距離DeepSeek更新Flash模型僅兩天，MiniMax也帶著一款Flash“殺回”大模型牌桌。
10月19日晚，MiniMax正式發佈M3.1 Flash。這是其6月推出M3後，語言模型產品線的一次重要更新。此前以“Space Bunny”匿名身份運行的“太空兔”，終於揭曉了真身——它正是M3.1 Flash的早期版本。自9月下旬上線後，這款模型曾在三天內登頂OpenRouter和OpenCode的Token日呼叫量榜首。
按照MiniMax披露的資料，這只“太空兔”在匿名階段已處理超過200兆Token。正式亮相之前，它已經先在開發者的工具箱裡刷了一輪存在感。
從外部評測來看，在AI智能體評測基準ALE上，M3.1 Flash拿下中國國產模型第一名的成績。此外，在權威大模型評測平台Artificial Analysis上，M3.1 Flash智能指數為43分，略高於GLM 5.3 Flash。
這次發佈的關鍵詞仍然是更快、更便宜、更好用：線上推理速度提升近3倍，Agentic類任務綜合使用成本降低70%，每百萬Token輸入1元、輸出4元。M3.1 Flash在軟體開發、企業自動化、電腦操作等測試中進入領先模型的競爭區間。
M3.1 Flash這次更新，恰好契合了智能體落地對成本和效率的要求。隨著Flash開始承擔過去更多交給旗艦模型的工作，開發者和企業的模型工作流，也到了重新算帳的時候。
MiniMax“殺”回來了，智能體評測拿下第一
在這次公告中，MiniMax將重點放在“重新定義Agent的性能與成本”。從公佈的測試表現看，跨軟體協作、專業任務交付和長流程執行，是M3.1 Flash重點強化的能力。
根據MiniMax發佈的對比測試，在AutomationBench-AA中，M3.1 Flash取得了62.2%的正確率，位居最前列，超過部分海內外頭部模型。
AutomationBench-AA是一項評估模型能否在模擬的企業環境中完成跨軟體業務流程的測試，其公開測試集包含600項任務，涉及47種模擬SaaS工具。MiniMax表示，在跨SaaS系統的真實企業業務工作流中，M3.1 Flash能完整解決銷售、行銷、營運、客服、財務、HR的真實問題。
放到日常工作中，一項客戶跟進任務可能需要先讀取郵件，核對客戶管理系統中的記錄，再更新商機狀態、安排後續溝通。完成這樣的流程，要求模型理解業務規則、找到正確的資訊，並把操作準確地落到不同系統中。
這也解釋了企業為什麼看重跨軟體能力：工作經常分散在多個應用裡，而智能體的價值，就體現在能否把這些步驟連起來，完成一項有明確結果的任務。
在另一項考驗AI能否勝任金融專業工作的測試BankerToolBench中，M3.1 Flash拿下76.2%的成績，與Claude Opus 5並列領先。
這一基準由研究團隊聯合502名投資銀行從業者開發，包含100項端到端投行任務，要求智能體交付財務模型、簡報和報告等多個檔案。項目介紹顯示，人類完成每項任務平均需要約5小時。
因此，拿下高分也意味著新模型擅長多步驟規劃、跨文件/跨檔案一致性、金融業務合規、工具鏈式呼叫等真實複雜問題。
電腦操作與專業任務執行也是此次更新的重點。M3.1 Flash在衡量 AI 電腦操作與跨應用任務執行能力的OSWorld V2中取得61.7%的成績，在評估真實專業工作場景與複雜任務完成能力的Agents'Last Exam中取得29.6%的分數，兩項成績均在所列中國國產模型中領先。
軟體開發則仍是核心戰場。考察程式設計與軟體工程能力的DeepSWE v1.1評測中，M3.1 Flash取得73.7%的成績，接近Claude Opus 5的74%，DeepSeek V4.1 Flash-1017的成績則為77%。對於一款強調效率和成本的Flash模型，這意味著它已經能夠在這項測試中與高價模型展開競爭。
網路安全領域同樣有進步。M3.1 Flash在CyberGym基準測試中取得82%的成績。MiniMax還表示，經內部安全專家評測，模型在程式碼審計、漏洞修補、滲透測試、惡意程式碼分析和逆向工程等場景中表現突出，為複雜安全任務提供了一個更具成本吸引力的選項。
外部榜單也很快給出了新的參照。M3.1 Flash發佈後，在Agents' Last Exam（智能體的最後一場考試，簡稱ALE）這一智能體評測基準上，得分29.6%，排在中國國產模型的前列。
在權威大模型評測平台Artificial Analysis上，M3.1 Flash目前的智能指數為43分，略高於GLM 5.3 Flash。
此外，AI模型評測平台Arena宣佈M3.1 Flash上線Code Arena：WebDev，首秀取得1588分，比此前的MiniMax M3提升106分，前進了9個名次。
有開發者評價，Code Arena是真正測試前端能力的地方。“作為一個Flash模型，這一表現很強勁，真正躋身Flash模型的前沿行列。”
重算模型性價比，“Agent場景能隨便跑了”
把這些測試成績放在一起，可以看到M3.1 Flash更明確的目標：圍繞日常工作流，持續提高複雜任務的執行質量。
