2026-10-20

6100

MiniMax 今天正式上线了 M3.1 Flash，前身就是之前匿名霸榜的 Space Bunny。 先说结论。官方自报的成绩里，Automation-Bench 在对比表里最高，第三方 Arena 的 WebDev 榜上排第 12；官方点的用途是复杂 Agent 任务、软件工程、电脑操作和网络安全。 价格是国内价输入每百万 token 1 元、输出 4 元，我拿它和 DeepSeek V4.1 Flash 比，差不多，所以不算便宜。权重官方只说“稍后开放”。 更新了什么 M3.1 Flash 已经上线 MiniMax API、MPlan 和 MiniMax Code。 此前匿名处理了超过 200T token 的 Space Bunny，官方说就是它的早期版本。200T 怎么统计，官方没说。凭经验我猜，这 200T 是 OpenCode 加 OpenRouter 两边加起来的：OpenCode 榜单到 10 月 5 日是 106T，OpenRouter 的数字我没看到。 模型 ID 是 MiniMax-M3.1-Flash，上下文 100 万 token，支持文本、图片、视频输入。思考关不掉，只能调低 effort，一共五档，默认 max。 权重官方只说“将于稍后开放”。10 月 19 日晚上查 Hugging Face 上 MiniMaxAI 名下的模型，还没有它。追求智能上限的 Pro 版本，官方也说“稍后”见面。 强在哪 下面的成绩都是官方自报，没有第三方复测。表里只有 GDP.pdf AA 一行直接用了 Artificial Analysis 的结果。 官方给了一张对比表，对手有 DeepSeek-V4.1-Flash、Kimi-K3、GLM-5.3、GPT-5.6 Sol 和 Opus 5。 图：官方成绩对比表（官方自报） Agent 任务上，Automation-Bench（跨 SaaS 系统的企业工作流）62.2 分，表里最高。BankerToolBench（金融业务）76.2 分，和 Opus 5 并列最高。 编程上，DeepSWE v1.1（独立完成复杂软件任务）73.7%，表里中上，DeepSeek-V4.1-Flash-1017 的 77.0 最高。 电脑操作上，OSWorld V2 61.7 分，Agents' Last Exam 29.6 分。官方说这两项都是国产第一，但 GLM-5.3 在这两项没有成绩。表里空白是没有成绩，不是零分；OSWorld 各家取的是发布时披露的最高值，DeepSeek-V4.1 是官方内部复现。对 GPT-5.6 Sol 和 Opus 5，OSWorld 落后一截，Agents' Last Exam 略微落后。 网络安全上，CyberGym 官方写 82%，表里是 82.2，GLM-5.3 和 GPT-5.6 Sol 略微领先。 速度上，官方说日常输出 200+ TPS（每秒输出的 token 数），中位数 170+ TPS。“近 3 倍”“成本降 70%”，官方没说跟谁比，70% 指的是 Agentic 任务的综合使用成本。 第三方 Arena 的 Code Arena WebDev 榜上，它在开放模型里排第 12，1588 分，所有模型里排第 32，比上一代 M3 高 106 分。厂商榜里也是第 12，第一是 Claude Opus 5.5（Max）1806 分，分数不是最高。这只是 WebDev 一个榜。 图：Code Arena WebDev 厂商榜