DeepSeek第一，MiniMax第二，国产Flash双子星杀疯了 - MK体育官网

DeepSeek刚刚亮出新作，又一个重磅产品紧随其后亮相！

两天前，DeepSeek发布了V4.1 Flash-1017，将“许愿式编程”推到了前台。

一个周末刚过，MiniMax就强势出手，M3.1 Flash正式登场！

从编程性价比来看，DeepSeek占据首位，M3.1 Flash排在第二。

在Agent任务方面，它直接摘得Automation-Bench全场第一，完成Agent终极考试ALE仅需739元！

价格相比上一代M3降低了一半以上，性价比表现极为突出。

两天之内，两家国内大模型接连行动，Flash领域的竞争瞬间白热化！

编程水平追平旗舰

Agent表现超越Opus 5

官方公布的总榜单显示，M3.1 Flash与DeepSeek、GLM、GPT-5.6 Sol、Claude Opus 5等模型在15项任务中进行了对比。它表现最突出的是CoWork，5项任务中拿下3个第一；DeepSWE编程追平旗舰，网络安全也跻身第一梯队。

软件工程基准DeepSWE v1.1，考察的是完整的开发流程，包括代码理解、功能开发、问题修复、测试验证，全部由模型独立完成。M3.1 Flash在max档获得73.7分，超过OpenAI旗舰GPT-5.6 Sol（73.0分），领先GLM-5.3（66.9分）。

取得这样的成绩，M3.1 Flash在DeepSWE上的单任务成本，还不到2元。

而在这一价位区间，成绩更高的只有刚发布的DeepSeek V4.1 Flash-1017。

同样达到73%左右的分数，Claude Opus 5一个任务需花费70多元，是M3.1 Flash的40多倍。

DeepSeek和MiniMax这两家，成功将旗舰级别的分数，压缩到了一两块钱的成本。

真正让M3.1 Flash表现抢眼的，是CoWork和复杂Agent工作流。

Automation-Bench由Zapier构建并开源，包含600个任务，全部来自真实企业的业务流程，覆盖销售、营销、运营、客服、财务、HR。它考察的是模型能否在多个SaaS系统之间，完整执行一项任务。

M3.1 Flash在此拿下62.8分，位居全场第一！

它领先Opus 5近12分，超过GPT-5.6 Sol 16分多，连刚发布的DeepSeek V4.1 Flash-1017（60.5分）也被它压过。

更令人惊讶的是成本。在这张成本与得分图中，其他所有模型都位于M3.1 Flash的右下方，花费更多，得分却更低。

M3.1 Flash仅开启medium档，一个任务花费约2毛5，分数就已经超过了更新一代的Opus 5.5拉满max档的成绩。Opus 5.5跑一个任务需花费约6元，贵了20多倍。

即使开启最高的max档，一个任务也只需约3毛钱。完成1000个跨SaaS系统的真实企业任务，账单仅300元左右！

LOCA-Bench 256K上，M3.1 Flash同样占据全场第一，60.3分超过GPT-5.6 Sol（60.0分）和Opus 5（53.7分）。

金融场景的BankerToolBench，考察多步骤规划、跨文档一致性、金融合规和工具链式调用。M3.1 Flash获得76.2分，与Claude Opus 5并列第一，GPT-5.6 Sol（74.6分）排在后面。

网络安全测试CyberGym覆盖188个真实软件项目中的1507个历史漏洞，M3.1 Flash获得82.2分，与GLM-5.3（84.5分）、GPT-5.6 Sol（83.6分）一起位居全球第一梯队。

Flash承接复杂任务

700元胜过上万元

在计算机使用（Computer Use）领域，M3.1 Flash的爆发力更为惊人。OSWorld 2.0和ALE两项，它均获得国内模型第一，完成一整套ALE仅花739元！

OSWorld 2.0由港大XLANG Lab牵头推出，包含108个长流程任务，覆盖7大领域，熟练的人完成一个任务通常需要约1.6小时。

M3.1 Flash获得61.7分，比DeepSeek V4.1 Flash（54.3分）高出7分多。

Agents' Last Exam（ALE），名称意为“Agent的最后一场考试”。它由伯克利RDI牵头、数百名行业专家参与建设，覆盖13大行业、55个细分领域。

M3.1 Flash的通过率为29.6%，接近GPT-5.6 Sol（30.6%）和Claude Opus 5（32.2%）。

ALE共有152道任务，这739元就是完成整套的估算总成本。

在ALE的成本图中，20多个模型里，它花费最少！

通过率比它高的7个模型，最便宜的GPT-5.6 Luna也要约1600元，是它的两倍多。

GPT-5.6 Sol仅多拿1个百分点，花费了五千多元；Claude Opus 5、GPT-6 Astra要七千多元，Claude Opus 5.5接近九千元。

Claude Opus 4.7、Gemini 3.1 Pro的账单都超过了一万元，通过率却只有21%和16.5%，被M3.1 Flash远远甩开。

图中那条虚线，连接的是每个价位上分数最高的模型。M3.1 Flash，就站在这条线的起点。

花费700多元，胜过上万元，账单相差十几倍！

价格也大幅降低，砍掉一半还多

每百万Token，输入仅1元，输出4元，缓存读取1毛钱。在Agent任务中，综合使用成本比前代降低了70%。

同样是国内Flash产品，DeepSeek V4.1 Flash-1017按高峰和空闲两档计费。

许多企业的业务集中在工作日白天，正好遇到DeepSeek的高峰时段，输入2元、输出8元，整整贵了一倍。

M3.1 Flash不分时段，全天都是DeepSeek空闲时段的价格。

缓存使用量大的重度场景，按10亿输入Token计算。命中率90%时，M3.1 Flash的输入费用是190元，比DeepSeek高峰时段的236元便宜46元。命中率提到95%，两家是145元对138元，基本持平。

