DeepSeek第一，MiniMax第二，国产Flash双子星杀疯了

DeepSeek刚出牌，又一款王炸杀上来了！

两天前，DeepSeek甩出V4.1 Flash-1017，把「许愿式编程」摆上台面。

才过一个周末，MiniMax就紧接着重磅出击，M3.1 Flash刚刚正式发布！

论Coding性价比，DeepSeek第一，M3.1 Flash第二。

Agent任务上，它直接拿下Automation-Bench全场第一，跑完Agent终极考试ALE只花了739元！

价格比上一代M3砍掉一半还多，性价比直接绝杀！

两天之内，两家国产大模型接连出手，Flash这个段位的竞争直接拉满！

编程追平旗舰

Agent反超Opus 5

官方放出的总榜上，M3.1 Flash和DeepSeek、GLM、GPT-5.6 Sol、Claude Opus 5等模型同台比了15项。它最强的是CoWork，5项里拿下3个第一；DeepSWE编程追平旗舰，网络安全也站进了第一梯队。

软件工程基准DeepSWE v1.1，考的是一整条开发链路，代码理解、功能开发、问题修复、测试验证，都得模型自己来。M3.1 Flash在max档拿下73.7分，压过OpenAI旗舰GPT-5.6 Sol（73.0分），把GLM-5.3（66.9分）甩在身后。

跑出这样的成绩，M3.1 Flash在DeepSWE上的单任务成本，还不到2元。

而在这个价位里，成绩更高的，只有刚发布的DeepSeek V4.1 Flash-1017。

同样拿到73%上下的分数，Claude Opus 5一个任务要花70多元，是M3.1 Flash的40多倍。

DeepSeek和MiniMax这两兄弟，硬是把旗舰级的分数，打到了一两块钱。

真正让M3.1 Flash杀疯的，是CoWork和复杂Agent工作流。

Automation-Bench由Zapier构建并开源，600个任务全部来自真实企业的业务流程，覆盖销售、营销、运营、客服、财务、HR。它考的是，模型能不能在一堆SaaS系统之间，把一件活从头干到尾。

M3.1 Flash在这里拿下62.8分，全场第一！

它把Opus 5甩开近12分，把GPT-5.6 Sol甩开16分多，连刚发布的DeepSeek V4.1 Flash-1017（60.5分）也压了一头。

更恐怖的是成本。在这张成本与得分图上，其他所有模型都落在M3.1 Flash的右下方，花得更多，分数更低。

M3.1 Flash只开到medium档，一个任务花2毛5左右，分数就已经超过了更新一代的Opus 5.5拉满max档的成绩。Opus 5.5跑一个任务要6块钱左右，贵了20多倍。

就算开到最高的max档，一个任务也就3毛钱左右。跑1000个跨SaaS系统的真实企业任务，账单才300元上下！

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

金融场景的BankerToolBench，考的是多步骤规划、跨文档一致性、金融合规和工具链式调用。M3.1 Flash拿下76.2分，和Claude Opus 5并列第一，GPT-5.6 Sol（74.6分）落在后面。

网络安全测试CyberGym覆盖188个真实软件项目里的1507个历史漏洞，M3.1 Flash拿下82.2分，和GLM-5.3（84.5分）、GPT-5.6 Sol（83.6分）一起站在全球第一梯队。

Flash接下复杂任务

700块打赢上万块

在计算机使用（Computer Use）领域，M3.1 Flash的爆发力更让人直呼恐怖。OSWorld 2.0和ALE两项，它都拿下了国产模型第一，跑完一整套ALE只花了739元！

OSWorld 2.0由港大XLANG Lab牵头推出，108个长流程任务覆盖7大领域，熟练的人做一个任务，一般要1.6小时左右。

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

Agents' Last Exam（ALE），名字就叫「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的通过率是29.6%，直逼GPT-5.6 Sol（30.6%）和Claude Opus 5（32.2%）。

ALE一共152道任务，这739元，就是跑完一整套的估算总成本。

在ALE的成本图上，20多个模型里，它花钱最少！

通过率比它高的7个模型，最便宜的GPT-5.6 Luna也要1600元左右，是它的两倍多。

GPT-5.6 Sol只多拿1个点，花了五千多元；Claude Opus 5、GPT-6 Astra要七千多元，Claude Opus 5.5接近九千元。

Claude Opus 4.7、Gemini 3.1 Pro的账单都过了一万元，通过率却只有21%和16.5%，被M3.1 Flash甩在身后。

图上那条虚线，连起的是每个价位上分数最高的模型。M3.1 Flash，就站在这条线的起点。

花700多块，打赢上万块，账单差了十几倍！

价格也卷下来了，砍掉一半还多

每百万Token，输入只要1元，输出4元，缓存读取1毛钱。放到Agent任务里，综合使用成本比前代降了70%。

同样是国产Flash，DeepSeek V4.1 Flash-1017按高峰和空闲两档计费。

很多企业的业务都集中在工作日白天，正好撞上DeepSeek的高峰时段，输入2元、输出8元，整整贵了一倍。

M3.1 Flash不分时段，全天都是DeepSeek空闲时段的价。

缓存用得多的重度场景，按10亿输入Token算。命中率90%时，M3.1 Flash的输入费用是190元，比DeepSeek高峰时段的236元便宜46元。命中率提到95%，两家是145元对138元，基本打平。

