大肥魚遇勁敵：MiniMax M3.1 Flash 拿下 Agent 任務第一，我們實測了

MiniMax 把 DeepSeek 的低谷價變成了全天價，Flash 價格戰又捲起來了。作者丨吳海明 李娜 編輯丨李娜 DeepSeek 剛剛把國產 Flash 的性價比標杆往前推了一步，MiniMax 就帶著實名的“太空兔”追來了。10 月 17 日，被網友戲稱為“大肥魚”的DeepSeek 更新 V4.1 Flash-1017；僅隔兩天，MiniMax 正式發佈 M3.1 Flash，並認領了此前在開發者社區頗受關注的匿名模型 Space Bunny。兩款國產 Flash 前後腳亮相，網友已經開始拿“大肥魚”和“太空兔”開起了玩笑。不過，這次 MiniMax 還真不只是來拼價格的。

根據此次公佈的模型評測數據，M3.1 Flash 在 Automation-Bench 複雜 Agent 任務對比中位居第一，BankerToolBench 與 Opus 5 並列第一，Coding 性價比則僅次於 DeepSeek。兩款國產 Flash 前後腳更新，一個在軟件工程上保持領先，一個在複雜 Agent 任務中拿出了更好的成績。在 Automation-Bench 數據集上，M3.1 Flash 的任務費用分佈性價比最高我們也拿 M3.1 Flash 跑了一道實際任務：給模型一張手繪平面圖和建築尺寸表，讓它從零建出一座可以在瀏覽器裡交互的 3D 校園。

結果上兩套方案都完成了主要交付要求，但 MiniMax Code＋M3.1 Flash 用時 55.4 分鐘，OpenCode＋DeepSeek V4.1 Flash 則花了約 121 分鐘。按照本次測試採用的 API 計價口徑折算，兩邊的模型費用都在 6.5 元左右。同樣是幾塊錢的模型費用，MiniMax 卻少花了約 65 分鐘。01太空兔亮明身份，MiniMax 這次強在哪兒？在正式亮明身份之前，Space Bunny 已經在開發者社區跑出了一些存在感。OpenRouter 披露，它曾連續 10 天佔據平臺模型使用量榜首，累計處理 56.7T Token。

MiniMax 此次也確認，這款匿名模型在相關測試及使用期間累計處理量超過 200T Token。速度快，是不少開發者此前對它的印象。開發者 Hassan 還在 X 上曬出了一組很直觀的對比：他讓 M3.1 Flash 和 Claude Opus 5.5 分別製作一款硬件產品的發佈落地頁，MiniMax 交出的設計讓他相當滿意，而兩邊的賬單分別只有 0.014 美元和 1.22 美元。在他的這次測試中，MiniMax 的完成速度還快了約 4 倍。當然，單次開發者測試不能代表模型的整體水平。不過 MiniMax 這次值得關注的，還包括正式發佈後拿出的榜單成績。

截至 10 月 20 日，在 Artificial Analysis（AA）榜單中，M3.1 Flash 的智能指數達到 43 分，上一代 M3 則為 29 分，提升接近五成。與此同時，其任務加權平均模型費用從 0.51 美元降至 0.22 美元。也就是說，分數漲了，完成任務的成本反而降了一半還多。M3.1 Flash 在 AA 榜單獲得 43 分，名列全球模型前列不過，真要和兩天前剛更新的 DeepSeek V4.1 Flash-1017 掰掰手腕，兩款模型倒是各有勝負。在軟件工程基準 DeepSWE v1.1 中，DeepSeek 取得 77.0%，M3.1 Flash 為 73.7%。

雖然仍有差距，但後者已經與 Opus 5（74.0%）、GPT-5.6 Sol（73.0%）處於接近的成績區間。按照此次公佈的 Coding 性價比對比，DeepSeek 位居第一，MiniMax 緊隨其後。但換到 MiniMax 這次主攻的複雜 Agent 任務，情況就反過來了。在此次發佈的 Automation-Bench v1.0.6 模型對比中，M3.1 Flash 超過 DeepSeek，位列第一；BankerToolBench 則拿到了 76.2%，與 Opus 5 並列第一。此外，它在網絡安全基準 CyberGym 上也取得了 82.2% 的成績。

圖：評測榜單數據Automation-Bench 的測試內容也比較貼近實際工作。它由 SaaS 自動化平臺 Zapier 構建，包含 600 個真實企業業務流程任務，覆蓋銷售、營銷、運營、客服、財務及 HR 等場景。比起單純生成一段代碼，這類任務更考驗模型能不能在不同系統之間連續調用工具，把一件事從頭到尾辦完。BankerToolBench 則將場景換成了金融業務，對多步驟規劃、跨文檔信息處理和工具調用提出了更高要求。這麼看，DeepSeek 和 MiniMax 也不必急著分出一個總冠軍。Coding 這邊，DeepSeek 仍有優勢；複雜 Agent 任務上，MiniMax 則扳回了一局。

