大肥鱼遇劲敌：MiniMax M3.1 Flash 拿下 Agent 任务第一，我们实测了

DeepSeek 刚刚把国产 Flash 的性价比标杆往前推了一步，MiniMax 就带着实名的“太空兔”追来了。

10 月 17 日，被网友戏称为“大肥鱼”的DeepSeek 更新 V4.1 Flash-1017；仅隔两天，MiniMax 正式发布 M3.1 Flash，并认领了此前在开发者社区颇受关注的匿名模型 Space Bunny。两款国产 Flash 前后脚亮相，网友已经开始拿“大肥鱼”和“太空兔”开起了玩笑。

不过，这次 MiniMax 还真不只是来拼价格的。

根据此次公布的模型评测数据，M3.1 Flash 在 Automation-Bench 复杂 Agent 任务对比中位居第一，BankerToolBench 与 Opus 5 并列第一，Coding 性价比则仅次于 DeepSeek。 两款国产 Flash 前后脚更新，一个在软件工程上保持领先，一个在复杂 Agent 任务中拿出了更好的成绩。

在 Automation-Bench 数据集上，M3.1 Flash 的任务费用分布性价比最高

我们也拿 M3.1 Flash 跑了一道实际任务：给模型一张手绘平面图和建筑尺寸表，让它从零建出一座可以在浏览器里交互的 3D 校园。

结果上两套方案都完成了主要交付要求，但 MiniMax Code＋M3.1 Flash 用时 55.4 分钟，OpenCode＋DeepSeek V4.1 Flash 则花了约 121 分钟。按照本次测试采用的 API 计价口径折算，两边的模型费用都在 6.5 元左右。

同样是几块钱的模型费用，MiniMax 却少花了约 65 分钟。

01

太空兔亮明身份，

MiniMax 这次强在哪儿？

在正式亮明身份之前，Space Bunny 已经在开发者社区跑出了一些存在感。

OpenRouter 披露，它曾连续 10 天占据平台模型使用量榜首，累计处理 56.7T Token。MiniMax 此次也确认，这款匿名模型在相关测试及使用期间累计处理量超过 200T Token。速度快，是不少开发者此前对它的印象。

开发者 Hassan 还在 X 上晒出了一组很直观的对比：他让 M3.1 Flash 和 Claude Opus 5.5 分别制作一款硬件产品的发布落地页，MiniMax 交出的设计让他相当满意，而两边的账单分别只有 0.014 美元和 1.22 美元。在他的这次测试中，MiniMax 的完成速度还快了约 4 倍。

当然，单次开发者测试不能代表模型的整体水平。不过 MiniMax 这次值得关注的，还包括正式发布后拿出的榜单成绩。

截至 10 月 20 日，在 Artificial Analysis（AA）榜单中，M3.1 Flash 的智能指数达到 43 分，上一代 M3 则为 29 分，提升接近五成。与此同时，其任务加权平均模型费用从 0.51 美元降至 0.22 美元。也就是说，分数涨了，完成任务的成本反而降了一半还多。

M3.1 Flash 在 AA 榜单获得 43 分，名列全球模型前列

不过，真要和两天前刚更新的 DeepSeek V4.1 Flash-1017 掰掰手腕，两款模型倒是各有胜负。

在软件工程基准 DeepSWE v1.1 中，DeepSeek 取得 77.0%，M3.1 Flash 为 73.7%。虽然仍有差距，但后者已经与 Opus 5（74.0%）、GPT-5.6 Sol（73.0%）处于接近的成绩区间。按照此次公布的 Coding 性价比对比，DeepSeek 位居第一，MiniMax 紧随其后。

但换到 MiniMax 这次主攻的复杂 Agent 任务，情况就反过来了。 在此次发布的 Automation-Bench v1.0.6 模型对比中，M3.1 Flash 超过 DeepSeek，位列第一；BankerToolBench 则拿到了 76.2%，与 Opus 5 并列第一。此外，它在网络安全基准 CyberGym 上也取得了 82.2% 的成绩。

图：评测榜单数据

Automation-Bench 的测试内容也比较贴近实际工作。它由 SaaS 自动化平台 Zapier 构建，包含 600 个真实企业业务流程任务，覆盖销售、营销、运营、客服、财务及 HR 等场景。比起单纯生成一段代码，这类任务更考验模型能不能在不同系统之间连续调用工具，把一件事从头到尾办完。BankerToolBench 则将场景换成了金融业务，对多步骤规划、跨文档信息处理和工具调用提出了更高要求。

这么看，DeepSeek 和 MiniMax 也不必急着分出一个总冠军。Coding 这边，DeepSeek 仍有优势；复杂 Agent 任务上，MiniMax 则扳回了一局。 对于开发者来说，国产 Flash 又多了一个能打的选择。

