1 Flash 低，花的成本卻更多。

所以在 Agent 任務上，更高的分數已經不一定對應更高的價格。

而 Agent 成績變得重要，原因在於 token 的用途已經發生了變化。

據 OpenRouter 披露，今年 2 月前後，平台上 Agent 消耗的 token 首次超過了人工對話。到 8 月初，Agent 已經佔到平台 token 總量的七成左右。一次 Agent 請求消耗的 token，大致為一次人工對話的 15 倍。

據 OpenRouter 統計，Agentic Workloads（智能體任務）的 Token 使用量快速增長，已遠超人類直接交互產生的 Token 使用量。

所以模型廠商之間的競爭，越來越集中在 Agent 任務上。一個 Agent 任務通常由幾十步調用組成，每一步都要等待模型輸出。單步慢一點，整個任務就會慢非常多。

除了成本低，M3.1 Flash 的速度也很快。早在匿名測試階段，它就因為響應速度快受到不少關注。根據官方信息透露，在日常場景下最快能達到每秒 200 多個 Token，中位數速度也有 170 TPS 以上。

這意味着，用 M3.1 Flash 跑 Agent 任務，每一步等待的時間都能縮短一些。調用次數越多，速度帶來的優勢就越明顯。

價格便宜，速度又快，對於需要反覆調用模型的 Agent 來説，M3.1 Flash 自然就更有吸引力了。

所以，在第二個實測中，我們選擇了一個更接近完整項目的任務，看看 M3.1 Flash 連續執行多步任務的表現怎麼樣。

這次，我們用 M3.1 Flash 從零做了一個咖啡點單 App 的 Demo，名字叫「啡志」。

和前面簡單的 3D 網頁不同，這次我們把 M3.1 Flash 接入了自己的工作流，讓它作為主 Agent，負責整個 App 的開發和修改。

因為要做一個比較完整的 App Demo，除了寫代碼，還需要生成一些圖片。所以，我們又接入了之前一直在用的 AI 圖像生成 API。

這樣一來，M3.1 Flash 就可以自己調用 API 生成圖片，再根據圖片的內容進行分類，放到 App 對應的位置，最後把這些內容做成一個可以使用的 Demo。

整個過程中，我們也讓它不斷修改和完善 App，看看它能不能把寫代碼、生成圖片、整理內容這些步驟連起來，完成一個相對完整的項目。

現在這個 App 的主頁主要展示日常上新的咖啡產品。裏面所有的圖片都是真正由 AI 生成的，沒有使用佔位圖。

而且，這些圖片也不是隨便生成的。在生成咖啡豆、成品咖啡等圖片之前，我先讓 M3.1 Flash 做了一輪深度搜索，自己去研究不同咖啡產品的特點，再根據搜索結果寫出對應的生圖提示詞。

然後，它會調用圖像生成 API，把圖片生成出來，再放到 App 對應的位置。

也就是説，從搜索資料、研究產品，到生成圖片、放進 App，這幾個步驟都是由 M3.1 Flash 自己完成的。

除了咖啡成品和咖啡豆的圖片，整個 App 的交互效果也做得不錯。

比如，點擊一個咖啡商品後，商品詳情頁會向左上方放大展開，中間還有比較自然的漸變動畫。繼續向下滑動，還能看到一個動態的風味評分區域，可以通過拖動來查看不同的風味特點。

另外，App 裏還做了一個手衝咖啡計時功能。

比如，用戶點擊一款名叫 Stell Drum Excelsa 的手衝咖啡，完成點單後，就可以直接在 App 裏開啓手衝計時器，自己掌握沖泡時間。

之前訂購過的咖啡豆，也都會自動保存到自己的「豆單」裏，以收藏卡片的形式展示。

點擊一款咖啡豆，比如瑰夏，就能看到它的酸度、風味特點，以及衝煮時推薦的用量等信息。

其實，這種展示方式現在在淘寶、京東的咖啡豆商品頁裏也很常見。商家會把咖啡豆的風味、酸度、衝煮參數等信息做成圖表，方便用戶瞭解不同咖啡豆的特點。

所以，我們也把這種比較常見的咖啡豆展示方式做進了 App，讓用戶買完咖啡豆之後，還能在自己的「豆單」裏隨時查看。

整體體驗下來，這個咖啡 App Demo 已經做得比較完整了。從前期搜索資料、生成圖片，到開發頁面、添加交互功能，M3.1 Flash 都可以比較連貫地完成。

當然，這還只是一個 Demo，距離真正上線使用還有不少工作要做。但這次實測至少説明，M3.1 Flash 已經可以在一個相對完整的開發流程裏，連續完成多種不同的任務。