對於開發者來說，國產 Flash 又多了一個能打的選擇。更重要的是，這次成績提升之外，M3.1 Flash 每百萬 Token 輸入 1 元、輸出 4 元、緩存讀取僅 0.1 元。相比上一代 M3，輸入和輸出價格約降低一半，緩存讀取價格下降約 75%；與 DeepSeek V4.1 Flash-1017 相比，其輸入、輸出價格相當於後者高峰期的一半，與空閒時段持平，而且全天不區分峰谷。價格公佈後，評論區已經有人拿 DeepSeek 開起了玩笑：“MiniMax 最講的就是性價比啊，這個價格還要什麼大肥魚啊是不是。

”也有老用戶的評價更直接：“不說有多強吧，至少掉隊了這麼久，現在終於也算跟得上時代了。”玩笑歸玩笑，這兩種聲音倒是挺能說明 MiniMax 這次的處境。過去外界談起它的文本模型，價格往往比能力更容易成為話題，而 M3.1 Flash 這次至少有了一份能夠與主流模型正面比較的成績單。低價不再是唯一賣點，MiniMax 終於有機會讓開發者同時討論它的能力和性價比。02實測：同樣做一座3D校園，MiniMax少花了65分鐘榜單上兩款 Flash 各有勝負，我們也給它們安排了同一道實際任務：根據一張手繪校園平面圖和建築尺寸表，從零搭建一座可以在瀏覽器裡交互的3D校園。

題目提供的材料是一張手繪校園平面圖和一份建築尺寸表，要求完成校園佈局與衝突檢查，編寫 Blender 腳本建模，保留可編輯源文件並導出 GLB，再用 Three.js 做成可交互網頁，支持建築選擇、詳情查看、鏡頭定位和模擬時間。測試分別採用 MiniMax Code＋M3.1 Flash 與 OpenCode＋DeepSeek V4.1 Flash，在同一本地環境運行。校園手繪平面圖和建築物尺寸數據表▎兩邊都交了卷，MiniMax 的交互細節更豐富先看交付效果，兩套方案都完成了主要要求，但頁面的呈現方式有所不同。

DeepSeek 更偏向建築數據展示，通過左側列表、右側詳情面板和底部時間滑塊組織信息；MiniMax 則將建築編號、場地信息和視角切換放在了更醒目的位置，點擊建築後，還有橙色高亮輪廓與浮動標籤配合，場景和建築數據的對應關係更加直觀。兩邊均保留了可編輯的源文件，導出的 GLB 模型也通過了六個建築編號的核驗。就這次任務而言，兩套方案都交出了能夠運行、後續還能繼續修改的項目。▎同樣約6.5元，MiniMax提前一小時交卷真正拉開差距的是時間。根據本地會話統計，MiniMax組合用時55.4分鐘，DeepSeek組合則花了約121分鐘。前者少用了約65分鐘，會話時長縮短54%。

兩邊的模型賬單幾乎沒有差別。按照10月20日核驗的官方API價格折算，MiniMax本次任務的模型費用約為6.50元，DeepSeek按高峰價格計算約為6.52元。MiniMax此次運行的緩存命中率達到98.1%，也幫助它將連續多輪調用的費用控制在較低水平。在主要交付要求均已完成、模型費用接近的情況下，MiniMax 用不到一小時完成了 DeepSeek 組合花費約兩小時的工作。對需要連續調用工具、反覆修改代碼的 Agent 來說，少等一個小時，本身就是相當實際的優勢。03 Flash 開始搶旗艦的生意，價格戰卷向任務成本過去，Flash 更多被當作旗艦模型的便宜替代品。

預算有限、任務簡單，開發者才會優先考慮 Flash；遇到複雜的軟件工程或多步驟任務，還是習慣交給能力更強的旗艦。但隨著 DeepSeek 和 MiniMax 接連更新，這種選擇開始有了變化。尤其到了 Agent 場景，模型需要反覆讀取文件、調用工具、修改代碼、處理報錯。一項任務可能持續幾十分鐘甚至數小時，開發者要關注的是整項工作究竟需要多少時間、多少成本才能完成。MiniMax 此次公佈的 ALE 成本對比，就提供了一個直觀的例子。在 ALE-v1 Overall 完整集的 152 項任務中，M3.1 Flash 通過率為 29.

6%，整套評測的估算模型費用約 739 元；通過率相近的 GPT-5.6 Sol（約 30.6%），對應費用則在 5000 元左右。ALE 成本圖兩者在這項評測中的完成率只相差約 1 個百分點，模型費用卻相差近 7 倍。當然，29.6% 的通過率也說明，M3.1 Flash 還遠沒到可以全面取代旗艦的程度，真正投入使用時，仍然需要把失敗重試和人工檢查算進成本。但對於一部分複雜任務，開發者已經有理由先試試 Flash，而不是一上來就調用價格最高的模型。MiniMax 後續還會推出追求更高智能上限的 Pro 版本。

而 Flash 對旗艦的衝擊也正在顯現：過去需要調用旗艦的工作，現在有一部分已經可以交給價格更低的 Flash 來完成。()