一、官宣要点：太空兔真身揭晓 · 二、性能成绩单：多项国产第一 · 三、速度与价格：卷出新高度 · 四、72小时双雄对决：M3.1 Flash vs DeepSeek 1017 · 五、怎么用与后续动向 · 六、写在最后
10月19日晚，MiniMax（稀宇科技）正式官宣新一代Flash模型M3.1 Flash上线。官方博客同时确认了一个悬案：9月下旬起在OpenRouter以匿名身份提供服务、代号”Space Bunny（太空兔）”的免费模型，正是M3.1 Flash的早期版本。
这个彩蛋分量不轻。太空兔在匿名运行期间累计处理超过200万亿Token，9月28日单日消耗一度达到3.99万亿Token，超过同期DeepSeek V4.1 Flash（3.44万亿）登上OpenRouter日调用量第一；在开源编程工具OpenCode上同样刷出了数十万亿Token的调用量。当时不少开发者通过百万级上下文窗口和Tokenizer分词特征推测它出自MiniMax——本站在9月28日的报道中也做过这一猜测，如今官方正式盖章。
按官方说法，正式版吸收了社区海量实战反馈，在工具调用与指令遵循上进一步加固。简单说：太空兔先上场打了几十天的”匿名排位赛”，成绩单拿回来打磨加固，现在以真身重新登台。
M3.1 Flash的官方评测覆盖了Agent任务、软件工程、电脑操作、网络安全和多模态五大方向，核心指标已进入第一梯队：
| 基准测试 | M3.1 Flash | 主要对手 | 看点 |
|---|---|---|---|
| DeepSWE v1.1（代码仓库级修复） | 73.7% | DeepSeek 1017：77.0%；GPT-5.6 Sol：73.0%；Kimi K3：67.5% | 紧咬DeepSeek，超越GPT-5.6 Sol |
| Automation-Bench v1.0.6（跨系统自动化） | 62.8% | DeepSeek 1017：60.5%；Claude Opus 5：50.3% | 反超DeepSeek，大幅领先 |
| BankerToolBench（金融工具调用） | 76.2% | GPT-5.6 Sol：74.6%；DeepSeek：73.7% | 与Claude Opus 5并列第一 |
| OSWorld V2（电脑操作） | 61.7% | Kimi K3：58.3%；DeepSeek：54.3% | 国产第一，逼近GPT-5.6 Sol |
| Agents’ Last Exam（真实专业任务） | 29.6% | GPT-5.6 Sol：30.6% | 国产第一 |
| CyberGym（漏洞发现与验证） | 82.2% | — | 安全能力领先 |
| BabyVision（多模态） | 91.0% | — | 截图/视频辅助开发调试 |
| Terminal-Bench 4.0（终端交互） | 38.1% | DeepSeek 1017：42.3% | 终端场景略逊一筹 |
几个值得展开的点：
1. 企业自动化是最大亮点。
Automation-Bench考察的是跨SaaS系统的动态执行——销售、营销、运营、客服、财务、HR这些真实企业流程能不能端到端跑通。M3.1 Flash拿下62.8%，不仅反超DeepSeek，还把Claude Opus 5（50.3%）甩开了12个百分点。BankerToolBench的76.2%则验证了它在多步骤规划、跨文件一致性核对和金融合规场景下的稳定性，与Claude Opus 5并列第一。
2. Computer Use成为国产第一。
OSWorld V2考察AI操作电脑、跨应用执行任务的能力，M3.1 Flash拿到61.7%，超过Kimi K3（58.3%）和DeepSeek（54.3%），仅次于GPT-5.6 Sol（65.7%）。官方演示的场景很具体：模型直接”看懂”软件界面截图，联动键鼠完成跨软件的繁琐操作；前端调试时自己跑起项目、读火焰图和日志、定位耗时操作并改代码重测。这背后是百万级上下文窗口+原生多模态输入的组合拳。
3. 安全能力被重点强调。
CyberGym 82.2%的成绩之外，MiniMax还透露内部安全专家做过深度评测：代码审计、漏洞修补、渗透测试、恶意代码分析、逆向工程等场景均表现出色，能以低成本、高效率支持复杂的安全体系建设。对正在搭建安全能力的企业来说，”低成本高速模型+安全任务”这个新组合值得关注。
