MiniMax M3.1 Flash复杂Agent评测居首并显著提速

MiniMax于10月19日发布M3.1 Flash，并确认此前在开发者社区受到关注的匿名模型Space Bunny归属于自身。此前两天，DeepSeek刚更新V4.1 Flash-1017，两款国产低价模型接连亮相。

公开数据表明，M3.1 Flash在Automation-Bench复杂Agent任务中排名第一，在BankerToolBench取得76.2%，与Opus 5并列第一；Coding性价比仅次于DeepSeek。它还在CyberGym网络安全测试中获得82.2%。

Space Bunny此前曾连续10天位居OpenRouter模型使用量榜首，累计处理56.7T Token；MiniMax称相关测试和使用期间累计处理量已超过200T Token。开发者Hassan测试制作硬件产品落地页时，M3.1 Flash与Claude Opus 5.5的费用分别为0.014美元和1.22美元，前者速度约快4倍。

截至10月20日，M3.1 Flash在Artificial Analysis榜单得分43分，上一代M3为29分；任务加权平均费用则从0.51美元降至0.22美元。在DeepSWE v1.1中，它以73.7%落后于DeepSeek的77.0%，但接近Opus 5的74.0%。

实测任务要求模型依据手绘校园平面图和建筑尺寸表，完成布局与冲突检查、Blender建模、GLB导出，并用Three.js制作支持选中建筑、查看详情、镜头定位和时间模拟的交互网页。测试分别使用MiniMax Code加M3.1 Flash，以及OpenCode加DeepSeek V4.1 Flash。

两套方案都完成主要交付，保留了可编辑源文件，GLB模型也通过六个建筑编号核验。MiniMax方案用时55.4分钟，DeepSeek方案约121分钟，少用约65分钟；按官方API价格折算，费用分别约6.50元和6.52元，MiniMax缓存命中率为98.1%。

在Automation-Bench中，M3.1 Flash的任务费用分布性价比最高。该基准由Zapier构建，包含600项覆盖销售、营销、运营、客服、财务和人力资源的企业流程；BankerToolBench则重点考察金融场景下的多步规划、跨文档处理和工具调用。

M3.1 Flash每百万Token输入1元、输出4元、缓存读取0.1元，相比M3输入输出约降半、缓存读取降约75%，全天不区分峰谷。与DeepSeek V4.1 Flash-1017相比，其输入和输出价格约为对方高峰价的一半、与空闲价相当。

Flash模型正从旗舰的低价替代品转向Agent任务的实际选择。ALE-v1完整集152项任务中，M3.1 Flash通过率29.6%，估算费用约739元；通过率约30.6%的GPT-5.6 Sol费用约5000元，成本接近相差7倍。不过其通过率仍不足以全面替代旗舰，实际部署还需计入失败重试和人工检查成本。