更重要的是，这次成绩提升之外，M3.1 Flash 每百万 Token 输入 1 元、输出 4 元、缓存读取仅 0.1 元。相比上一代 M3，输入和输出价格约降低一半，缓存读取价格下降约 75%；与 DeepSeek V4.1 Flash-1017 相比，其输入、输出价格相当于后者高峰期的一半，与空闲时段持平，而且全天不区分峰谷。

价格公布后，评论区已经有人拿 DeepSeek 开起了玩笑：“MiniMax 最讲的就是性价比啊，这个价格还要什么大肥鱼啊是不是。”

也有老用户的评价更直接：“不说有多强吧，至少掉队了这么久，现在终于也算跟得上时代了。”

玩笑归玩笑，这两种声音倒是挺能说明 MiniMax 这次的处境。过去外界谈起它的文本模型，价格往往比能力更容易成为话题，而 M3.1 Flash 这次至少有了一份能够与主流模型正面比较的成绩单。低价不再是唯一卖点，MiniMax 终于有机会让开发者同时讨论它的能力和性价比。

02

实测：同样做一座3D校园，

MiniMax少花了65分钟

榜单上两款 Flash 各有胜负，我们也给它们安排了同一道实际任务：根据一张手绘校园平面图和建筑尺寸表，从零搭建一座可以在浏览器里交互的3D校园。

题目提供的材料是一张手绘校园平面图和一份建筑尺寸表，要求完成校园布局与冲突检查，编写 Blender 脚本建模，保留可编辑源文件并导出 GLB，再用 Three.js 做成可交互网页，支持建筑选择、详情查看、镜头定位和模拟时间。

测试分别采用 MiniMax Code＋M3.1 Flash 与 OpenCode＋DeepSeek V4.1 Flash，在同一本地环境运行。

校园手绘平面图和建筑物尺寸数据表

先看交付效果，两套方案都完成了主要要求，但页面的呈现方式有所不同。

DeepSeek 更偏向建筑数据展示，通过左侧列表、右侧详情面板和底部时间滑块组织信息；MiniMax 则将建筑编号、场地信息和视角切换放在了更醒目的位置，点击建筑后，还有橙色高亮轮廓与浮动标签配合，场景和建筑数据的对应关系更加直观。

两边均保留了可编辑的源文件，导出的 GLB 模型也通过了六个建筑编号的核验。就这次任务而言，两套方案都交出了能够运行、后续还能继续修改的项目。

真正拉开差距的是时间。

根据本地会话统计，MiniMax组合用时55.4分钟，DeepSeek组合则花了约121分钟。前者少用了约65分钟，会话时长缩短54%。

两边的模型账单几乎没有差别。按照10月20日核验的官方API价格折算，MiniMax本次任务的模型费用约为6.50元，DeepSeek按高峰价格计算约为6.52元。MiniMax此次运行的缓存命中率达到98.1%，也帮助它将连续多轮调用的费用控制在较低水平。

在主要交付要求均已完成、模型费用接近的情况下，MiniMax 用不到一小时完成了 DeepSeek 组合花费约两小时的工作。 对需要连续调用工具、反复修改代码的 Agent 来说，少等一个小时，本身就是相当实际的优势。

03

  Flash 开始抢旗舰的生意，

价格战卷向任务成本

过去，Flash 更多被当作旗舰模型的便宜替代品。

预算有限、任务简单，开发者才会优先考虑 Flash；遇到复杂的软件工程或多步骤任务，还是习惯交给能力更强的旗舰。但随着 DeepSeek 和 MiniMax 接连更新，这种选择开始有了变化。

尤其到了 Agent 场景，模型需要反复读取文件、调用工具、修改代码、处理报错。一项任务可能持续几十分钟甚至数小时，开发者要关注的是整项工作究竟需要多少时间、多少成本才能完成。

MiniMax 此次公布的 ALE 成本对比，就提供了一个直观的例子。

在 ALE-v1 Overall 完整集的 152 项任务中，M3.1 Flash 通过率为 29.6%，整套评测的估算模型费用约 739 元；通过率相近的 GPT-5.6 Sol（约 30.6%），对应费用则在 5000 元左右。

ALE 成本图

两者在这项评测中的完成率只相差约 1 个百分点，模型费用却相差近 7 倍。

当然，29.6% 的通过率也说明，M3.1 Flash 还远没到可以全面取代旗舰的程度，真正投入使用时，仍然需要把失败重试和人工检查算进成本。但对于一部分复杂任务，开发者已经有理由先试试 Flash，而不是一上来就调用价格最高的模型。

MiniMax 后续还会推出追求更高智能上限的 Pro 版本。而 Flash 对旗舰的冲击也正在显现：过去需要调用旗舰的工作，现在有一部分已经可以交给价格更低的 Flash 来完成。(雷峰网(公众号：雷峰网))