智东西

作者 | 王涵

编辑 | 漠影

火爆 AI 圈的匿名模型 Space Bunny，终于被认领了！

智东西 10 月 19 日报道，刚刚，MiniMax 正式发布M3.1 Flash，定位为Coding/Agent 优化轻量级模型，拥有 100 万 token 上下文。

几乎前后脚，10 月 17 日，DeepSeek V4.1 Flash-1017 上线。（梁圣又掀桌了！DeepSeek 新模型斩杀 GPT-6，许愿式编程时代降临）

根据 M3.1 Flash 的基准测试成绩，该模型在 Agentic 任务、编程、Computer Use 及网络安全能力等方面实现了大幅提升，与 DeepSeek V4.1 Flash-1017 基本追平。

价格上也进一步打穿了 " 斩杀线 "。M3.1 Flash 的输入价格为每百万 Token 1 元，输出价格为每百万 Token 4 元，缓存读取价格为每百万 Token 0.1 元。据 MiniMax 团队发布信息，在 Agentic 类任务中，该模型的综合使用成本较前代模型降低了 70%。

DeepSeek V4.1 Flash-1017 定价为闲时输入（缓存命中）每百万 Token 0.02 元、未命中每百万 Token 1.0 元、输出每百万 Token 4.0 元，高峰时段输入（缓存命中）每百万 Token 0.04 元，未命中每百万 Token 2.0 元，输出每百万 Token 8.0 元。

能力上你追我赶，价格上更是不甘示弱，这两款 "Flash" 模型接连落地，国产模型在 Flash 段位第一次有了 " 双强 " 的格局。

一、拆解硬核成绩单：性价比之王，多项成绩超过 Kimi K3 和 GLM-5.3

Space Bunny 匿名期积累的社区口碑，让正式版的 M3.1 Flash 承载了极高的期待，那它成绩究竟如何呢？

在复杂任务与自动化上，M3.1 Flash 实现反超。在评估智能体长程、多步骤真实任务的 Agents ’ Last Exam 中，M3.1 Flash 跑出了 29.6% 的通过率和 739 元的成本，处在 " 低成本 - 高通过率 " 的最前沿区间，性能远超同价位模型。

而在考察真实业务流程跨应用自动化的 Automation-Bench v1.0.6 中，M3.1 Flash 拿下 62.2 分，反超了 DeepSeek V4.1 Flash-1017 的 60.5 分，更是将 Opus 5 甩在身后。

在编程领域，M3.1 Flash 与 DeepSeek V4.1 Flash-1017 各有侧重。在 DeepSWE v1.1 测试上，DeepSeek V4.1 Flash-1017 得分为 77.0 分，排名第一。M3.1 Flash 取得 73.7 分，距离 Opus 5 仅差 0.3 分。

在代码修复测试 SWE Refore Bench 中，M3.1 Flash 拿到 23.0 分，直接是 DeepSeek 成绩的两倍以上。

在专业与安全领域，M3.1 Flash 也稳居第一梯队。在金融工具调用的 BankerToolBench 中，它以 76.2 分与 Opus 5 并列第一；网络安全 CyberGym 测试中，其以 82.2 分与 GLM-5.3 同处第一梯队；无工具学术推理测试 HLE w/o tools 中，M3.1 Flash 取得 43.4 分，略高于 DeepSeek V4.1 Flash-1017。

从榜单可以看出，M3.1 Flash 绝不是一个 " 偏科 " 的模型，它在 Agent 和自动化上的成绩，甚至已经超越了行业旗舰大模型。

完整榜单如下：

二、发布相隔 48 小时，DeepSeek 和 MiniMax 打出 " 双强 " 格局

DeepSeek V4.1 Flash-1017 与 M3.1 Flash，同样定位 Flash，在两天内接连发布，且基准测试成绩如此接近，让人自然而然地看到了一个全新的格局：双强并立。

DeepSeek V4.1 Flash 采用稀疏 MoE 架构，总参数量 552B，但推理时输入仅激活 8B 参数、输出激活 16B。它在性能与速度上都超过了上一代 Pro 版本，但定价压得很低。这款模型的发布，直接让开发者们看到了 Flash 模型的 " 旗舰能力 "。

顺着 DeepSeek 撕开的口子，M3.1 Flash 往前更近了一步。

在 M3.1 Flash 还处于匿名期时，上线短短几天内，它便在 OpenCode 的调用量榜单稳居第二，在 OpenRouter 上一度排名第一。

有网友用 Claude Opus 5、GPT-6 Sol 和 Gemini 3.8 Flash 与 Space Bunny 进行比较，用最高思考级别构建火箭发射场景。该网友称 Space Bunny 仅花了三分钟，最终呈现的效果能和 Opus 5 相比，速度也很快。

智东西也第一时间进行了实测，认为该模型效果直逼 GPT-6 Astra（神秘模型 " 太空兔 " 火了，效果直逼 GPT-6 Astra，10 万人围观）

Space Bunny 匿名期间让开发者惊艳的响应速度在正式版中也得到完整保留。据 MiniMax 团队透露，他们进一步优化了 M3.1 Flash 的推理效率，使用了更激进的稀疏注意力架构，日常使用场景下的输出速度可达 200+TPS （Tokens per Second），中位数（P50）稳定达到 170+TPS。

定价上，M3.1 Flash 的输入输出价格约为 DeepSeek V4.1 Flash-1017高峰期价格的一半，与空闲时期价格持平。

M3.1 Flash 与 DeepSeek V4.1 Flash-1017 价格对比（智东西制表）

可以说，这两个模型就像开发者工具箱里两套各有侧重的工具，开发者能根据任务需求灵活调度。

例如，需要代码生成效率和缓存成本控制时，开发者们可以选择 DeepSeek V4.1 Flash-1017；面对长程 Agent 任务、跨应用自动化或多模态驱动的开发流程时，M3.1 Flash 则可以作为第一选项。

此前外界对 MiniMax 的印象，或许多集中在多模态领域。但无论是 Space Bunny 匿名期间的调用量霸榜，还是 M3.1 Flash 正式发布的基准测试成绩单，都证明了MiniMax 在 Agent 与自动化方向的竞争力，也让用户对其后续 Pro 模型的发布充满期待。

结语：Flash 模型上桌，不再是 " 平替 "

DeepSeek 和 MiniMax 的两款 Flash 模型接替上场，让业内看到了 Flash 模型的实力。

Flash 模型正在撕掉 " 预算不足才退而求其次 " 的旧标签。从基准测试结果来看，它已能在部分核心指标上，跻身旗舰模型的同台对比序列，同时保留自身在推理速度与成本上的固有优势。

从性价比上看，Flash 模型或许最接近真实使用场景的模型类型，国产模型首次形成 DeepSeek 和 MiniMax" 双强并立 " 的竞争格局。

对开发者和企业来说，模型工具箱中，自此新增了一个可以按需调度的优质选择。