国模Agent第一！MiniMax爆改Flash战力，全时段大肥鱼谷价
内容提要
MiniMax正式发布M3.1 Flash（即此前匿名测试的“玉兔”）。其Agent能力突出，ALE得分29.6%居国产第一，Coding、网络安全、Computer Use均进入全球第一梯队，输出速度最快200+ TPS。价格极低：输入每百万Token 1元、输出4元、缓存读取0.1元，综合成本仅为上代M3的30%。文章认为小尺寸Flash模型已能正面对标旗舰模型，国产模型正以性价比推动大模型产业落地。
延伸解读
Flash 不再等于“廉价阉割版”
文章指出，过去业界默认 Flash 模型是旗舰大模型的廉价阉割版，只适合预算有限或简单任务。但 M3.1 Flash 在 DeepSWE v1.1 代码评测中拿到 73.7%，反超 GPT-6.1 Sol、Claude Opus 5 等旗舰；在 CyberGym 网络安全测试中与 GLM-5.3、GPT-5.6 Sol 同处第一梯队。这说明小尺寸模型已能正面参与高难度任务竞争，选型时不应再仅凭“Flash”后缀预判能力上限。
速度与成本如何影响 Agent 落地
文章强调，企业级 Agent 往往要调用几十次工具、在多个子 Agent 间反复传话，最怕等待和账单。M3.1 Flash 采用稀疏注意力架构，输出速度最快 200+ TPS、中位数 170+ TPS，串联多个子 Agent 时等待感明显降低。价格上输入每百万 Token 1 元、输出 4 元、缓存读取 0.1 元，综合成本仅为上代 M3 的 30%。对高频调用场景，速度和单价共同决定项目能否持续运行。
与 DeepSeek Flash 的互补而非替代
文章认为，DeepSeek V4.1 Flash 1017 在纯 Coding 的极致性价比上领先，DeepSWE v1.1 得分 77 分；MiniMax M3.1 Flash 则在跨 SaaS 企业工作流、金融工具链调用等综合 Agent 维度强化，BankerToolBench 得分 76.2 与 Claude Opus 5 并列第一。两者路线不同，并非简单替代关系。文章还提到可按忙闲时段路由调用，但这是作者设想，实际效果需结合自身任务验证。
跑分之外仍需关注的局限
文章主要依据 ALE、DeepSWE、CyberGym、AutomationBench-AA、BankerToolBench、OSWorld V2 等基准得出“第一梯队”判断，这些分数反映特定测试集表现，不等于所有真实业务都同样稳定。此外，文中对比的旗舰模型多为海外闭源产品，评测条件、版本和成本口径未必完全一致。读者在选型时，除看跑分和单价，还应关注自身工作流的容错要求、缓存命中率和长期调用总成本。
Q&A
MiniMax M3.1 Flash在Agent能力上的具体表现如何？
在Agents’ Last Exam (ALE)评测中得分29.6%，位列国产模型第一；在AA榜单上得分43分。此外，在Zapier开源的AutomationBench-AA评测中位居前列，单任务成本不到0.05美元即可串联跨部门复杂工作流；在金融基准BankerToolBench上得分76.2，与Claude Opus 5并列全球第一。
M3.1 Flash的API定价是多少？相比上一代成本降低了多少？
输入每百万Token 1元，输出每百万Token 4元，缓存读取每百万Token 0.1元。综合使用成本相比前代M3暴降70%，仅为上一代M3的30%。
M3.1 Flash在代码编写和网络安全方面的评测成绩怎么样？
在DeepSWE v1.1代码工程评测中得分73.7%，超过了GPT-6.1 Sol、Claude Opus 5等旗舰模型，仅次于DeepSeek V4.1 Flash 1017的77分。在CyberGym网络安全基准测试中得分82.2，与GLM-5.3（84.5）和GPT-5.6 Sol（83.6）同处全球第一梯队。
M3.1 Flash的推理速度有多快？采用了什么技术实现高速推理？
输出速度最快可达200+ TPS，中位数（P50）维持在170+ TPS。这得益于其底层采用的激进稀疏注意力架构，使线上推理速度提升近3倍。
M3.1 Flash在Computer Use（真实桌面操作）方面的表现如何？
在模拟真实电脑操作的OSWorld V2评测中得分61.7，在衡量真实经济价值场景的ALE评测中得分29.6%，两项均位列国产模型第一，并以极低任务成本实现顶尖模型级别的性能。
文章如何评价国产小尺寸Flash模型与旗舰大模型的关系？
文章认为小尺寸Flash模型已不再是旗舰模型的廉价阉割版，而是能正面对标数倍参数、十倍价格的旗舰模型。DeepSeek V4.1 Flash和MiniMax M3.1 Flash形成互补：前者在纯Coding上极致性价比，后者在跨SaaS企业工作流和金融工具链调用等综合Agent维度强化，共同推动大模型产业落地。
