2026-10-20

6434

新智元报道 DeepSeek刚出牌，又一款王炸杀上来了！ 两天前，DeepSeek甩出V4.1 Flash-1017，把「许愿式编程」摆上台面。 才过一个周末，MiniMax就紧接着重磅出击，M3.1 Flash刚刚正式发布！ 论Coding性价比， DeepSeek第一，M3.1 Flash第二 。 Agent任务上，它直接拿下 Automation-Bench全场第一 ，跑完Agent终极考试ALE 只花了739元 ！ 价格比上一代M3砍掉一半还多， 性价比直接绝杀 ！ 两天之内，两家国产大模型接连出手，Flash这个段位的竞争直接拉满！ 编程追平旗舰 Agent反超Opus 5 官方放出的总榜上，M3.1 Flash和DeepSeek、GLM、GPT-5.6 Sol、Claude Opus 5等模型同台比了15项。它最强的是CoWork， 5项里拿下3个第一 ； DeepSWE编程追平旗舰 ， 网络安全也站进了第一梯队 。 软件工程基准DeepSWE v1.1，考的是一整条开发链路，代码理解、功能开发、问题修复、测试验证，都得模型自己来。 M3.1 Flash在max档拿下73.7分 ，压过OpenAI旗舰GPT-5.6 Sol（73.0分），把GLM-5.3（66.9分）甩在身后。 跑出这样的成绩，M3.1 Flash在DeepSWE上的单任务成本， 还不到2元 。 而在这个价位里，成绩更高的，只有刚发布的DeepSeek V4.1 Flash-1017。 同样拿到73%上下的分数，Claude Opus 5一个任务要花70多元， 是M3.1 Flash的40多倍 。 DeepSeek和MiniMax这两兄弟，硬是 把旗舰级的分数，打到了一两块钱 。 真正让M3.1 Flash杀疯的，是 CoWork和复杂Agent工作流 。 Automation-Bench由Zapier构建并开源，600个任务全部来自真实企业的业务流程，覆盖销售、营销、运营、客服、财务、HR。它考的是，模型能不能在一堆SaaS系统之间，把一件活从头干到尾。 M3.1 Flash在这里拿下 62.8 分，全场第一 ！ 它 把Opus 5甩开近12分 ，把GPT-5.6 Sol甩开16分多，连刚发布的DeepSeek V4.1 Flash-1017（60.5分）也压了一头。 更恐怖的是成本。在这张成本与得分图上，其他所有模型都落在M3.1 Flash的右下方，花得更多，分数更低。 M3.1 Flash只开到medium档，一个任务花2毛5左右， 分数就已经超过了更新一代的Opus 5.5拉满max档的成绩 。Opus 5.5跑一个任务要6块钱左右， 贵了20多倍 。 就算开到最高的max档，一个任务也就3毛钱左右。跑1000个跨SaaS系统的真实企业任务， 账单才300元上下 ！ LOCA-Bench 256K上，M3.1 Flash 同样是全场第一 ，60.3分压过GPT-5.6 Sol（60.0分）和Opus 5（53.7分）。 金融场景的BankerToolBench，考的是多步骤规划、跨文档一致性、金融合规和工具链式调用。M3.1 Flash拿下76.2分， 和Claude Opus 5并列第一 ，GPT-5.6 Sol（74.6分）落在后面。 网络安全测试CyberGym覆盖188个真实软件项目里的1507个历史漏洞，M3.1 Flash拿下82.2分，和GLM-5.3（84.5分）、GPT-5.6 Sol（83.6分）一起 站在全球第一梯队 。 Flash接下复杂任务 700块打赢上万块 在计算机使用（Computer Use）领域，M3.1 Flash的爆发力更让人直呼恐怖。OSWorld 2.0和ALE两项，它 都拿下了国产模型第一 ，跑完一整套ALE 只花了739元 ！ OSWorld 2.0由港大XLANG Lab牵头推出，108个长流程任务覆盖7大领域，熟练的人做一个任务，一般要1.6小时左右。 M3.1 Flash拿下 61.7分 ，比DeepSeek V4.1 Flash（54.3分）高出7分多。 Agents' Last Exam（ALE），名字就叫「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的通过率是 29.6% ，直逼GPT-5.6 Sol（30.6%）和Claude Opus 5（32.2%）。 ALE一共152道任务，这739元，就是跑完一整套的估算总成本。 在ALE的成本图上，20多个模型里， 它花钱最少 ！ 通过率比它高的7个模型，最便宜的GPT-5.6 Luna也要1600元左右，是它的两倍多。 GPT-5.6 Sol只多拿1