MiniMax 发布 M3.1 Flash，Agents' Last Exam 得分 29.6% 居国产模型第一

36氪Auto数字时氪未来消费智能涌现未来城市启动Power on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经职场bonus36碳后浪研究所暗涌Waves硬氪氪睿研究院媒体品牌

企业号企服点评36Kr研究院36Kr创新咨询企业服务

核心服务城市之窗政府服务

创投发布LP源计划VClubVClub投资机构库投资机构职位推介投资人认证投资人服务

活动搜索项目推荐我要入驻城市合作国模Agent第一，MiniMax爆改Flash战力，全时段大肥鱼谷价量子位·2026年10月20日 20:33兔皮底下，竟然是M3.1 Flash！MiniMax股权融资上海市2021-11人工智能技术研发商36氪报道物联网/硬件智能硬件WISE2025 商业之王 年度AI应用场景突破企业WISE2024年度企业榜单-人工智能我要联系

国庆期间在OpenRouter上横空出世、匿名屠榜的神秘模型Space Bunny（玉兔），马甲终于被扒下来了。

兔皮底下，竟然是MiniMax！

正式交卷的代号是M3.1 Flash。

而这个正式版的跑分能力，比Space Bunny还要猛一点，尤其是Agent这个技能点——

Agents' Last Exam (ALE)得分29.6%，斩获国模第一。

AA榜单上也是拿到了43分，Flash能有这个成绩还是可以。

总之干活能力终于是上来了，晋升高级牛马（doge）。

除此之外，Coding、网络安全、Computer Use……也全部杀进全球第一梯队。

在此基础上，「玉兔」时期的速度也是依然保持住的，输出最快可达200+ TPS。

然后，最重要的来了——

不愧是Flash啊，这价格是真便宜！！

输入每百万Token 1元，输出4元，缓存读取只要0.1元。

太仁义了嗷，我宣布，以后闲时梁文谷，忙时闫俊峰！（bushi）

△

不过，硅谷闭源阵营恐怕又得遭殃了。

继DeepSeek之后，硅谷一众大参数旗舰，又被国产Flash架上了一条全新的性价比斩杀线o(╥﹏╥)o。

文本模型翻身仗

说实话，之前我对MiniMax有过不少嘀咕。

多模态和视频生成确实很顶，但纯文本大模型这边吧，不知道从什么时候开始就没动静了。。。

这次M3.1 Flash亮相，也算是打了场翻身仗吧。

咱们挨个看下战绩：

代码工程与真实修Bug

在DeepSWE v1.1评测里，M3.1 Flash拿下了73.7%。

也是倒反天罡了。

GPT-6.1 Sol、Claude Opus 5、Claude Fable 5……居然被一款Flash跑分反超。

排在它前头的，只剩下DeepSeek V4.1 Flash 1017的77分。

这也印证了玉兔匿名测试期间社区的反馈：在处理Three.js这类3D渲染和复杂前端任务时，它对细节的把控极其变态。

网络安全实战

在加州大学伯克利分校主导的CyberGym基准测试中，M3.1 Flash斩获82.2分，稳稳跟GLM-5.3（84.5）以及GPT-5.6 Sol（83.6）并排坐在全球第一梯队。

