MiniMax 发布 M3.1 Flash 模型，推理速度提升近 3 倍且 Agent 任务成本降低 70%

一句话结论

MiniMax 发布 M3.1 Flash 模型，推理速度提升近 3 倍，Agent 任务成本降低 70%。

关键要点

• MiniMax M3.1 Flash 模型线上推理速度较前代提升近 3 倍，Agent 任务综合成本降低 70%。
• 模型在 BankerToolBench 基准测试中取得 76.2 分，在 DeepSWE v1.1 评测中成绩为 73.7%。
• Computer Use 场景下，模型在 OSWorld V2 和 ALE 中分别取得 61.7 分和 29.6 分，官方称均为国产模型第一。
• API 定价方面，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。
• 该模型已上线 MiniMax API、MPlan 和 MiniMax Code，模型权重计划稍后开放。

背景与事实

稀宇科技（MiniMax）于 10 月 19 日正式上线 MiniMax M3.1 Flash 模型。该模型主要面向复杂 Agent 任务、软件工程及跨应用电脑操作等场景。在线上推理性能方面，M3.1 Flash 较此前版本速度提升近 3 倍，在 Agent 类任务中的综合使用成本降低 70%。此前以匿名身份处理超过 200 万亿 Token 的 Space Bunny，正是该模型的早期版本。目前，该模型已接入 MiniMax API、MPlan 和 MiniMax Code 平台，官方表示模型权重将在后续开放。

在基准测试表现上，M3.1 Flash 在 AutomationBench-AA 中表现突出，在 BankerToolBench 中取得 76.2 分。在软件开发评测 DeepSWE v1.1 中，该模型取得了 73.7% 的成绩。在 Computer Use 领域，模型在 OSWorld V2 和 Agents' Last Exam（ALE）中分别取得 61.7 分和 29.6 分，官方称这两项成绩均位列国产模型第一。此外，该模型在 CyberGym 基准测试中取得 82% 的成绩，体现出在代码审计、漏洞发现与验证等网络安全能力方面的表现。

MiniMax 表示，M3.1 Flash 在企业工作流中可用于跨 SaaS 系统调用工具，处理销售、营销、运营、客服、财务及人力资源等任务。在软件开发场景中，可用于代码理解、功能开发、问题修复和测试验证。在 Computer Use 场景中，模型可根据任务要求与真实桌面环境交互，执行跨应用操作。价格方面，M3.1 Flash 的 API 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。MiniMax 还透露，后续将推出定位于更高智能上限的 Pro 版本。

影响分析

对于中文开发者与从业者而言，M3.1 Flash 的发布意味着在 Agent 类任务中有了成本更低、速度更快的选项。综合使用成本降低 70% 这一数据，对于需要大规模调用 API 进行自动化工作流处理的企业来说，能够显著降低运营成本。推理速度提升近 3 倍，则有利于提升用户体验和系统响应效率。

然而，需要注意的是，虽然官方称其在 OSWorld V2 和 ALE 中的成绩位列国产模型第一，但 ALE 得分仅为 29.6 分，说明在极其复杂的通用电脑操作任务上仍有较大提升空间。对于依赖本地部署的团队，由于模型权重尚未开放，目前只能通过 API 调用，这可能受到网络延迟和数据隐私合规的限制。Pro 版本的预告则表明，该模型目前的性能上限并非最终形态，企业用户在选型时可关注后续 Pro 版本的表现，以评估是否需要在当前 Flash 版本和未来的 Pro 版本之间做出权衡。

适用边界

该结论主要基于官方发布的基准测试数据和价格信息，适用于评估 M3.1 Flash 在 Agent 任务、软件工程及 Computer Use 场景下的性价比和性能表现。由于模型权重尚未开放，依赖本地化部署且对数据隐私有极高要求的离线场景暂不适用。此外，虽然官方称其在特定基准测试中位列国产第一，但这不代表在所有非基准测试的实际业务场景中均优于所有竞品，用户需结合自身具体业务场景进行实测验证。Pro 版本尚未发布，目前的评价仅针对 Flash 版本。

孤本观察

从 M3.1 Flash 在 CyberGym 基准测试中取得 82% 的高分来看，该模型可能在网络安全领域的代码审计和漏洞发现方面具有独特的竞争优势，这可能是其区别于其他通用大模型的一个差异化卖点。

来源：少数派