MiniMax强势回归，再度掀起行业波澜！

10月19日晚间，MiniMax正式推出了其新一代Flash模型——M3.1 Flash。据MiniMax官方介绍，M3.1 Flash在复杂Agent任务处理、电脑操作、软件开发以及网络安全等多个领域均实现了显著的性能提升。特别是在需要多步骤规划、连续调用工具和长程执行的任务中，M3.1 Flash展现出了卓越的表现，同时其线上推理速度较前代提升了近3倍，而使用成本则大幅降低了70%，为用户带来了更高的性价比体验。

同日早些时候，MiniMax官方账号发布了一段引人注目的短视频，视频中一枚胡萝卜造型的火箭点火升空，这一创意举动被外界解读为官方对匿名模型“太空兔”（Space Bunny）的正式认领。而“太空兔”正是MiniMax M3.1 Flash的早期版本，此次发布无疑为M3.1 Flash的登场增添了更多神秘色彩。

就在两天前，即10月17日，DeepSeek也刚刚更新了其V4.1-Flash-1017模型，重点提升了完整项目开发能力，并通过缩短输出长度和任务运行时间，进一步提高了任务执行效率。这一举动无疑加剧了国产Flash模型市场的竞争态势。

在短短72小时内，两家行业头部厂商接连推出新品，使得国产Flash模型在复杂任务处理上的竞争更加白热化，也为用户提供了更多选择。

DeepSeek V4.1-Flash-1017的更新已经证明，Flash模型正在逐步向复杂任务中的主力角色迈进。而MiniMax M3.1 Flash的发布，则再次印证了这一趋势，为市场重新评估MiniMax文本模型的竞争力提供了有力依据。

Coding能力跻身行业前列

MiniMax将Flash模型打造至旗舰级水准

从评测成绩来看，M3.1 Flash的Coding能力已经成功跻身行业第一梯队，展现出了强大的编程实力。

在编程与软件工程能力方面，M3.1 Flash在DeepSWE v1.1评测中取得了73.7%的优异成绩，充分展示了其出色的长链路任务执行能力。这一成绩意味着M3.1 Flash能够以更低的成本支持复杂的软件开发工作流，为用户带来更高的开发效率。

过去，行业普遍认为Flash模型只是大参数旗舰模型的“平价替代品”：虽然价格更低，但能力上限有限。开发者选用Flash模型，大多是出于预算约束或是简单场景需求，而核心、高难度任务则依然要交给旗舰模型来处理。

然而，时至今日，Flash模型已经拿出了足以对标旗舰模型的评测分数，打破了这一固有认知。

这意味着，包括M3.1 Flash在内的Flash模型，已经不再只是低成本备选方案，而是在性能、时延、成本之间找到了具备商用价值的平衡点，为用户提供了更多选择。

此外，在复杂任务与自动化能力方面，M3.1 Flash在AutomationBench-AA评测中也取得了62.8%的正确率，位居行业前列。这一成绩充分证明了M3.1 Flash在自动化任务处理方面的强大实力。

据了解，Automation-Bench是由全球规模领先的SaaS自动化平台Zapier构建并开源的评测基准，包含600个基于真实企业业务流程的任务，覆盖销售、营销、运营、客服、财务、HR等多条业务线。它主要用于评估模型在跨SaaS系统工作流中端到端完成任务的能力，是衡量模型自动化处理能力的重要指标之一。

在跨SaaS系统的真实企业业务工作流中，M3.1 Flash能够完整解决销售、营销、运营、客服、财务、HR等领域的真实问题，为用户提供了全面的业务解决方案。

不仅如此，M3.1 Flash在BankerToolBench评测中也取得了76.2分的优异成绩，擅长处理多步骤规划、跨文档/跨文件一致性、金融业务合规、工具链式调用等真实复杂问题。这一成绩进一步证明了M3.1 Flash在金融领域的强大实力。

BankerToolBench是聚焦金融场景下的Agent能力评测基准，主要考察模型在多步骤规划、跨文档一致性、金融业务合规、复杂工具链式调用等场景下的综合表现。它是衡量模型处理高复杂度专业业务的重要权威评测之一。

电脑操作与专业任务执行也是此次M3.1 Flash更新的重点领域之一。

M3.1 Flash在衡量AI电脑操作与跨应用任务执行能力的OSWorld V2评测中取得了61.7分，在评估真实专业工作场景与复杂任务完成能力的Agents' Last Exam（ALE）评测中取得了29.6分，均位列国产模型首位。这一成绩充分展示了M3.1 Flash在电脑操作与专业任务执行方面的卓越实力。

