bingdadaMiniMax M3.1 Flash 是一款 Flash 级别小尺寸模型，在 Agents' Last Exam 上以 29.6% 拿下国产模型第一，输出速度最快 200+ TPS，输入每百万 Token 仅 1 元，综合成本降至前代 M3 的 30%，主打旗舰级 Agent 能力与极致性价比的结合。
过去很长一段时间，行业里存在一条不成文的默认规则：带「Flash」「Lite」「Mini」后缀的模型，本质上是旗舰大模型的廉价缩水版——预算紧张或任务简单时才用，真到了关键场景，还是得加钱上大参数版本。这条规则正在被国产模型亲手撕碎。
国庆期间在 OpenRouter 上匿名屠榜的神秘模型 Space Bunny（玉兔），其真实身份最终揭晓为 MiniMax 的 M3.1 Flash。正式版本的评测表现甚至比匿名测试阶段更进了一步，尤其在 Agent 能力维度上，Agents' Last Exam（ALE）拿到 29.6%，位列国产模型第一；AA 榜单 43 分，对于一个 Flash 定位的模型而言，这个成绩已经进入全球第一梯队。更关键的是，它在 Coding、网络安全、Computer Use 等硬核场景中同步杀入头部阵营，同时把输出速度维持在最快 200+ TPS 的水平。
这意味着「小尺寸」与「旗舰级能力」之间的等号，第一次被写得如此清晰。
如果只看单一榜单，容易低估这次升级的覆盖面。把几个关键评测拆开看，会发现 M3.1 Flash 的能力分布相当均衡，而非偏科型选手。
在代码工程与真实修 Bug 场景中，DeepSWE v1.1 评测给出 73.7% 的成绩，超过了 GPT-6.1 Sol、Claude Opus 5、Claude Fable 5 等闭源旗舰，排在它前面的仅有 DeepSeek V4.1 Flash 1017 的 77 分。社区在匿名测试期间就注意到，处理 Three.js 这类 3D 渲染与复杂前端任务时，它对细节的把控相当扎实。
网络安全实战方面，加州大学伯克利分校主导的 CyberGym 基准测试 中，M3.1 Flash 拿到 82.2 分，与 GLM-5.3（84.5）和 GPT-5.6 Sol（83.6）同处全球第一梯队。
复杂 Agent 与企业级跨 SaaS 工作流是另一个观察窗口。在自动化平台 Zapier 开源的 AutomationBench-AA 评测中，M3.1 Flash 位居前列，单任务成本不到 0.05 美元，就能自主串联销售、营销、客服、财务和 HR 的复杂流程。在容错率极低的金融专属基准 BankerToolBench 上，它更是飙到 76.2 分，与公认天花板 Claude Opus 5 并列全球第一。
Computer Use 方向同样不含糊：模拟真实桌面操作的 OSWorld V2 拿到 61.7 分，ALE 上以极低任务成本实现顶尖模型级别的表现，两项均位列国产模型第一。
基准分数只是纸面实力，真正决定 Agent 能否规模化落地的，是另外两件事：等待时间和 API 账单。
一个真正的企业级 Agent 在后台往往要调用几十次工具、在多个子 Agent 之间反复传话。模型吐字慢，用户看着界面转圈就直接关掉页面；调用单价贵，财务看一眼账单就能把项目叫停。M3.1 Flash 的破局点恰恰在这里——底层采用相当激进的稀疏注意力架构，线上推理速度拉升近 3 倍，输出最快 200+ TPS，中位数（P50）稳定在 170+ TPS。在 MiniMax Code 桌面端、Claude Code 或各类本地 Coding 工具里派发一个重构任务，代码几乎是倾泻式刷满屏幕，过去串联四个子 Agent 像在等红绿灯，现在接近无感刷新。
价格方面，输入每百万 Token 1 元、输出每百万 Token 4 元、缓存读取每百万 Token 0.1 元。输入输出价格直接腰斩，缓存读取费用直降 75%，综合使用成本相比前代 M3 暴降 70%。这个定价水平与 DeepSeek V4.1 Flash 处于同一区间，也让「闲时用谷价、忙时切 MiniMax」的路由策略第一次有了现实可行性。