复杂Agent与企业级跨SaaS工作流

在自动化巨头Zapier开源的AutomationBench-AA评测中，M3.1 Flash位居前列。

单任务成本不到0.05美元，就能自己串起横跨销售、营销、客服、财务和HR的复杂工作流。

在容错率极低的金融专属基准BankerToolBench上，M3.1 Flash更是直接飙到了76.2分，与公认的天花板Claude Opus 5并列全球第一。

Computer Use真实桌面操作

模拟真实电脑操作的OSWorld V2拿到61.7分；

在衡量真实并有经济价值场景的ALE上，M3.1 Flash也以极低的任务成本，实现了顶尖模型级别的性能表现。

两项均位列国产模型第一，又是一个斩杀一切的性价比大法。

说真的，我想过MiniMax的文本模型迟早会重回牌桌。

真正让人兴奋的，是这个模型对实际落地场景的降维打击。

大家平时搭多Agent协同或者长链路工作流，最怕遇到什么？

两件事：无休止的转圈等待，以及月底让人心惊肉跳的API账单。

一个真正的企业级Agent，在后台往往要调几十次工具、在好几个子Agent之间反复传话。

模型吐字慢，用户看着界面转圈直接关掉网页；调用单价贵，财务看一眼账单当场就能把项目叫停。

M3.1 Flash爽就爽在这里。

它底层上了相当激进的稀疏注意力架构。

线上推理速度直接拉升将近3倍，输出速度最快可达200+ TPS，中位数（P50）也稳稳维持在170+TPS。

170 TPS是什么概念？

你在MiniMax Code桌面端、Claude Code或者各种本地Coding工具里派发一个重构任务，屏幕上的代码几乎是以倾泻的状态瞬间刷满。

以前串联四个子Agent像是在等红绿灯，现在几乎做到了无感刷新。

输入和输出价格直接腰斩，缓存读取费用更是直降75%。

过去大家有个默认共识：Flash模型无非就是旗舰大模型的廉价阉割版。

选Flash是因为囊中羞涩或者任务太水，真到了关键、复杂的硬核场景，最后还得加钱上大参数旗舰Pro。

但现在呢？

DeepSeek V4.1 Flash 1017前脚刚立下性价比标杆，MiniMax M3.1 Flash后脚就紧跟杀到，一个斩完另一个接着斩。

小尺寸模型根本不是玩具，完全可以正面PK数倍参数、十倍价格的旗舰模型。

黑子，说话！！

更有意思的是，这两个国产Flash模型，走出了极其漂亮的互补路线：

DeepSeek在纯Coding的极致性价比上拔得头筹；

MiniMax M3.1 Flash则在跨SaaS企业工作流、金融工具链调用等综合Agent维度上有所强化。

一个死磕代码工程，一个深耕复杂业务流。

而且家人们，我搁互联网上一刷，发现了一个天才的idea！

大肥鱼不是有谷价和峰价吗，但之前苦于一直没有同等级性价比模型，峰价咬咬牙也吃了。

但现在M3.1一出来，正好补上位了啊。

我直接一个路由，忙时MiniMax，闲时大肥鱼，彻底将Token红利吃干抹净。

泪目了，这就是咱激动人心的国产Flash组合技（bushi）。

这样一来，我觉得，API其实也是普通用户可以考虑一下的选择了。

毕竟大模型这玩意儿嘛，迭代实在有点太快了，就算买的只是包月。

白买Pro 10X，我好心疼我的钱包。

而且现在C端用户真的很惨啊o(╥﹏╥)o。

又是5小时限额，又是半夜Reset背刺，动不动还要提防后台的降智偷袭。。。

买API，充个几十块钱，哪个拉胯了随时拜拜，简直不要太舒服。

泪目了家人们。

不知道大家有没有相同感受，说实话，这一个月来我是有点憋屈得慌的。

A社、OpenAI、谷歌疯狂发布旗舰模型，反观国产阵营这边，啥动静也没有啊。

不少大佬也在说，LLM这一战基本结束了，硅谷靠Scaling杀死了一切。

但如今，拐点，似乎正在出现。

短短两天，两款国产Flash模型接连登场。

旗舰级的能力，正在以Flash的速度和价格加速普惠。

确实，SOTA这场仗，不是那么好打的。

但当「性价比」这一前提得到满足，另一场更重要的仗——

大模型产业落地，或许，才刚刚开始。

而这，一直是中国公司，最擅长做的事。

本文来自微信公众号 “量子位”（ID：QbitAI），作者：关注前沿科技，36氪经授权发布。

该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。+123

好文章，需要你的鼓励量子位特邀作者5收 藏+10评 论打开微信“扫一扫”，打开网页后点击屏幕右上角分享按钮微 博沉浸阅读返回顶部举报参与评论评论千万条，友善第一条登录后参与讨论提交评论0/1000你可能也喜欢这些文章国内当学徒，海外标高价：物理AI出海，为什么越讲效率越危险?9月：2026中国AI大模型平台排行榜Altman提出AI发展的三条“终局之路”：从国际监管到“一家独霸”AI算力中心背后，一场价值千亿的"制冷战争"这届AI，把电信诈骗犯逼疯了扣非亏7.6亿，同比翻番，科大讯飞要靠AI赚钱还要等突发，DeepSeek重磅开源核心推理引擎半年四轮亿元级融资后，欧拉万象想把家庭机器人带向哪里？算力租金剧烈震荡，AI也要买“保险”量子位特邀作者

TA没有写简介，但内敛也是一种表达发表文章4101篇

最近内容国模Agent第一，MiniMax爆改Flash战力，全时段大肥鱼谷价1小时前RSI三块关键拼图，MemT 1.0从模型层补上“记忆”6小时前马斯克豪掷105亿美元，全美7200万小孩，一人一股SpaceX10小时前阅读更多内容，狠戳这里查看AI测评MiniMaxDeepSeek选靠谱AI，看真实评测查看36氪AI测评官方交流社区加入咨询项目审核和入驻联系36氪项目推荐订阅号关注MiniMax我要联系人工智能技术研发商

36氪欧洲站36氪欧洲站36氪欧洲站Ai产品日报网络谣言信息举报入口热门推荐

推送和解读前沿、有料的科技创投资讯

一级市场金融信息和系统服务提供商

聚焦全球优秀创业者，项目融资率接近97%，领跑行业