距离DeepSeek更新Flash模型仅两天，MiniMax也带着一款Flash“杀回”大模型牌桌。

10月19日晚，MiniMax正式发布M3.1 Flash。这是其6月推出M3后，语言模型产品线的一次重要更新。此前以“Space Bunny”匿名身份运行的“太空兔”，终于揭晓了真身——它正是M3.1 Flash的早期版本。自9月下旬上线后，这款模型曾在三天内登顶OpenRouter和OpenCode的Token日调用量榜首。

(资料图)

按照MiniMax披露的数据，这只“太空兔”在匿名阶段已处理超过200万亿Token。正式亮相之前，它已经先在开发者的工具箱里刷了一轮存在感。

从外部评测来看，在AI智能体评测基准ALE上，M3.1 Flash拿下国产模型第一名的成绩。此外，在权威大模型评测平台Artificial Analysis上，M3.1 Flash智能指数为43分，略高于GLM 5.3 Flash。

这次发布的关键词仍然是更快、更便宜、更好用：线上推理速度提升近3倍，Agentic类任务综合使用成本降低70%，每百万Token输入1元、输出4元。M3.1 Flash在软件开发、企业自动化、电脑操作等测试中进入领先模型的竞争区间。

M3.1 Flash这次更新，恰好契合了智能体落地对成本和效率的要求。随着Flash开始承担过去更多交给旗舰模型的工作，开发者和企业的模型工作流，也到了重新算账的时候。

MiniMax回来了智能体拿下第一

在这次公告中，MiniMax将重点放在“重新定义Agent的性能与成本”。从公布的测试表现看，跨软件协作、专业任务交付和长流程执行，是M3.1 Flash重点强化的能力。

来源：MiniMax官方公告

根据MiniMax发布的对比测试，在AutomationBench-AA中，M3.1 Flash取得了62.2%的正确率，位居最前列，超过部分海内外头部模型。

AutomationBench-AA是一项评估模型能否在模拟的企业环境中完成跨软件业务流程的测试，其公开测试集包含600项任务，涉及47种模拟SaaS工具。MiniMax表示，在跨SaaS系统的真实企业业务工作流中，M3.1 Flash能完整解决销售、营销、运营、客服、财务、HR的真实问题。

放到日常工作中，一项客户跟进任务可能需要先读取邮件，核对客户管理系统中的记录，再更新商机状态、安排后续沟通。完成这样的流程，要求模型理解业务规则、找到正确的信息，并把操作准确地落到不同系统中。

这也解释了企业为什么看重跨软件能力：工作经常分散在多个应用里，而智能体的价值，就体现在能否把这些步骤连起来，完成一项有明确结果的任务。

在另一项考验AI能否胜任金融专业工作的测试BankerToolBench中，M3.1 Flash拿下76.2%的成绩，与Claude Opus 5并列领先。

这一基准由研究团队联合502名投资银行从业者开发，包含100项端到端投行任务，要求智能体交付财务模型、演示文稿和报告等多个文件。项目介绍显示，人类完成每项任务平均需要约5小时。

因此，拿下高分也意味着新模型擅长多步骤规划、跨文档/跨文件一致性、金融业务合规、工具链式调用等真实复杂问题。

电脑操作与专业任务执行也是此次更新的重点。M3.1 Flash在衡量 AI 电脑操作与跨应用任务执行能力的OSWorld V2中取得61.7%的成绩，在评估真实专业工作场景与复杂任务完成能力的Agents"Last Exam中取得29.6%的分数，两项成绩均在所列国产模型中领先。

软件开发则仍是核心战场。考察编程与软件工程能力的DeepSWE v1.1评测中，M3.1 Flash取得73.7%的成绩，接近Claude Opus 5的74%，DeepSeek V4.1 Flash-1017的成绩则为77%。对于一款强调效率和成本的Flash模型，这意味着它已经能够在这项测试中与高价模型展开竞争。

网络安全领域同样有进步。M3.1 Flash在CyberGym基准测试中取得82%的成绩。MiniMax还表示，经内部安全专家评测，模型在代码审计、漏洞修补、渗透测试、恶意代码分析和逆向工程等场景中表现突出，为复杂安全任务提供了一个更具成本吸引力的选项。

外部榜单也很快给出了新的参照。M3.1 Flash发布后，在Agents" Last Exam（智能体的最后一场考试，简称ALE）这一智能体评测基准上，得分29.6%，排在国产模型的前列。

来源：https://agents-last-exam.org/leaderboard

在权威大模型评测平台Artificial Analysis上，M3.1 Flash目前的智能指数为43分，略高于GLM 5.3 Flash。

https://artificialanalysis.ai/

此外，AI模型评测平台Arena宣布M3.1 Flash上线Code Arena：WebDev，首秀取得1588分，比此前的MiniMax M3提升106分，前进了9个名次。

有开发者评价，Code Arena是真正测试前端能力的地方。“作为一个Flash模型，这一表现很强劲，真正跻身Flash模型的前沿行列。”

重算模型性价比，Agent场景能随便跑了”

