比 Opus 5.5 便宜 88 倍：MiniMax M3.1 Flash 发布，Agent 能力拿下国产第一

如果你最近在 OpenRouter 或 OpenCode 上见过一个叫「Space Bunny」的匿名模型，答案已经揭晓：它是 MiniMax M3.1 Flash 的早期版本。10 月 19 日，MiniMax 正式发布 M3.1 Flash，把「便宜」和「能干活」这两件事第一次放到了同一张桌子上。

一分钟速览

• MiniMax 正式发布 M3.1 Flash，主打 Agent 场景下的低成本与高执行效率。
• 在 Agent 相关榜单与 Artificial Analysis 榜单中登顶，ALE 得分 29.6%，位列国产模型第一。
• DeepSWE v1.1 得分 73.7%，超过 GPT-6.1 Sol、Claude Opus 5 等旗舰模型。
• 官方 API 价格：输入每百万 Token 0.15 美元，输出 0.60 美元，缓存输入 0.015 美元。
• 输出速度最高 200+ TPS，P50 维持在 170+ TPS，官方称推理速度提升近 3 倍。

一个匿名模型，先替正式版探了路

Space Bunny 在 9 月 23 日上线，没有发布会，也没有模型卡片。它靠在 OpenCode 调用量榜单上稳居第二、在 OpenRouter 上一度冲到第一，被开发者记住。有人只给了一句提示词，等了大约四十分钟，它就吐出一个能击碎方块、能切换物品的简易版《我的世界》。社区当时判断，这大概率是一款速度极快的 Flash 模型，擅长 3D 渲染和前端任务。

MiniMax 现在确认，Space Bunny 就是 M3.1 Flash 的早期形态。正式版在 Agent 任务执行、代码生成和长程任务处理上继续加码。这个「先匿名、后认领」的过程本身也说明了一件事：开发者对模型的判断，正在从参数表和跑分，转向「它能不能把一件事从头做完」。

跑分不再只看聪明，而是看能不能交付

在软件工程方向，M3.1 Flash 在 DeepSWE v1.1 上拿到 73.7%。这类测试不是让模型写一段孤立代码，而是把它放进现有代码库，要求它定位问题、修改实现，并尽量通过测试。排在它前面的，只有 DeepSeek V4.1 Flash 1017 的 77 分；GPT-6.1 Sol、Claude Opus 5、Claude Fable 5 都被它反超。

电脑操作方向，OSWorld V2 得分 61.7；Agents' Last Exam（ALE）得分 29.6%，位列国产模型第一，仅略低于 Opus 5 与 GPT-5.6 Sol。安全方向，CyberGym 拿到 82.2 分，与 GLM-5.3 的 84.5、GPT-5.6 Sol 的 83.6 处在同一梯队。金融工具调用基准 BankerToolBench 上，它以 76.2 分与 Claude Opus 5 并列第一。自动化任务基准 AutomationBench-AA 中，它同样位居前列，官方给出的单任务成本不到 0.05 美元。

把这些分数放在一起看，MiniMax 想证明的不是「便宜模型也能聊天」，而是「便宜模型可以连续调用几十次工具、在多个子 Agent 之间传话，最后把工作流跑完」。这恰好是企业级 Agent 最现实的门槛：模型如果经常调错工具、反复走弯路，省下来的 Token 费用会被重试和人工纠错吃回去。

价格表背后的算术

官方定价为输入每百万 Token 0.15 美元、输出每百万 Token 0.60 美元、缓存输入每百万 Token 0.015 美元，折合人民币约为输入 1 元、输出 4 元、缓存 0.1 元。相比上一代，使用成本下降约 70%。有媒体按同档任务折算，其单位成本仅为 Opus 5.5 的约八十八分之一。

更值得算的是速度账。官方称线上推理速度提升近 3 倍，输出最快 200+ TPS，中位数 170+ TPS。对需要几十轮工具调用的长链路任务来说，单轮快几百毫秒，累积到用户端就是「转圈」和「瞬间刷满」的区别。很多 Agent 产品不是败在答案质量，而是败在等待时间把用户赶走。

Flash 不再等于阉割版

过去行业有个默认共识：Flash 是旗舰模型的廉价替代，适合简单问答和代码补全，真到复杂场景还得加钱上大参数版本。DeepSeek V4.1 Flash 先立了一次性价比标杆，MiniMax M3.1 Flash 紧接着把战线推到企业工作流、金融工具链和电脑操作。两家走的路线并不重复：前者在纯 Coding 的极致性价比上更强，后者在跨 SaaS 的综合 Agent 维度上补位。

这对开发者的直接意义是，模型选型从「先看能力上限，再咬牙接受价格」变成「先按任务单价算账，再挑够用的能力」。一个客服工单流转、一份跨系统报表、一次多步骤的财务核对，都可以被拆成可计价的 Token 预算，而不是一次性押注最贵的旗舰。

趋势洞察

2026 年下半年，旗舰模型的发布节奏依然由几家大厂掌握，但真正改变使用面的，可能是 Flash 这一层。它把「可用」变成「用得起、用得久」，也让 Agent 产品第一次有机会按真实业务量扩张，而不是靠补贴撑演示。

当然，跑分只是入场券。模型在真实企业环境里的稳定性、工具生态的兼容度、长任务中的错误恢复能力，都还需要更多公开案例来验证。MiniMax 这次拿出的是一张很有攻击性的价格表和一个明确的方向：小尺寸模型不必只做玩具，它可以直接参与复杂任务的竞争。接下来要看的，是开发者在账单和交付之间，会不会用脚投票。