能力足够，账单够低，Flash才有机会成为主力。

速度飙升至200+ TPS

MiniMax重返文本领域

仅便宜还不够，要让长流程任务顺畅运行，速度也必须跟上。M3.1 Flash的日常输出速度可达200+ TPS，中位数稳定在170+ TPS，而上一代M3在官方文档中仅为100+ TPS。

写代码的人都懂那种感受，模型修改一轮，发现还有问题，再等下一轮。反复几次，灵感消失，咖啡也凉了。

这正是M3.1 Flash的强项。它的前身，正是前阵子被全网关注的“太空兔”Space Bunny，网友反馈最集中的一点就是速度快。

MiniMax官方一句“欢迎回来，太空兔”，直接确认了身份。匿名期间，Space Bunny就处理了超过200T Token！

正式版延续了这种极速基因，并采用了更激进的稀疏注意力架构，线上推理速度提升了近3倍。

你这边回车刚按下，它那边的代码已经一行行填满屏幕。

AI开发者Ivan Fioravanti通过API上手测试，直呼**“快就是快”**！

但比速度更重要的，是MiniMax这次打了一场漂亮的翻身仗。

过去一段时间，外界对MiniMax多少带有一些刻板印象。上一代M3发布时争议不小，甚至有人断言“MiniMax不擅长做文本模型”。

今天的M3.1 Flash，用成绩将这些质疑一一回应。

MiniMax自己也把重心放在了它上面。官方API文档的模型列表中，M3.1 Flash已经排在了第一位。

M3.1 Flash原生支持100万Token上下文，文本、图片、视频都能直接读取。

思考模式是常开的，每次回答前都会先进行推理。

不过，想要快还是要深，可以通过effort参数来调节。low、medium、high、xhigh、max五档随意切换，不填则默认max。

简单的日常指令挂low档，省钱又省时。复杂的系统架构重构则拉满到max，模型先将问题拆解逐步推理，思考过程单独返回，最终只提供干净的结果。

现在，M3.1 Flash已经正式上线MiniMax API、M Plan和MiniMax Code。

官方CLI仓库中，默认文本模型已切换至MiniMax-M3.1-Flash

一手实测：将《盗梦空间》折进网页

我们将M3.1 Flash接入Codex，出了一道创意题，让一座城市像立体书一样折叠起来，并做成可互动的3D网页。

原本铺在地面的街区缓缓上升，公路竖成高墙，楼群向中央聚拢。刚才还在俯瞰城市，转眼就像置身于一个会变形的世界。

拖动滑块，城市可以停在任意折叠程度；切换到夜晚，一排排窗户亮起，整个场景又呈现另一种面貌。再拖动画面，还能绕到另一侧，观察街道和楼房如何连接。

一个带着《盗梦空间》风格的创意，就这样变成了可亲手操作的3D玩具。

开发者AJ也用它进行了一轮宝塔生成测试。M3.1 Flash搭建的宝塔，是他测试过的所有模型中视觉冲击力最强的一座，连DeepSeek V4.1 Flash也被比了下去。

更夸张的是，整个过程一气呵成！

没有多轮对话，没调用任何工具，也没套任何框架，一次API调用、思考拉满，花费约5万Token，M3.1 Flash就将整座宝塔搭建完成。

国内Flash双子星，开始抢占旗舰的市场

两款Flash先后登场，国内Flash赛道的“双子星”已经形成！

从这轮评测来看，DeepSeek在DeepSWE软件工程任务上更具优势；MiniMax则在企业工作流、金融工具调用等任务中表现更抢眼。

两家各有侧重，开发者完全可以搭配使用，根据任务选择模型，最终让成功率、耗时和账单来决定。

比起争夺一个总榜名次，这更像开发者每天真实的使用方式。

更大的变化是Flash正在逐步承接过去需要旗舰才能完成的工作。

此前，为了完成复杂任务，开发者往往愿意多付一些钱，换取更高的成功率和更少的反复操作。如今Flash在不少任务上已经接近旗舰水平，这笔溢价就需要重新考虑了。

修复一个Bug、运行一条业务流程、完成一系列电脑操作，只要更便宜的模型能交出结果，用户就有理由先尝试它。

随着DeepSeek和MiniMax继续推进，越来越多的任务会先交给Flash，预算留给真正困难的部分。

Pro的能力，Flash的速度和价格。这条路，国内模型正越走越宽。

而M3.1 Flash只是开胃菜，官方已经表示，追求智能上限的Pro版本稍后就会到来！

国内Flash双子星，已经登场！