DeepSeek刚出招，另一款重磅产品就紧随其后！

两天前，DeepSeek发布了V4.1 Flash-1017，将“许愿式编程”正式推向市场。

周末刚过，MiniMax便强势跟进，M3.1 Flash现已正式发布！

在编程性价比方面，DeepSeek位居榜首，M3.1 Flash紧随其后。

在Agent任务上，它一举夺得Automation-Bench全场第一，完成Agent终极考试ALE仅花费739元！

价格较上一代M3降低超过一半，性价比直接碾压！

短短两天内，两家国产大模型接连出手，Flash这一赛道的竞争瞬间白热化！

编程能力比肩旗舰

Agent表现超越Opus 5

官方发布的综合榜单显示，M3.1 Flash与DeepSeek、GLM、GPT-5.6 Sol、Claude Opus 5等模型在15项任务中同台竞技。其最强项是CoWork，5项中拿下3个第一；DeepSWE编程能力追平旗舰，网络安全也跻身第一梯队。

软件工程基准DeepSWE v1.1，考核的是完整开发流程，包括代码理解、功能开发、问题修复、测试验证等环节，全部由模型自主完成。M3.1 Flash在max档获得73.7分，超过OpenAI旗舰GPT-5.6 Sol（73.0分），并将GLM-5.3（66.9分）甩在身后。

取得这样的成绩，M3.1 Flash在DeepSWE上的单任务成本，还不到2元。

而在这一价位区间，成绩更高的，仅有刚发布的DeepSeek V4.1 Flash-1017。

同样拿到73%上下的分数，Claude Opus 5一个任务需要花费70多元，是M3.1 Flash的40多倍。

DeepSeek和MiniMax这两家，硬是将旗舰级别的分数，压缩到了1-2元的成本。

真正让M3.1 Flash大放异彩的，是CoWork和复杂Agent工作流。

Automation-Bench由Zapier构建并开源，包含600个任务，全部源自真实企业业务流程，覆盖销售、营销、运营、客服、财务、HR等领域。它考核的是模型能否在多个SaaS系统之间，完整执行一个任务。

M3.1 Flash在此获得62.8分，全场第一！

它领先Opus 5近12分，超过GPT-5.6 Sol 16分以上，甚至压过了刚发布的DeepSeek V4.1 Flash-1017（60.5分）。

更令人惊叹的是成本。在这张成本与得分分布图中，其他所有模型都位于M3.1 Flash的右下方，意味着花费更多，分数却更低。

M3.1 Flash仅开启medium档，每个任务花费约2毛5，分数就已超过更新一代的Opus 5.5在max档的成绩。Opus 5.5运行一个任务需要约6元，贵了20多倍。

即便开启最高的max档，每个任务也只需约3毛钱。运行1000个跨SaaS系统的真实企业任务，总账单仅300元左右！

LOCA-Bench 256K上，M3.1 Flash同样位居全场第一，60.3分超过GPT-5.6 Sol（60.0分）和Opus 5（53.7分）。

金融场景的BankerToolBench，考核多步骤规划、跨文档一致性、金融合规和工具链式调用。M3.1 Flash获得76.2分，与Claude Opus 5并列第一，GPT-5.6 Sol（74.6分）落后。

网络安全测试CyberGym覆盖188个真实软件项目中的1507个历史漏洞，M3.1 Flash获得82.2分，与GLM-5.3（84.5分）、GPT-5.6 Sol（83.6分）共同位列全球第一梯队。

Flash承担复杂任务

700元战胜上万元

在计算机使用领域，M3.1 Flash的爆发力更令人震撼。OSWorld 2.0和ALE两项，它均获得国产模型第一，完成一整套ALE仅花费739元！

OSWorld 2.0由港大XLANG Lab牵头推出，包含108个长流程任务，覆盖7大领域，熟练的人完成一个任务通常需要约1.6小时。

M3.1 Flash获得61.7分，比DeepSeek V4.1 Flash（54.3分）高出7分多。

Agents' Last Exam（ALE），顾名思义是“Agent的最后一场考试”。它由伯克利RDI牵头、数百名行业专家参与建设，覆盖13大行业、55个细分领域。

M3.1 Flash的通过率为29.6%，接近GPT-5.6 Sol（30.6%）和Claude Opus 5（32.2%）。

ALE共有152道任务，这739元是完成整套考试的估算总成本。

在ALE的成本分布图中，20多个模型里，它的花费最少！

通过率高于它的7个模型，最便宜的GPT-5.6 Luna也要约1600元，是它的两倍多。

GPT-5.6 Sol仅多拿1个百分点，花费了五千多元；Claude Opus 5、GPT-6 Astra要七千多元，Claude Opus 5.5接近九千元。

Claude Opus 4.7、Gemini 3.1 Pro的账单均超过一万元，通过率却只有21%和16.5%，被M3.1 Flash甩在身后。

图中那条虚线，连接的是每个价位上分数最高的模型。M3.1 Flash，就站在这条线的起点。

花费700多元，战胜上万元，账单相差十几倍！

价格也大幅下调，降低超过一半

每百万Token，输入仅1元，输出4元，缓存读取1毛钱。在Agent任务中，综合使用成本较前代降低70%。

同为国产Flash，DeepSeek V4.1 Flash-1017按高峰和空闲两档计费。

许多企业的业务集中在工作日白天，正好处于DeepSeek的高峰时段，输入2元、输出8元，整整贵了一倍。

M3.1 Flash不分时段，全天都按DeepSeek空闲时段的价格计费。

对于缓存使用较多的重度场景，按10亿输入Token计算。命中率90%时，M3.1 Flash的输入费用为190元，比DeepSeek高峰时段的236元便宜46元。命中率提升至95%，两家分别为145元和138元，基本持平。

