DeepSeek第一，MiniMax第二，国产Flash双子星杀疯了

DeepSeek刚打完一张牌，另一款重量级产品就紧随其后冲了上来！

两天前，DeepSeek推出了V4.1 Flash-1017，将“许愿式编程”摆到了明面上。

仅仅过了一个周末，MiniMax就强势出手，M3.1 Flash正式对外发布！

就编程性价比而言，DeepSeek位居第一，M3.1 Flash排在第二。

在Agent任务方面，它直接夺得了Automation-Bench的全局第一，完成Agent终极考试ALE仅花费了739元！

价格相比上一代M3削减了超过一半，性价比堪称绝杀！

短短两天之内，两家国产大模型相继出手，Flash这一赛道的竞争被直接拉满！

编程能力追平旗舰水平

Agent表现反超Opus 5

官方发布的总榜单上，M3.1 Flash与DeepSeek、GLM、GPT-5.6 Sol、Claude Opus 5等模型在15个项目上同场竞技。它的强项是CoWork，5项中拿下了3个第一；DeepSWE编程追平了旗舰水平，网络安全也跻身第一梯队。

软件工程基准DeepSWE v1.1，考察的是完整的开发链路，包括代码理解、功能开发、问题修复和测试验证，所有环节都需要模型自主完成。M3.1 Flash在max档位拿到了73.7分，超越了OpenAI旗舰GPT-5.6 Sol（73.0分），并将GLM-5.3（66.9分）甩在了后面。

取得这样的成绩，M3.1 Flash在DeepSWE上的单任务成本，还不到2元。

而在这一价位区间里，成绩更高的，只有刚刚发布的DeepSeek V4.1 Flash-1017。

同样获得73%上下的分数，Claude Opus 5一个任务需要花费70多元，是M3.1 Flash的40多倍。

DeepSeek和MiniMax这两家，硬是把旗舰级别的分数，打到了一两块钱的成本。

真正让M3.1 Flash表现惊艳的，是CoWork和复杂的Agent工作流。

Automation-Bench由Zapier构建并开源，包含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、财务和HR等领域。它考察的是，模型能否在多个SaaS系统之间，将一项工作从头到尾完成。

M3.1 Flash在这里取得了62.8分，位列全场第一！

它将Opus 5甩开了近12分，比GPT-5.6 Sol高出16分多，甚至压过了刚刚发布的DeepSeek V4.1 Flash-1017（60.5分）。

更令人惊叹的是成本。在这张成本与得分的关系图上，其他所有模型都位于M3.1 Flash的右下方，意味着花费更多但得分更低。

M3.1 Flash仅开到medium档位，一个任务花费约2毛5，得分就已经超过了更新一代的Opus 5.5拉满max档位的成绩。Opus 5.5运行一个任务需要大约6块钱，贵了20多倍。

即使开到最高的max档位，一个任务也只需大约3毛钱。运行1000个跨SaaS系统的真实企业任务，账单仅需300元左右！

在LOCA-Bench 256K上，M3.1 Flash同样取得了全场第一，60.3分压过了GPT-5.6 Sol（60.0分）和Opus 5（53.7分）。

金融场景的BankerToolBench，考察的是多步骤规划、跨文档一致性、金融合规以及工具链式调用。M3.1 Flash拿下了76.2分，与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覆盖了188个真实软件项目中的1507个历史漏洞，M3.1 Flash取得了82.2分，与GLM-5.3（84.5分）、GPT-5.6 Sol（83.6分）一起处于全球第一梯队。

Flash接手复杂任务

700元击败上万元

在计算机使用（Computer Use）领域，M3.1 Flash的爆发力更让人感到震惊。在OSWorld 2.0和ALE这两项测试中，它都拿下了国产模型第一，完成一整套ALE仅花费了739元！

OSWorld 2.0由港大XLANG Lab牵头推出，包含108个长流程任务，覆盖7大领域。熟练的人完成一个任务，通常需要大约1.6小时。

M3.1 Flash取得了61.7分，比DeepSeek V4.1 Flash（54.3分）高出7分多。

Agents' Last Exam（ALE），顾名思义是“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的通过率为29.6%，直逼GPT-5.6 Sol（30.6%）和Claude Opus 5（32.2%）。

ALE共有152道任务，这739元就是完成一整套测试的预估总成本。

在ALE的成本图上，20多个模型中，它的花费最少！

通过率比它高的7个模型中，最便宜的GPT-5.6 Luna也需要大约1600元，是它的两倍多。

GPT-5.6 Sol只多拿了1个百分点，却花费了五千多元；Claude Opus 5、GPT-6 Astra需要七千多元，Claude Opus 5.5接近九千元。

