发生了什么
10 月 19 日晚，MiniMax 正式发布 M3.1 Flash，并认领了一个多月来在 OpenRouter 与 OpenCode 上匿名霸榜的「Space Bunny」——官方称该匿名版本累计处理超过 200 万亿 Token，是 M3.1 Flash 的早期技术预览。对厂商而言，这相当于用真实调用量而非跑分先完成一轮公测。
官方给出的核心账本是三组数字：线上推理速度提升近 3 倍，日常输出 200+ TPS、中位数（P50）稳定在 170+ TPS；复杂 Agent 任务的综合使用成本降到前代的三成；API 价格同步下调到每百万 Token 输入 1 元、输出 4 元、缓存读取 0.1 元，海外定价为 0.15、0.60、0.015 美元。相较 M3 的对应档位，输入与输出单价降幅均超过 50%，缓存读取降幅超过 70%。
能力项与自报成绩
- 软件工程：DeepSWE v1.1 得 73.7；
- 电脑操作：OSWorld V2 得 61.7，官方称国产第一；
- 复杂专业任务：Agents' Last Exam 得 29.6，官方称同为国产第一；
- 网络安全：CyberGym 得 82%；
- 金融业务：BankerToolBench 得 76.2，覆盖跨文档核对与合规审查。
官方把这代提升归因于更激进的稀疏注意力与稀疏专家路由：长链工具调用时上下文会成倍膨胀，把注意力计算压下去，成本才能落到可以常驻运行的水平。这也是今年 Flash 档位模型的共同方向——从「便宜但只能聊天」进入「能接长链任务」。
与 DeepSeek 的直接对位
两天前 DeepSeek 更新了 V4.1-Flash-1017，同样主打完整项目交付能力。从公开对比看，两者取向不同：DeepSWE v1.1 上 DeepSeek 报 77.0，M3.1 Flash 为 73.7；而在跨 SaaS 业务流程与网络安全类任务上，M3.1 Flash 的分数更靠前。对企业的实际含义是，选型逻辑正在从比单价转向比「一个任务跑完的总成本」，重试次数与人工接管率开始进入采购评估表。
需要打问号的地方
上述成绩全部为厂商自测，尚无第三方复跑；匿名端点与正式 API 是否完全一致也未验证；早期使用者反馈分化，有开发者称在长工具链第 40 步左右遇到会话中断。官方提到权重计划于 10 月 23 日开放，若按期落地，自托管验证才有条件展开；在此之前，「开源」仍是承诺而非事实。此外，官方预告了追求智能上限的 Pro 版本，但未给时间表。
对准备试用的团队，比较稳妥的路径是拿现有工作流里最长的那条链路做对照：固定工具集与提示词，只替换模型，记录任务完成率、重试次数与人工接管率三项，再折算单任务成本。只比每百万 Token 单价，很容易在重试上把钱花回去。