把这些测试成绩放在一起，可以看到M3.1 Flash更明确的目标：围绕日常工作流，持续提高复杂任务的执行质量。

过去更多由旗舰模型承担的任务，随着模型能力的迭代，Flash模型也逐渐能接管了，同时还能保持较低的调用价格。

就在19日这一天，Arena宣布，DeepSeek-V4.1-Flash-1017（Max）超过Kimi K3（Max），成为Code Arena: WebDev榜单排名最高的开源模型。DeepSeek证明了，Flash这样小参数模型的能力可以超过大参数的海内外旗舰模型。从测试榜来看，MiniMax M3.1 Flash的更新再次印证了这一点。

Flash能接下的工作越多，开发者就越有机会降低AI落地应用的运行成本。这恰好契合了智能体落地对成本和效率的要求。

2026年被普遍视为智能体从演示走向规模化试用的临界点，与此同时业界对模型的成本也更敏感了。

智能体不像聊天机器人那样只产生一轮对话，要读文件、调用工具、测试、反复校验，Token消耗是对话场景的数倍甚至数十倍。如果每一轮循环都按旗舰价格计费，大多数企业的智能体只能停留在Demo阶段。Flash模型把干活的边际成本打到足够低，智能体才真正具备被高频使用的条件。

在这次更新时，MiniMax还把价格也进一步降下来了，将DeepSeek立下的性价比标杆再往前推了一步。

按照MiniMax公布的定价，新模型每百万Token输入价格为1元，输出价格为4元，缓存读取价格为0.1元。有开发者表示，1元的输入价格，意味着“Agent场景终于能随便跑了”。

对于需要在工作时间持续响应用户、无法把任务统一安排在空闲时段的企业应用，这样的价格有直接吸引力。它也让开发者在设计智能体功能时，有了更宽裕的成本空间。

MiniMax此次强调，M3.1 Flash在Agent（智能体）类任务中的综合使用成本较前代降低70%。按照公司披露的测试，它在Automation-Bench、DeepSWE和Agents’ Last Exam三项基准中，以较低的任务成本实现了领先模型级别的性能表现，在性能与成本之间建立了具有竞争力的新标杆。

来源：MiniMax官方公告

除了定价，MiniMax此次还在速度上加码。

公司提到，M3.1 Flash采用更激进的稀疏注意力架构，日常场景输出速度可达每秒200多个Token，中位数稳定超过170个Token，在任务中兼顾更快的速度、更低的成本和更好的效果。

对于需要连续多轮调用模型的智能体，推理提速有助于减少流程中的等待。

能力、价格与速度同时改善，也为MiniMax进入更多开发者产品和企业流程增加了筹码。

目前，M3.1 Flash已上线MiniMax API、M Plan及MiniMax Code。MiniMax同时预告，不久后会推出追求更高智能上限的Pro版本。

从这一安排看，MiniMax希望同时推进两条路线：Flash扩大高效、低成本能力的使用范围，Pro继续探索更高难度的任务。前者争取更广泛的日常使用，后者拓展整条产品线的能力上限。

双强各有侧重，改写模型分工

高性价比模型能够承担的任务范围扩大之后，企业也有了更灵活的分配模型工作的空间。DeepSeek与MiniMax这两款Flash模型，正好形成了一组可以相互参照、互为补充的产品组合。

从此次公布的对比测试看，两款Flash模型各有侧重：DeepSeek V4.1 Flash-1017的软件工程评测得分更高，M3.1 Flash则在跨SaaS业务流程、金融领域的多文件交付等任务中表现突出。

通用能力上，两者也各有优势。按照MiniMax公布的测试，M3.1 Flash在“人类最后的考试”（HLE）无工具版本中表现优秀；DeepSeek V4.1 Flash-1017则在视觉推理测试BabyVision中略占优势。

表现上的差异，也为企业按任务选择模型提供了参考。软件工程任务可以重点评估DeepSeek，跨软件业务流程和多文件专业交付可以将MiniMax纳入测试，遇到难度更高的环节，再调用更高能力档位的产品。

不同模型可以在同一套应用中承担不同工作，由实际完成率、响应时间和成本决定分工。这种模式也是目前企业模型应用的现实组合。

能力之外，模型组合需要纳入考虑的重点是使用成本。目前这次更新MiniMax给出了更具竞争力的报价，对于那些每天持续运行、同时服务大量用户的任务场景，这一价格差异会持续累积放大，最终成为差异巨大的运行账单。

不过，最终费用仍取决于场景里的实际用量和任务执行过程。这也是智能体时代性价比竞争更复杂的地方。模型需要调用多少轮、执行是否顺畅、是否频繁返工，都会影响交付成本。落到企业应用中，人工复核和修正所花的时间，也是一笔需要计算的投入。

企业和开发者最终关心的，是花多少钱、用多长时间，能够可靠地把一件事做完。

无论如何，DeepSeek与MiniMax的这轮更新意义重大，扩大了高性价比模型的任务范围，为智能体的落地应用打开了更大的空间。一些原本在成本上难以成立的应用，有了重新尝试的理由。

对模型厂商而言，更好的能力与更低的使用门槛，有机会带来更广泛的调用收入，再将收入投入下一轮研发和产品迭代。模型进步与应用增长，也由此有机会相互推动。