過去更多由旗艦模型承擔的任務，隨著模型能力的迭代，Flash模型也逐漸能接管了，同時還能保持較低的呼叫價格。
就在19日這一天，Arena宣佈，DeepSeek-V4.1-Flash-1017（Max）超過Kimi K3（Max），成為Code Arena: WebDev榜單排名最高的開源模型。DeepSeek證明了，Flash這樣小參數模型的能力可以超過大參數的海內外旗艦模型。從測試榜來看，MiniMax M3.1 Flash的更新再次印證了這一點。
Flash能接下的工作越多，開發者就越有機會降低AI落地應用的運行成本。這恰好契合了智能體落地對成本和效率的要求。
2026年被普遍視為智能體從演示走向規模化試用的臨界點，與此同時業界對模型的成本也更敏感了。
智能體不像聊天機器人那樣只產生一輪對話，要讀檔案、呼叫工具、測試、反覆校驗，Token消耗是對話場景的數倍甚至數十倍。如果每一輪循環都按旗艦價格計費，大多數企業的智能體只能停留在Demo階段。Flash模型把幹活的邊際成本打到足夠低，智能體才真正具備被高頻使用的條件。
在這次更新時，MiniMax還把價格也進一步降下來了，將DeepSeek立下的性價比標竿再往前推了一步。
按照MiniMax公佈的定價，新模型每百萬Token輸入價格為1元，輸出價格為4元，快取讀取價格為0.1元。有開發者表示，1元的輸入價格，意味著“Agent場景終於能隨便跑了”。
對於需要在工作時間持續響應使用者、無法把任務統一安排在空閒時段的企業應用，這樣的價格有直接吸引力。它也讓開發者在設計智能體功能時，有了更寬裕的成本空間。
MiniMax此次強調，M3.1 Flash在Agent（智能體）類任務中的綜合使用成本較前代降低70%。按照公司披露的測試，它在Automation-Bench、DeepSWE和Agents’ Last Exam三項基準中，以較低的任務成本實現了領先模型等級的性能表現，在性能與成本之間建立了具有競爭力的新標竿。
除了定價，MiniMax此次還在速度上加碼。
公司提到，M3.1 Flash採用更激進的稀疏注意力架構，日常場景輸出速度可達每秒200多個Token，中位數穩定超過170個Token，在任務中兼顧更快的速度、更低的成本和更好的效果。
對於需要連續多輪呼叫模型的智能體，推理提速有助於減少流程中的等待。
能力、價格與速度同時改善，也為MiniMax進入更多開發者產品和企業流程增加了籌碼。
目前，M3.1 Flash已上線MiniMax API、M Plan及MiniMax Code。MiniMax同時預告，不久後會推出追求更高智能上限的Pro版本。
從這一安排看，MiniMax希望同時推進兩條路線：Flash擴大高效、低成本能力的使用範圍，Pro繼續探索更高難度的任務。前者爭取更廣泛的日常使用，後者拓展整條產品線的能力上限。
“雙強”各有側重，改寫模型分工
高性價比模型能夠承擔的任務範圍擴大之後，企業也有了更靈活的分配模型工作的空間。DeepSeek與MiniMax這兩款Flash模型，正好形成了一組可以相互參照、互為補充的產品組合。
從此次公佈的對比測試看，兩款Flash模型各有側重：DeepSeek V4.1 Flash-1017的軟體工程評測得分更高，M3.1 Flash則在跨SaaS業務流程、金融領域的多檔案交付等任務中表現突出。
通用能力上，兩者也各有優勢。按照MiniMax公佈的測試，M3.1 Flash在“人類最後的考試”（HLE）無工具版本中表現優秀；DeepSeek V4.1 Flash-1017則在視覺推理測試BabyVision中略佔優勢。
表現上的差異，也為企業按任務選擇模型提供了參考。軟體工程任務可以重點評估DeepSeek，跨軟體業務流程和多檔案專業交付可以將MiniMax納入測試，遇到難度更高的環節，再呼叫更高能力檔位的產品。
不同模型可以在同一套應用中承擔不同工作，由實際完成率、響應時間和成本決定分工。這種模式也是目前企業模型應用的現實組合。
能力之外，模型組合需要納入考慮的重點是使用成本。目前這次更新MiniMax給出了更具競爭力的報價，對於那些每天持續運行、同時服務大量使用者的任務場景，這一價格差異會持續累積放大，最終成為差異巨大的運行帳單。
不過，最終費用仍取決於場景裡的實際用量和任務執行過程。這也是智能體時代性價比競爭更複雜的地方。模型需要呼叫多少輪、執行是否順暢、是否頻繁返工，都會影響交付成本。落到企業應用中，人工覆核和修正所花的時間，也是一筆需要計算的投入。
企業和開發者最終關心的，是花多少錢、用多長時間，能夠可靠地把一件事做完。
無論如何，DeepSeek與MiniMax的這輪更新意義重大，擴大了高性價比模型的任務範圍，為智能體的落地應用打開了更大的空間。一些原本在成本上難以成立的應用，有了重新嘗試的理由。
對模型廠商而言，更好的能力與更低的使用門檻，有機會帶來更廣泛的呼叫收入，再將收入投入下一輪研發和產品迭代。模型進步與應用增長，也由此有機會相互推動。 (第一財經)