Concitech AI · 深度长文
2026/10/20 10:18
MiniMax M3.1 Flash 揭面:太空兔的低价与实测成绩单
MiniMax M3.1 Flash 揭晓太空兔身份。本文核对价格、权重计划与官方成绩,结合独立测评、平台测速和编程及业务实测,介绍版本差异、思考预算、任务表现与交付成本,保留测试条件与证据边界。

太空兔的身份揭晓了:MiniMax M3.1 Flash。
MiniMax 的发布日期是 2026 年 10 月 19 日。官方确认,匿名模型 Space Bunny 属于 M3.1 Flash 的早期版本,并给出每百万 Token 输入 0.15 美元、输出 0.60 美元、缓存读取 0.015 美元的价格。发布推文
低价与使用热度构成了关注理由。工程团队需要另一份答案:这个模型能完成什么任务,失败的代价是什么?
第三方材料提供了几类证据:Artificial Analysis 的标准化测评、OpenRouter 的服务数据、AICodeKing 的预览版编程案例,以及 Spring Prompt 的发布日业务测试。本文做资料核对与结果分析,缺少本人运行模型的实验记录。
一、型号、价格与权重的时间表
官方文档中的模型标识是 MiniMax-M3.1-Flash,上下文窗口为 100 万 Token,输入包含文字、图片和视频,输出为文字。思考强度 effort 包含 low、medium、high、xhigh、max 五档,默认值为 max,关闭思考属于接口拒绝的配置。模型文档
上下文容量描述一次请求的容纳范围,含义区别于输出预算。100 万 Token 上下文与 32000 Token 输出上限属于可共存的配置。任务完成情况取决于思考与回答的预算分配。
API、M Plan 和 MiniMax Code 是官方提供的入口。官方推文给出的权重发布时间是 10 月 23 日,官网正文的说法是后续开放。本文核对日期是 10 月 20 日,权重下载与许可条件属于待确认事项,“开源模型发布完成”缺少证据。官方介绍
Space Bunny、9 月预览版和 10 月正式版需要保留版本区别。早期版本的成功或失败,提供历史经验,缺少正式版能力证明的效力。
二、官方成绩与第三方测评的对照
MiniMax 的官方对照表记录了这些结果:
| 测试 | M3.1 Flash | DeepSeek V4.1 Flash 1017 | Opus 5 |
|---|---|---|---|
| Automation-Bench v1.0.6 | 62.2 | 60.5 | 50.3 |
| DeepSWE v1.1 | 73.7 | 77.0 | 74.0 |
| Terminal Bench 4.0 | 38.1 | 42.3 | 51.8 |
| BabyVision,含工具 | 91.0 | 92.5 | 94.1 |
来源是 MiniMax 发布表,属于厂商报告,含义区别于本文复测。表内 M3.1 Flash 的自动化成绩领先,编程、终端和视觉任务呈现不同排序。比较对象中的 Opus 5 与 GPT-5.6 Sol,缺少各厂商最新旗舰的代表性。官方成绩表
Artificial Analysis 的发布期模型页记录 Intelligence Index 得分 42,指数任务的加权平均成本为 0.22 美元。它与 GLM-5.3 Flash 的对比页显示,两者的取整指数为 42;M3.1 Flash 的任务成本为 0.22 美元,GLM-5.3 Flash 的任务成本为 0.28 美元。该页面的综合指数覆盖多种任务,单个业务场景需要专项结果。模型测评 · 同站对比
0.22 美元是该套测评的统计量,缺少“任何 Agent 任务成本”的普遍含义。模型页和榜单存在更新节奏差异,本文保留查询日期,省略存在组别歧义的全球排名。