能力够用，账单够低，Flash才有机会坐上主力位置。

速度狂飙200+ TPS

MiniMax杀回文本牌桌

光便宜还不够，要让长流程任务用得起来，速度也得跟上。M3.1 Flash的日常输出速度可达200+ TPS，中位数稳定在170+ TPS，上一代M3在官方文档里还只是100+ TPS。

写代码的人都懂那种煎熬，模型修一轮，发现还有问题，再等下一轮。反复几次，灵感没了，咖啡也凉了。

这恰恰是M3.1 Flash的强项。它的前身，正是前阵子全网围观的神秘模型「太空兔」Space Bunny，网友反馈最集中的一点，就是快。

MiniMax官方一句「欢迎回来，太空兔」，直接认领了身份。匿名期间，Space Bunny就处理了超过200T Token！

正式版延续了这股极速基因，又换上更激进的稀疏注意力架构，线上推理速度提升了近3倍。

你这边回车刚敲下去，它那边的代码已经一行行刷满屏幕。

AI开发者Ivan Fioravanti通过API上手一测，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多少带着点刻板印象。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，用成绩把这些质疑顶了回去。

MiniMax自己也把宝押在了它身上。官方API文档的模型列表里，M3.1 Flash已经排在了第一位。

M3.1 Flash原生支持100万Token上下文，文本、图片、视频都能直接读。

思考模式是常开的，每次回答前都会先想一遍。

不过，想要快还是要深，可以交给effort参数来调。low、medium、high、xhigh、max五档随便切，不填就默认max。

简单的日常指令挂low档，省钱又省时。复杂的系统架构重构就拉满到max，模型先把问题拆开一步步推，思考过程单独返回，交到你手里的只有干净的结果。

现在，M3.1 Flash已经正式上线MiniMax API、M Plan和MiniMax Code。

官方CLI仓库，默认文本模型已切换至MiniMax-M3.1-Flash

一手实测：把《盗梦空间》折进网页

我们把M3.1 Flash接进Codex，出了一道脑洞题，让一座城市像立体书一样折起来，还要做成能上手玩的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；切到夜晚，一排排窗口亮起来，整个场景又换了一副面孔。再拖动画面，还能绕到另一侧，看看街道和楼房到底怎么连在一起。

一个带着《盗梦空间》味道的脑洞，就这样成了能亲手摆弄的3D玩具。

开发者AJ也拿它做了一轮宝塔生成测试。M3.1 Flash搭出的宝塔，是他测过的所有模型里最有视觉冲击力的一座，连DeepSeek V4.1 Flash都比了下去。

更夸张的是，整个过程一气呵成！

没有多轮对话，没调用任何工具，也没套任何框架，一次API调用、思考拉满，花了约5万Token，M3.1 Flash就把整座宝塔搭了出来。

国产Flash双子星，开始抢旗舰的饭碗

两款Flash前后脚上桌，国产Flash赛道的「双子星」，已经成形！

从这轮评测看，DeepSeek在DeepSWE软件工程任务上更占优势；MiniMax则在企业工作流、金融工具调用这些任务里更抢眼。

两家各有主场，开发者完全可以搭着用，按任务挑模型，最后让成功率、耗时和账单说话。

比起抢一个总榜名次，这才更像开发者每天真实的用法。

更大的变化，是Flash正在伸手接走过去需要旗舰出场的工作。

此前，为了完成复杂任务，开发者往往愿意多付一些钱，换更高的成功率、更少的来回折腾。如今Flash在不少任务上已经追到旗舰身边，这笔溢价就得重新算了。

修一个Bug、跑一条业务流程、完成一串电脑操作，只要更便宜的模型能把结果交出来，用户就有理由先试试它。

随着DeepSeek和MiniMax继续往前推，越来越多的活会先交给Flash，预算留给真正难啃的部分。

Pro的能力，Flash的速度和价格。这条路，国产模型正越走越宽。

而M3.1 Flash只是前菜，官方已经放话，追求智能上限的Pro版本稍后就到！

国产Flash双子星，上桌了！

本文来自微信公众号“新智元”，作者：ASI启示录，编辑：桃子 摩西，36氪经授权发布。