DeepSeek第一，MiniMax第二，国产Flash双子星杀疯了

DeepSeek刚出手，又一款重磅模型接踵而至！

两天前，DeepSeek推出V4.1 Flash-1017，把“许愿式编程”概念正式推向市场。

仅过一个周末，MiniMax便强势跟进，M3.1 Flash如今已正式上线！

从编程性价比来看，DeepSeek位居首位，M3.1 Flash紧随其后。

在Agent任务中，它直接斩获Automation-Bench全场冠军，完成Agent终极考试ALE仅花费739元！

价格相比上一代M3削减超过一半，性价比堪称碾压级！

短短两天内，两家国产大模型相继发力，Flash这一级别的竞争已进入白热化阶段！

编程能力追平旗舰

Agent表现反超Opus 5

官方公布的总榜单显示，M3.1 Flash与DeepSeek、GLM、GPT-5.6 Sol、Claude Opus 5等模型在15项指标上同台竞技。其最强项为CoWork，5项中拿下3个第一；DeepSWE编程能力追平旗舰，网络安全也跻身第一梯队。

软件工程基准DeepSWE v1.1，考核的是完整开发链路，包括代码理解、功能开发、问题修复、测试验证，全部由模型独立完成。M3.1 Flash在max档位获得73.7分，超越OpenAI旗舰GPT-5.6 Sol（73.0分），并将GLM-5.3（66.9分）远远甩开。

取得如此成绩，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，成绩更优的，仅有刚发布的DeepSeek V4.1 Flash-1017。

同样达到73%上下的分数，Claude Opus 5一个任务需花费70多元，是M3.1 Flash的40多倍。

DeepSeek和MiniMax这两大品牌，硬是将旗舰级分数，压缩到了一两块钱的成本。

真正让M3.1 Flash大放异彩的，是CoWork和复杂Agent工作流。

Automation-Bench由Zapier构建并开源，包含600个任务，全部源自真实企业业务流程，覆盖销售、营销、运营、客服、财务、HR等领域。它考核的是模型能否在多个SaaS系统之间，从头到尾完成一项工作。

M3.1 Flash在此获得62.8分，位列全场第一！

它将Opus 5甩开近12分，领先GPT-5.6 Sol超过16分，甚至压过了刚发布的DeepSeek V4.1 Flash-1017（60.5分）。

更令人惊叹的是成本。在这张成本与得分图表中，其他所有模型均位于M3.1 Flash的右下方，花费更多但分数更低。

M3.1 Flash仅开启medium档位，每个任务花费约2毛5，分数就已超过更新一代的Opus 5.5拉满max档的成绩。Opus 5.5运行一个任务需花费约6元，贵了20多倍。

即使开到最高max档，每个任务也仅需约3毛钱。运行1000个跨SaaS系统的真实企业任务，账单仅约300元！

在LOCA-Bench 256K上，M3.1 Flash同样是全场第一，60.3分领先GPT-5.6 Sol（60.0分）和Opus 5（53.7分）。

金融场景的BankerToolBench，考核多步骤规划、跨文档一致性、金融合规和工具链式调用。M3.1 Flash获得76.2分，与Claude Opus 5并列第一，GPT-5.6 Sol（74.6分）落在其后。

网络安全测试CyberGym覆盖188个真实软件项目中的1507个历史漏洞，M3.1 Flash获得82.2分，与GLM-5.3（84.5分）、GPT-5.6 Sol（83.6分）共同处于全球第一梯队。

Flash承接复杂任务

700元成本击败上万元

在计算机使用（Computer Use）领域，M3.1 Flash的爆发力同样令人震惊。在OSWorld 2.0和ALE两项测试中，它均取得国产模型第一，完成一整套ALE仅花费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，熟练者完成一个任务通常需要约1.6小时。

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

Agents' Last Exam（ALE），名称即为“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%，逼近GPT-5.6 Sol（30.6%）和Claude Opus 5（32.2%）。

ALE共152道任务，这739元，就是完成一整套的估算总成本。

在ALE的成本图表中，20多个模型里，它花费最少！

通过率高于它的7个模型中，最便宜的GPT-5.6 Luna也需约1600元，是其两倍多。

GPT-5.6 Sol仅多拿1个百分点，花费了五千多元；Claude Opus 5、GPT-6 Astra需七千多元，Claude Opus 5.5接近九千元。

Claude Opus 4.7、Gemini 3.1 Pro的账单均超过一万元，但通过率仅为21%和16.5%，被M3.1 Flash超越。

图表中的那条虚线，连接的是每个价位上得分最高的模型。M3.1 Flash，正位于这条线的起点。

花费700多元，击败上万元，账单差距达十几倍！

价格也大幅下调，削减超过一半

每百万Token，输入仅需1元，输出4元，缓存读取1毛钱。在Agent任务中，综合使用成本相比前代降低了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，正好与DeepSeek的高峰时段重叠，输入2元、输出8元，整整贵了一倍。

M3.1 Flash不分时段，全天均按DeepSeek空闲时段价格收费。

在缓存使用较多的重度场景中，按10亿输入Token计算。命中率90%时，M3.1 Flash的输入费用为190元，比DeepSeek高峰时段的236元便宜46元。命中率提升至95%，两者分别为145元和138元，基本持平。

能力足够，账单够低，Flash才有机会成为主力。

速度飙升至200+ TPS

MiniMax重返文本领域

仅便宜还不够，要让长流程任务得以顺畅使用，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。

写代码的人都能体会那种煎熬：模型修复一轮，发现仍有问题，再等待下一轮。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，正是此前引发全网关注的神秘模型“太空兔”Space Bunny，用户反馈最集中的一点，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已处理了超过200T 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，它那边的代码已一行行刷满屏幕。

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，用成绩将这些质疑一一回击。

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已排在首位。

M3.1 Flash原生支持100万Token上下文，文本、图片、视频均可直接读取。

思考模式是常开状态，每次回答前都会先进行思考。

不过，想要追求速度还是深度，可以通过effort参数来调整。low、medium、high、xhigh、max五档可自由切换，不填则默认max。

简单的日常指令设为low档，省钱又省时。复杂的系统架构重构则拉满至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。

现在，M3.1 Flash已正式上线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》折叠进网页

我们将M3.1 Flash接入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，一排排窗口亮起，整个场景又呈现另一副面貌。再拖动画面，还能绕到另一侧，观察街道和楼房如何连接。

一个带有《盗梦空间》风格的脑洞，就这样变成了可亲手摆弄的3D玩具。

开发者AJ也用它进行了一轮宝塔生成测试。M3