通过ALE对比图可以看出，M3.1 Flash在152项任务中取得了29.6%的通过率，而整套测试的估算总成本仅约739元，为图示对比模型中最低。这一数据充分证明了Flash模型已经能够以较低的预算提供有竞争力的专业任务完成能力，为其进入高频工作流提供了更具体的性价比依据。

与此同时，在网络安全领域，M3.1 Flash在CyberGym基准测试中也取得了82%的高分，展现出了领先的漏洞发现与验证能力。经内部安全专家深度评测，M3.1 Flash在代码审计、漏洞修补、渗透测试、恶意代码分析与逆向工程等场景下均表现出色，能够以低成本、高效率支持复杂的安全体系建设，为用户提供全面的安全保障。

国产Flash模型“双子星”闪耀登场

性价比全面突围，引领行业新风尚

从公开榜单测试结果来看，国产Flash模型不仅能够在编程和Agent评测中与头部闭源模型展开激烈竞争，同时还能保持较低的调用价格，为用户带来更高的性价比体验。

M3.1 Flash的推理效率得到了进一步优化，成本也更低。据介绍，该模型采用了更激进的稀疏结构，使得日常使用场景下的输出速度可达200+TPS ，中位数（P50）稳定达到170+TPS。在Agentic类任务中，模型的综合使用成本仅为前代模型的三成，为用户节省了大量成本。

除了能力提升外，M3.1 Flash此次还下调了API调用价格，每百万tokens的输入费用为1元、输出费用为4元，缓存读取费用为0.1元。与M3（输入≤512K tokens）对应价格相比，输入和输出单价均降低了50%以上，缓存读取单价更是降低了超70%。这一举措无疑将进一步降低用户的使用成本，提升M3.1 Flash的市场竞争力。

DeepSeek V4.1-Flash-1017则采用按Token峰谷计费方式，闲时输出仅4元/百万token，缓存命中成本低至0.02元/百万token。而在高峰时段，价格则全部翻倍，缓存命中0.04元/百万token、输出8元/百万token。根据DeepSeek规定，北京时间周一至周五（不含中国法定节假日）9:00-12:00、14:00-18:00为高峰时段；其余时段，包括周末及中国法定节假日全天均为空闲时段。这种计费方式虽然灵活，但也需要用户根据实际需求进行错峰调度。

相比之下，M3.1 Flash则采用了统一固定价方式，无需用户进行错峰调度，更加简便易用。这一举措无疑将进一步提升M3.1 Flash的用户体验和市场竞争力。

从能力侧重与适用场景来看，DeepSeek V4.1-Flash-1017和M3.1 Flash形成了互补关系。DeepSeek V4.1-Flash-1017在软件工程评测中得分更高，更适合处理复杂的软件开发任务；而M3.1 Flash则在跨SaaS业务工作流、网络安全等领域表现更突出，更适合处理这些领域的专业任务。

对于开发者而言，Flash模型意味着以更低的成本承担复杂工作。随着Flash模型的任务能力不断提升，模型竞争也进一步延伸到完整任务的交付效率上：既要完成工作，也要减少重试、返工和人工接管。只有能力、速度与成本同步改善，才有可能推动更多任务进入高频使用阶段。

在这一竞争方向上，DeepSeek与MiniMax呈现出各有侧重的优势。根据公开对比结果，DeepSeek V4.1-Flash-1017的软件工程评测得分更高；而M3.1 Flash则在跨SaaS业务工作流、网络安全等领域表现更突出。两者可以成为开发者与企业按任务选择的互补选项，也使国产Flash领域形成了一组相互参照、持续竞争的产品组合。

DeepSeek与MiniMax各自走出差异化路线，证明国产Flash赛道并非零和博弈。随着这组国产Flash“双子星”接连登场，也说明了Flash模型正在从低成本备选方案转向复杂任务里的核心担当。当更快、更强、成本更优的Flash模型能够扛起复杂软件开发、跨系统业务自动化、安全审计等硬核任务时，AI有望加速走进日常生产，为用户带来更多便利和效益。

而MiniMax即将到来的Pro版本，也预示着这场向上、向产业的技术赛跑远没有抵达终点。未来，我们有理由期待更多优秀的Flash模型涌现出来，为用户带来更多惊喜和选择。

编辑|蒙锦涛