Claude Opus 4.7、Gemini 3.1 Pro的账单都超过了一万元，但通过率分别只有21%和16.5%，被M3.1 Flash甩在了身后。

图上的虚线连接的是每个价位上得分最高的模型。M3.1 Flash就位于这条线的起点。

花费700多元，击败了上万元，账单相差了十几倍！

价格也被拉低，降幅超过一半

每百万Token，输入仅需1元，输出4元，缓存读取1毛钱。放到Agent任务中，综合使用成本比前代降低了70%。

同样是国产Flash，DeepSeek V4.1 Flash-1017按高峰和空闲两档计费。

许多企业的业务集中在工作日白天，正好撞上DeepSeek的高峰时段，输入2元、输出8元，整整贵了一倍。

M3.1 Flash不分时段，全天都维持DeepSeek空闲时段的价格。

对于缓存使用量大的重度场景，按10亿输入Token计算。命中率90%时，M3.1 Flash的输入费用是190元，比DeepSeek高峰时段的236元便宜46元。命中率提高到95%时，两家分别是145元和138元，基本持平。

能力足够，账单够低，Flash才有机会坐上主力位置。

速度狂飙至200+ TPS

MiniMax重返文本牌桌

光便宜还不够，要让长流程任务用起来顺畅，速度也必须跟上。M3.1 Flash的日常输出速度可达200+ TPS，中位数稳定在170+ TPS，而上一代M3在官方文档中仅为100+ TPS。

写代码的人都理解那种煎熬：模型修复一轮，发现问题还在，再等下一轮。反复几次，灵感消失，咖啡也凉了。

这恰恰是M3.1 Flash的强项。它的前身正是前阵子被全网围观的“太空兔”Space Bunny，网友反馈最集中的一点就是速度快。

MiniMax官方一句“欢迎回来，太空兔”，直接确认了身份。匿名期间，Space Bunny就处理了超过200T的Token！

正式版延续了这股极速基因，并换上了更激进的稀疏注意力架构，线上推理速度提升了近3倍。

你这边回车刚敲下去，它那边的代码已经一行行刷满屏幕。

AI开发者Ivan Fioravanti通过API上手测试后，直呼“快就是快”！

但比速度更重要的，是MiniMax这次打了一场漂亮的翻身仗。

过去一段时间，外界对MiniMax多少带有一些刻板印象。上一代M3发布时争议不小，甚至有人断言“MiniMax不擅长做文本模型”。

今天的M3.1 Flash，用成绩把这些质疑顶了回去。

MiniMax自己也把宝押在了它身上。官方API文档的模型列表中，M3.1 Flash已经排在了第一位。

M3.1 Flash原生支持100万Token的上下文，文本、图片、视频都能直接读取。

思考模式是常开的，每次回答前都会先思考一遍。

不过，想要快还是想要深，可以通过effort参数来调节。low、medium、high、xhigh、max五档随意切换，不填写则默认使用max。

简单的日常指令挂low档，省钱又省时。复杂的系统架构重构就拉满到max，模型会先将问题拆解一步步推理，思考过程单独返回，交到你手中的只有干净的结果。

目前，M3.1 Flash已经正式上线MiniMax API、M Plan和MiniMax Code。

官方CLI仓库中，默认文本模型已切换至MiniMax-M3.1-Flash

一手实测：将《盗梦空间》融入网页

我们将M3.1 Flash接入了Codex，出了一道脑洞题：让一座城市像立体书一样折叠起来，并制作成一个可交互的3D网页。

原本摊在地面的街区缓缓抬升，公路竖成高墙，楼群跟着向中央围拢。刚才还在俯瞰城市，转眼就像站进了一个会变形的世界。

拖动滑块，城市可以停在任意折叠程度；切换到夜晚模式，一排排窗口亮起来，整个场景又换了一副面孔。再拖动画面，还能绕到另一侧，观察街道和楼房如何连接在一起。

一个带着《盗梦空间》味道的脑洞，就这样变成了可以亲手摆弄的3D玩具。

开发者AJ也用它进行了一轮宝塔生成测试。M3.1 Flash搭建出的宝塔，是他测试过的所有模型中最具视觉冲击力的一座，甚至把DeepSeek V4.1 Flash都比了下去。

更夸张的是，整个过程一气呵成！

没有多轮对话，没有调用任何工具，也没有套用任何框架，仅一次API调用、思考拉满，花费了约5万Token，M3.1 Flash就完成了整座宝塔的搭建。