能力足够，账单够低，Flash才有机会成为主力。

速度飙升至200+ TPS

MiniMax重返文本赛道

仅仅便宜还不够，要让长流程任务顺利运行，速度也必须跟上。M3.1 Flash的日常输出速度可达200+ TPS，中位数稳定在170+ TPS，而上一代M3在官方文档中仅为100+ TPS。

写代码的人都理解那种煎熬：模型修改一轮，发现还有问题，再等待下一轮。反复几次，灵感消失，咖啡也凉了。

这正是M3.1 Flash的优势所在。它的前身，正是之前全网关注的神秘模型“太空兔”Space Bunny，网友反馈最集中的一点，就是速度快。

MiniMax官方一句“欢迎回来，太空兔”，直接确认了身份。匿名期间，Space Bunny已处理了超过200T Token！

正式版延续了这种极速基因，并采用了更激进的稀疏注意力架构，线上推理速度提升了近3倍。

你这边回车刚敲下，它那边的代码已经一行行刷满屏幕。

AI开发者Ivan Fioravanti通过API上手测试后，直接感叹**“快就是快”**！

但比速度更重要的，是MiniMax这次打了一场漂亮的翻身仗。

过去一段时间，外界对MiniMax多少带有一些刻板印象。上一代M3发布时争议不小，甚至有人断言“MiniMax不擅长做文本模型”。

今天的M3.1 Flash，用成绩回应了这些质疑。

MiniMax自己也把重心放在了它身上。官方API文档的模型列表中，M3.1 Flash已经排在了第一位。

M3.1 Flash原生支持100万Token上下文，文本、图片、视频均可直接读取。

思考模式是常开的，每次回答前都会先进行思考。

不过，想要追求速度还是深度，可以通过effort参数来调节。low、medium、high、xhigh、max五档可随意切换，不填则默认max。

简单的日常指令使用low档，节省成本和时间。复杂的系统架构重构则拉满到max，模型会先将问题拆解逐步推理，思考过程单独返回，最终只提供干净的结果。

目前，M3.1 Flash已正式上线MiniMax API、M Plan和MiniMax Code。

官方CLI仓库中，默认文本模型已切换至MiniMax-M3.1-Flash

一手实测：将《盗梦空间》融入网页

我们将M3.1 Flash接入Codex，出了一道创意题，要求让一座城市像立体书一样折叠起来，并制作成可交互的3D网页。

原本平铺在地面的街区缓缓升起，公路竖立成高墙，楼群随之向中央围拢。刚才还在俯瞰城市，转眼间就像置身于一个会变形的世界。

拖动滑块，城市可以停留在任意折叠程度；切换到夜晚模式，一排排窗口亮起，整个场景又呈现出另一番景象。再拖动画面，还能转到另一侧，观察街道和楼房如何连接。

一个带有《盗梦空间》风格的创意，就这样变成了可亲手操作的3D玩具。

开发者AJ也用它进行了一轮宝塔生成测试。M3.1 Flash搭建的宝塔，是他测试过的所有模型中视觉效果最具冲击力的一座，甚至超过了DeepSeek V4.1 Flash。

更令人惊讶的是，整个过程一气呵成！

没有多轮对话，没有调用任何工具，也没有使用任何框架，一次API调用、思考拉满，花费约5万Token，M3.1 Flash就将整座宝塔搭建了出来。

国产Flash双子星，开始抢占旗舰市场

两款Flash先后登场，国产Flash赛道的“双子星”已经形成！

从这轮评测来看，DeepSeek在DeepSWE软件工程任务上更具优势；MiniMax则在企业工作流、金融工具调用等任务中表现更突出。

两家各有擅长领域，开发者完全可以搭配使用，根据任务选择模型，最终由成功率、耗时和账单来决定。

相比争夺一个总榜名次，这更贴近开发者日常的真实使用方式。

更大的变化是，Flash正在接手过去需要旗舰模型才能完成的工作。

此前，为了完成复杂任务，开发者往往愿意支付更高费用，以换取更高的成功率和更少的反复尝试。如今，Flash在不少任务上已接近旗舰水平，这笔溢价就需要重新考量了。

修复一个Bug、执行一条业务流程、完成一系列电脑操作，只要更便宜的模型能交出结果，用户就有理由先尝试它。

随着DeepSeek和MiniMax持续进步，越来越多的任务会先交给Flash处理，预算则留给真正困难的部分。

Pro的能力，Flash的速度和价格。这条道路，国产模型正越走越宽。

而M3.1 Flash只是前奏，官方已透露，追求智能上限的Pro版本稍后即将发布！

国产Flash双子星，正式登场！