不過，實際開發時，也不一定要把所有任務都交給同一個模型。

很多開發者會讓旗艦模型負責規劃任務、解決複雜問題，再讓 Flash 模型去執行那些步驟多、需要反覆操作的工作。

比如，Anthropic 就把 Haiku 5.5 定位為 Opus 和 Sonnet 的子代理。海外也有開發者把 M3.1 Flash 放在 Opus 5.5 之下，專門負責需要循環 30 步的網頁爬取、PR 審查，以及夜間自動調研。

對於這些需要多次調用模型、又不用馬上出結果的任務，M3.1 Flash 價格低、速度快的優勢就更明顯了。

M3.1 Flash 價格進入新區間，DeepSeek 多了一個同檔對手

再來説説 Flash 模型最容易獲得關注的「定價」，M3.1 Flash 這回的定價是每百萬 token 輸入 0.15 美元、輸出 0.60 美元，大約是上一代 M3 的一半，緩存讀取價格降低了約 75%。

以 DeepSeek V4.1 Flash-1017 為例，該模型採用分時定價，閒時價格和 M3.1 Flash 相同，高峯期價格翻倍。所以 M3.1 Flash 的價格，大致相當於 DeepSeek 高峯期的一半。

換句話説，DeepSeek 只有閒時才提供的低價，M3.1 Flash 全天都能提供。

以前開發者為了省錢，會把不着急的任務留到半夜再跑。現在不用專門等到晚上了，白天也能以差不多的價格完成這些任務。

國內網友也很快把這件事編成了段子，比如有人説「峯時兔谷時魚」，兔子指的是 M3.1 Flash 的匿名代號 Space Bunny，魚指的是 DeepSeek。

如果算上緩存命中率，兩者的價格就基本差不多了。

這一點對 Agent 很重要，因為 Agent 在執行任務時，經常會反覆讀取同樣的代碼、文檔和工具返回的內容，所以很多輸入都可以直接使用緩存。

不過，光看 token 單價並不足以論證智效比，還得看完成一個任務到底要消耗多少 token。

在 Artificial Analysis 的測試中，M3.1 Flash 完成一個任務平均花費大約 0.22 美元，DeepSeek V4.1 Flash-1017 則是 0.26 美元。

而且，完成整套測試，M3.1 Flash 總共輸出了約 1.89 億 token，不到 Gemini 3.8 Flash 的六成。

下面，我們也整理了 X 上開發者的一些對比案例：

【1】@thehypedotnews 做的是一個潛艇追逐的 HTML 小遊戲。M3.1 Flash 花了 0.21 美元，Gemini 3.8 Flash 花了 1.43 美元。

【2】@domsilvestre 讓 M3.1 Flash 和 Claude Opus 5.5 各做了 3 個 3D 場景。M3.1 Flash 一共花了 0.19 美元，Opus 5.5 花了 13.83 美元。

【3】@Bhavani_00007 用同一個 3D 場景任務，對比了 M3.1 Flash、Claude Opus 5 和 GPT-6 Sol。他的結論是 M3.1 Flash 更快，生成的效果也相對更佳。

整體來看，M3.1 Flash 在編程、Agent 和金融相關任務上的表現都比較穩定。再結合 DeepSeek 這幾天收到的不錯評價，這兩款模型其實各有優勢，適合處理不同的任務，開發者完全可以搭配着用。

對 MiniMax 來説，這次 M3.1 Flash 的發佈其實還有另一點意義值得聊一下。

M3 發佈之後，外界對 MiniMax 文本模型的評價其實並不高，甚至有人吐槽 M3 的 Coding 能力幾乎沒法用，這點從各個社區的反饋很輕易就能看到。

當時，不少人認為 MiniMax 的優勢主要在多模態，但現在看來，它的文本模型同樣有不錯的表現。

現在，M3.1 Flash 在榜單和實測裏，相比 M3 都有比較明顯提升，從 AA 智能指數來看，M3.1 Flash 相比 M3 提高了 10 多分。

這回，MiniMax 還預告了追求智能上限的 Pro 版本，Flash 版本已經達到了目前這個還不錯的水平，Pro 版本的表現可以期待。

如果考慮到完成一個完整任務的總成本，包括花費、等待時間和返工次數，旗艦模型 + Flash 模型的組合顯然更優。

無論是 Opus 5.5 還是 Fable 5.1，都可以把 M3.1 Flsh 當作一個具體執行的子 Agent，帶它一起「玩」。

當然，以上成績的真實效果，還是需要將模型部署到自己的真實工作流中來驗證。

M3.1 Flash 現在已經上線 MiniMax API、M Plan 和 MiniMax Code，推薦大家來爽玩一下 ～

推薦閲讀

加入會員羣

評論有獎