MiniMax M3.1 Flash：成本降七成，Agent 国模第一
MiniMax 于 10 月 19 日发布 M3.1 Flash，输入每百万 token 0.15 美元、输出 0.60 美元、缓存输入 0.015 美元，官方称 Agent 任务使用成本较上一代降低 70%。模型在 OSWorld V2 得 61.7、Agents' Last Exam 得 29.6，文章称后者位列中国模型第一。此前匿名模型 Space Bunny 被确认是该模型的早期版本。
Marked important by the editors and published within 30 days.
On this page12 sections
This signal comes from a Chinese-language source and is written in Chinese.
Record
The signal
#发生了什么
MiniMax 于 10 月 19 日正式发布 M3.1 Flash。此前在开发者社区中匿名走红的 Space Bunny 被确认是这款模型的早期版本：它 9 月 23 日上线后，在 OpenCode 调用量榜单中排在第二，在 OpenRouter 调用量榜单中一度排到第一。
与早期版本相比，MiniMax 称 M3.1 Flash 在 Agent 任务执行、代码生成和长程任务处理上做了进一步优化。
具体内容
官方公布的 API 价格如下：
- 输入：每百万 token 0.15 美元
- 输出：每百万 token 0.60 美元
- 缓存输入：每百万 token 0.015 美元
按这个单价，一次输入 10 万 token、输出 2 万 token 且未命中缓存的任务，模型费用约为 0.027 美元。MiniMax 同时表示，M3.1 Flash 的 Agent 任务整体使用成本比上一代降低 70%。
文章给出的基准成绩包括：
- DeepSWE v1.1：73.7%（软件工程）
- OSWorld V2：61.7（真实桌面环境操作）
- Agents' Last Exam：29.6，文章称其在中国模型中排第一，略低于 Opus 5 与 GPT-5.6 Sol
- BankerToolBench：76.2（金融场景下的工具调用）
- CyberGym：82%（漏洞分析等安全任务）
- Automation-Bench v1.0.6：62.2
速度方面，文章称 M3.1 Flash 日常输出可超过 200 TPS，中位数速度稳定在 170 TPS 以上。
与以往相比
过去 Flash 档模型主要被用于简单问答和代码补全，M3.1 Flash 的定位则是参与软件工程、电脑操作和多步骤 Agent 任务。
价格上，它与 DeepSeek V4.1 Flash 1017 的闲时价格持平（输入 0.15 美元、输出 0.60 美元），是后者忙时价格的一半。在 Artificial Analysis 的同一套评测中，M3.1 Flash 的 Intelligence Index 为 43，DeepSeek V4.1 Flash 1017 为 45；两者加权平均任务成本分别为 0.22 美元和 0.26 美元。
在部分编程指标上，DeepSeek 的公开成绩更高：DeepSWE v1.1 为 77.0，Terminal-Bench 4.0 也更高。
对读者意味着什么
- 如果你的工作流以电脑操作、多步骤自动化为主，可以把 M3.1 Flash 放进同一组真实任务的横向测试里，重点记录成功率、重试次数和端到端耗时，而不只看单 token 单价。
- 如果主要做代码修复和终端任务，DeepSeek 在该类公开基准上的成绩更高，值得先拿自己的仓库任务分别跑一遍再决定。
- 评估成本时，把重试成本和人工接管成本算进去：文章提醒，单次调用便宜并不等于完成一项任务便宜。
Why now
Why it matters
#Flash 档模型过去基本只承担简单问答和补全，这次 MiniMax 把它推进到电脑操作与多步骤 Agent 任务，并且把输入价格压到每百万 token 0.15 美元。对正在评估 Agent 工作流成本的团队来说，这意味着低单价模型第一次值得进入真实任务的横向对比，而不只是做降级兜底。
Background
Technical context
#Flash 档模型通常以低延迟、低单价为设计目标，能力上限弱于旗舰模型。Agent 场景下的成本不只由单 token 价格决定，还取决于模型完成同一任务需要消耗多少 token、调用多少次工具、失败重试多少轮，以及结果需要多少人工纠错。OSWorld、Agents' Last Exam 这类基准衡量的是模型在真实环境中采取行动并推进任务的能力，与单轮问答基准不可直接比较。
Audience
Who should care
#Next
Learning path
#- 先读 M3.1 Flash 与 DeepSeek V4.1 Flash 1017 的官方定价页，弄清输入、输出与缓存三档价格的区别，再判断单 token 成本。
- 找 OSWorld V2 与 Agents' Last Exam 的任务说明，弄清这两类基准测的是行动能力还是问答能力，避免把它们与代码基准混在一起比较。
- 挑 5 到 10 个自己团队的真实 Agent 任务，在相同工具和验收标准下跑两个模型，记录成功率、token 消耗、端到端耗时与重试次数。
- 把人工接管时间折算进成本，算出单位任务成本，再决定是否把 M3.1 Flash 放进生产工作流。
Network
Where it sits in the network
#How this signal connects to neighbouring technologies, skills and background knowledge. Follow any link to keep exploring.
Further thought
Follow-up questions
#- 在你们自己的电脑操作或自动化任务上，M3.1 Flash 的一次成功率与重试次数分别是多少？
- 缓存输入价格是 0.015 美元，你们的 Agent 工作流中多轮对话的缓存命中率大概是多少？
- 文章称 Agent 任务成本较上一代降低 70%，这个数字是在什么任务集和计价方式下得出的？
Publication record
Featured in
#The briefings that carried this signal, newest first; the last row is the weekly review of its week. The tag is the section it ran in.
技术简报 - 2026-10-21
Immediate attentionWeekly review · Oct 19 – Oct 25
Immediate attention
Sources