能力之外，这次发布的另一半主角是性价比。M3.1 Flash采用了更激进的稀疏注意力设计，日常输出速度可达200+ TPS，中位数（P50）稳定在170+ TPS，线上推理速度较此前提升近3倍。
| 计费项 | 国内价格（元/百万tokens） | 国际价格（美元/百万tokens） |
|---|---|---|
| 输入 | 1元 | $0.15 |
| 输出 | 4元 | $0.60 |
| 缓存读取 | 0.1元 | $0.015 |
对照上一代M3，输入和输出单价降幅超过50%，缓存读取降幅超过70%；按官方口径，Agent任务的整体使用成本较前代降低70%。在”高速档”这个细分市场里，这个价格直接把门槛打到了个人开发者随手可用的水平。
能力上拿下了Automation-Bench、BankerToolBench、OSWorld V2等多个关键基准的国产第一；体验上快了近3倍；钱包上省了70%。Flash档位已经从曾经的”阉割版”彻底翻身，成为承接终端操作、自动化Agent的高频主力选择。
把时间线摆在一起看很有意思：10月17日，DeepSeek更新V4.1 Flash-1017，把DeepSWE成绩推到77.0%、Automation-Bench提到60.5%；仅隔两天，MiniMax正式发布M3.1 Flash，以73.7%的DeepSWE成绩应战，并在企业自动化（62.8%）、电脑操作（61.7%）和安全测试（82.2%）上打出反超。72小时内两家先后交卷，国产Flash模型的竞争正式进入贴身肉搏阶段。
从数据看，两者各有侧重：
- 纯软件工程（DeepSWE、Terminal-Bench）：DeepSeek 1017占优，复杂代码仓库修复和终端交互更稳；
- 企业跨系统流程（Automation-Bench、BankerToolBench）：M3.1 Flash占优，长流程任务和金融合规场景更省心；
- 电脑操作（OSWorld V2）：M3.1 Flash国产第一，Computer Use场景优先考虑；
- 价格：M3.1 Flash输入1元/百万tokens更激进，DeepSeek 1017胜在软件工程能力上限。
对开发者的选型建议很简单：跑代码仓库、修BUG、写脚本，先用DeepSeek 1017；做企业工作流自动化、RPA式电脑操作、金融与安全类工具链，M3.1 Flash的性价比更突出。两者都支持多模态输入，实际项目中先用各自的免费额度跑一轮自己的真实场景再定，比盯着基准榜靠谱得多。
M3.1 Flash目前已上线三个入口：MiniMax开放平台API、M Plan订阅套餐和MiniMax Code桌面端（官网可直接下载）。模型权重将在稍后开放，按MiniMax一贯的开源节奏，本地部署党可以再等等。此外，主打更高能力上限的Pro版本官方透露也很快会推出，届时”高速档+旗舰档”的产品矩阵会更完整。
资本市场方面的反应有点戏剧性：10月20日早盘MiniMax股价高开，随后震荡走低，盘中一度大跌6.21%至170.08港元，距离今年3月历史最高点1330港元已回调超87%。不过机构观点相对积极——花旗认为新模型巩固了竞争地位、可能加速其在开发者与企业生态中的B2B变现进程；杰富瑞则认为其在智能体任务、编程、电脑操作等领域均展现出顶尖能力，性价比优势明显。产品发布的短期股价波动，不必过度解读。
从9月底太空兔匿名霸榜，到今天真身官宣，M3.1 Flash的发布路径本身就是一次漂亮的操作：先让模型在真实调用里跑出成绩，再带着200万亿Token的实战数据和社区反馈正式登场。对其他厂商来说，这波”匿名内测+官宣”的节奏值得研究。
更重要的信号是行业赛道的切换：72小时内，DeepSeek和MiniMax前后脚把新一代Flash模型的竞争焦点，从单纯的代码能力延伸到了复杂Agent任务、Computer Use和实际使用成本。Flash档位不再是”低配版”的代名词，而是承接企业工作流、终端自动化和高频开发场景的主力。对普通用户和开发者来说，低门槛的API价格意味着试错成本几乎为零——先跑起来，让真实场景告诉你该选谁。
发表回复