更值得关注的是，DeepSeek V4.1 Flash 1017 与 MiniMax M3.1 Flash 前后脚登场，并非简单的同质竞争，而是走出了相当清晰的互补路径。前者在纯 Coding 的极致性价比上拔得头筹，后者则在跨 SaaS 企业工作流、金融工具链调用等综合 Agent 维度上强化明显。一个聚焦代码工程，一个深耕复杂业务流，组合起来恰好覆盖了企业落地中最常见的两类需求。
从国内视角看，这条路线与硅谷闭源阵营形成鲜明对照。OpenAI、Anthropic、Google 近期密集发布旗舰模型，走的是继续堆参数、拉高单价的 Scaling 老路；而国内厂商如 DeepSeek、MiniMax、智谱 GLM、通义千问、文心一言、Kimi、豆包等，则在 Flash 级别的小尺寸模型上持续加码，把旗舰级能力以更低的价格和更快的速度推向市场。这种差异不是技术路线的偶然分叉，而是产业阶段决定的必然选择——当「性价比」这一前提得到满足，大模型产业落地这场更重要的仗，才刚刚开始。
API 正在从「开发者专属」变成普通用户也可以认真考虑的选项。大模型迭代速度太快，包月订阅往往在下一代旗舰发布后迅速贬值，而按量付费的 API 充几十块钱就能随时切换，哪个模型拉胯了就换，试错成本被压到极低。对于需要搭建多 Agent 协同或长链路工作流的团队来说，M3.1 Flash 这类模型的出现，意味着过去因成本被迫放弃的复杂自动化方案，重新变得可行。
想进一步了解稀疏注意力架构的原理，可以参考 Attention Is All You Need 这篇奠基性论文；关于 Agent 评测体系的更多细节，OpenRouter 上也有公开的模型对比数据可供查阅。
它是 MiniMax 推出的 Flash 级别小尺寸模型，正式版代号 M3.1 Flash，此前曾以 Space Bunny（玉兔）名义在 OpenRouter 匿名测试。定位是在保持旗舰级 Agent 与 Coding 能力的同时，提供极快的推理速度和极低的调用成本。
在 Agents' Last Exam（ALE）上得分 29.6%，位列国产模型第一；在金融基准 BankerToolBench 上以 76.2 分与 Claude Opus 5 并列全球第一；Zapier 的 AutomationBench-AA 中也位居前列，单任务成本不到 0.05 美元。
输入每百万 Token 1 元，输出每百万 Token 4 元，缓存读取每百万 Token 0.1 元。综合使用成本相比前代 M3 下降约 70%，与 DeepSeek V4.1 Flash 处于同一价格区间。
两者是互补关系而非简单替代。DeepSeek V4.1 Flash 在纯 Coding 的极致性价比上更强，MiniMax M3.1 Flash 则在跨 SaaS 企业工作流和金融工具链调用等综合 Agent 维度上更有优势，可以通过路由策略组合使用。
Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。
编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com
© 2026 Bingdada. 保留所有权利。
Put your brand in the reader feed
In-article ad slots: high-attention moments perfect for product launches and event recruitment.
SEO & GEO 技术探索者，专注于搜索引擎优化和生成式引擎优化。
清华AIR孵化的紫荆智康推出多分身智能体协同技术，让不同专科的AI医生在真实诊室中协作，把多学科会诊前置到首诊环节，并在虚拟训练与现实微调中持续进化。
VAST开源实时世界模型EdenLive，以状态与渲染解耦架构在单张RTX 5090上实现720P超24FPS生成，覆盖游戏预览、场景动画、视频重渲染与具身数据增强四类场景。
智谱开源法律模型 GLM-Legal 在 Harvey LAB 与 LegalBench 双榜登顶，本文从评测口径、真实任务演示与训练路径三个维度，拆解法律垂直模型的落地逻辑与现阶段边界。
Get the latest SEO & GEO insights.
We respect your privacy. You can unsubscribe at any time.