三、OpenRouter 的实测与速度边界
OpenRouter 的披露记录,匿名测试期间的首 Token 时间由 1.95 秒降至 1.22 秒,吞吐由每秒 70 Token 升至 100 Token,错误率由 1.4% 降至 0.7%。平台披露
这是服务平台对匿名运行阶段改进的报告。测量对象包含部署环境、服务负载和版本变化,含义区别于正式版对所有请求的速度保证。平台错误率描述请求服务表现,代码正确率属于另一种指标。
MiniMax 的“相较 M3 三倍速度”与上述匿名阶段数据采用不同比较对象。官方介绍中的 170+ Token/s 中位速度、200+ Token/s 输出表现,属于厂商口径。三个数字需要各自的测试条件,拼接成统一结论会造成误读。
OpenRouter 披露 Space Bunny 的 Token 用量为 56.7T,其平台用量榜首位的保持时间为十天;MiniMax 披露匿名阶段用量超过 200T。两项披露的统计范围缺少统一定义,本文保留来源区别。用量体现采用情况,模型质量需要评测证据。OpenRouter 揭面说明
四、编程实测:漂亮的页面与正确的交互,是两件事
AICodeKing 的测试视频日期是 9 月 28 日,测试对象为 M3.1 Flash Preview。KingBench 3 包含八个任务,每项满分十分,总分八十分,模型得到 53 分,折算为 66.25%。这个百分比表示得分比例,含义区别于完整任务成功率。原始测试视频
视频作者检查保存的代码与预览交互,案例包含明显差异:
| 案例 | 分数 | 作者观察 |
|---|---|---|
| 3D 折叠桌 | 9/10 | 滑块控制折叠与展开,几何运动具有连贯性 |
| 隐形眼镜盒 | 8/10 | 盒盖交互可用,内部凹槽建模存在问题 |
| 射箭游戏 | 4/10 | 靶面位置、移动靶和计时逻辑出现错误 |
| 电梯模拟 | 3/10 | 生成人物按钮触发异常,核心流程失败 |

评测表缺少思考档位,保存产物的检查缺少生成尝试次数与修正过程记录。这个小样本展示能力分布,缺少发布日正式版复测的身份。它提出的验收问题具有普适性:页面完成,需要检查按钮、状态转换和业务流程。
五、正式版业务实测:短任务有亮点,长任务需要兜底
Spring Prompt 的 10 月 19 日测试使用 OpenRouter 的 :free 路由,模型供应方为 MiniMax,推理设置采用供应方默认配置。免费路由存在限流,测试机构放弃自身速度结论。
CatalogBench 使用 56 个虚构商品,提供源数据和图片,每个商品测试三次。M3.1 Flash 的事实型商品说明获得 50% 的“三次重复的结果符合发布标准”比例。这是该测试定义的可靠发布指标,含义区别于一般事实准确率。
长任务出现另一种表现:SurveyBench 的 24 个规划与分析步骤中,18 步耗尽 32000 Token 输出预算,答案为空。报告中的八份演示文稿有两份缺少输出。Spring Prompt 原始报告
这些结果属于免费路由、默认思考设置与指定输出上限的组合,缺少其他路由和预算条件的代表性。测试机构的付费路由复测属于后续计划。
这组实测说明,Token 生成速度、答案完成时间和有效交付率,需要不同记录。低单价带来试错空间,空输出、重试和人工修复消耗这个空间。
六、开发者需要算“交付账”
官方计价允许一种透明演算:一次请求包含 10 万个非缓存输入 Token 和 2 万个计费输出 Token,模型费用为 0.015 + 0.012 = 0.027 美元。全部输入满足缓存读取条件的同量请求,模型费用为 0.0015 + 0.012 = 0.0135 美元。
这是本文的假设计算,排除了工具调用、外部服务、税费和重试成本;输入命中缓存属于前提。思考 Token 的计费归属需要核对接口账单,预算采用计费输出量。
一次合格交付的成本,包含模型费用、工具费用、失败重试和人工验收。便宜的单次调用与便宜的合格结果,需要成功率连接。
我的判断是,M3.1 Flash 适合进入候选池:材料抽取、结构化草稿、可运行测试覆盖的代码任务,具有明确验收入口;复杂交互、长报告和外部系统写入,需要超时、重试与审批边界。这属于本文的选型建议,效果需要真实项目验证。
一组项目试验需要记录五项:型号与日期、服务路由、思考档位与输出上限、任务验收结果、完整费用与人工时间。相同任务和预算构成比较基础,历史预览版与正式版采用独立记录。
太空兔揭面解决了身份问题。模型选型需要解决交付问题:每一笔费用,换回了什么合格结果?
参考资料
- MiniMax 发布推文;官方介绍;模型文档。
- Artificial Analysis 模型页;GLM-5.3 Flash 对比页。查询日期:2026 年 10 月 20 日。
- OpenRouter 揭面与用量披露;服务表现改进。
- AICodeKing:M3.1 Flash Preview 八任务测试,2026 年 9 月 28 日。
- Spring Prompt:发布日免费路由测评,2026 年 10 月 19 日。
