精华速览

MiniMax于10月19日正式发布M3.1 Flash，定位为面向Coding与Agent场景优化的轻量级模型，支持100万token上下文。该模型此前以匿名代号Space Bunny在开发者社区积累口碑，正式版在Agentic任务、编程、Computer Use及网络安全等基准测试中与10月17日上线的DeepSeek V4.1 Flash-1017基本追平，部分指标实现反超。价格方面，M3.1 Flash输入每百万token 1元、输出4元、缓存读取0.1元，约为DeepSeek高峰期价格的一半，Agentic任务综合使用成本较前代降低70%。输出速度达200+TPS，中位数170+TPS。两款Flash模型相隔48小时发布，被视为国产模型在轻量级赛道首次形成双强竞争。

要点透视

  • MiniMax于10月19日发布M3.1 Flash，支持100万token上下文，定位Coding/Agent优化轻量级模型；DeepSeek V4.1 Flash-1017于10月17日上线，两者发布间隔仅48小时。
  • M3.1 Flash定价为输入每百万token 1元、输出4元、缓存读取0.1元；DeepSeek V4.1 Flash-1017高峰时段输入未命中2元、输出8元，M3.1 Flash约为其高峰期价格的一半。
  • 在Automation-Bench v1.0.6测试中，M3.1 Flash得分62.2，高于DeepSeek V4.1 Flash-1017的60.5；在Agents’ Last Exam中通过率29.6%、成本739元，处于低成本高通过率区间。
  • 编程测试各有胜负：DeepSWE v1.1上DeepSeek以77.0分排名第一，M3.1 Flash为73.7分；代码修复测试SWE Refore Bench中M3.1 Flash得23.0分，为DeepSeek成绩两倍以上。
  • M3.1 Flash在BankerToolBench以76.2分与Opus 5并列第一，CyberGym网络安全测试得82.2分与GLM-5.3同处第一梯队，HLE w/o tools学术推理得43.4分略高于DeepSeek。
  • M3.1 Flash采用更激进的稀疏注意力架构，日常场景输出速度达200+TPS，中位数稳定在170+TPS；匿名期曾在OpenRouter调用量一度排名第一、OpenCode榜单稳居第二。
  • DeepSeek V4.1 Flash采用稀疏MoE架构，总参数552B，推理时输入仅激活8B、输出激活16B，以低激活参数实现旗舰级能力与低定价。
  • MiniMax称M3.1 Flash在Agentic类任务中的综合使用成本较前代模型降低70%。

文章拆解

两款Flash模型在48小时内接连落地，反映的是国产大模型竞争重心从“参数规模”向“单位成本下的可用能力”转移。DeepSeek V4.1 Flash以552B总参数、仅激活8B至16B的稀疏MoE架构，证明了轻量推理配置也能承载旗舰级任务；MiniMax则用更激进的稀疏注意力架构把输出速度推到200+TPS，并把价格压到对手高峰期的一半。两者路径不同，但目标一致：在开发者高频调用的Agent与编程场景中，用速度和成本换取使用黏性。

从基准测试看，M3.1 Flash并非偏科模型。它在跨应用自动化任务上反超DeepSeek，在代码修复测试中得分达到对方两倍以上，金融工具调用与网络安全测试也进入第一梯队；但在DeepSWE v1.1上仍落后DeepSeek约3.3分。这意味着两者更接近互补关系：需要代码生成效率与缓存成本控制时可选DeepSeek，面对长程Agent任务、跨应用自动化时M3.1 Flash更具优势。对开发者而言，模型工具箱从“单一旗舰”转向“按任务调度”，多模型编排的工程复杂度会上升，但单位任务成本有望下降。

值得关注的变量有三。其一，匿名期Space Bunny在OpenRouter和OpenCode上的调用量表现，说明社区口碑已先于正式发布形成，但匿名测试的调用量能否转化为正式版的持续付费使用，尚待确认。其二，M3.1 Flash的低价策略以稀疏注意力和推理效率优化为支撑，实际生产环境中的长上下文表现与稳定性仍需更多第三方验证。其三，DeepSeek的闲时与高峰分时定价，可能引导开发者错峰调度，若MiniMax后续跟进动态定价，价格战将进一步压缩双方利润空间。

潜在风险在于，Flash模型以低价高性能吸引开发者后，一旦旗舰模型能力下放或价格继续下探，轻量级模型的定位可能被挤压；同时，基准测试成绩与真实业务流程表现之间仍存在差距，尤其在多步骤Agent任务中，通过率与成本的最优区间会随任务复杂度变化。国产模型在Flash段位形成双强格局，对行业是竞争加剧的信号，对用户则是选择增多、议价空间扩大的利好，但最终格局仍取决于后续Pro级模型的迭代节奏与生态工具链的完善程度。

查看原文