DeepSeek第一，MiniMax第二，国产Flash双子星杀疯了

DeepSeek刚刚出招，又一款重磅产品横空出世！

两天前，DeepSeek带来了V4.1 Flash-1017，让“许愿式编程”成为焦点。

仅仅一个周末过后，MiniMax强势跟进，M3.1 Flash正式亮相！

在编程性价比方面，DeepSeek位居榜首，M3.1 Flash紧随其后位居第二。

在Agent任务中，它一举夺得Automation-Bench第一名，完成Agent终极考试ALE仅花费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。

短短两天内，两家国产大模型相继发力，Flash领域的竞争已经白热化。

在编程能力上追平旗舰模型，在Agent表现上超越Opus 5。

官方发布的总榜显示，M3.1 Flash与DeepSeek、GLM、GPT-5.6 Sol、Claude Opus 5等模型在15项测试中同台竞技。其最强项是CoWork，在5项中拿下3个第一；DeepSWE编程追平旗舰，网络安全也进入第一梯队。

软件工程基准DeepSWE v1.1考察整条开发链路，包括代码理解、功能开发、问题修复和测试验证，全部由模型独立完成。M3.1 Flash在max档位获得73.7分，超过OpenAI旗舰GPT-5.6 Sol的73.0分，并将GLM-5.3的66.9分远远甩开。

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

在这个价位区间，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 5一个任务需要70多元，是M3.1 Flash的40多倍。

DeepSeek和MiniMax这对组合，成功将旗舰级分数压缩到一两元成本。

真正让M3.1 Flash大放异彩的是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、财务和HR。它测试模型能否在多个SaaS系统之间完整执行一项工作。

M3.1 Flash在此获得62.8分，排名第一。

它领先Opus 5近12分，超过GPT-5.6 Sol 16分以上，甚至压过刚发布的DeepSeek V4.1 Flash-1017的60.5分。

更令人惊讶的是成本。在成本与得分图表中，其他所有模型都位于M3.1 Flash的右下方，花费更多但分数更低。

M3.1 Flash仅开到medium档，每个任务花费约2毛5，分数就已超过更新一代的Opus 5.5在max档的成绩。Opus 5.5运行一个任务需6元左右，贵了20多倍。

即使开到最高max档，每个任务也仅需3毛左右。运行1000个跨SaaS系统的真实企业任务，账单仅300元左右。

在LOCA-Bench 256K上，M3.1 Flash同样排名第一，60.3分超过GPT-5.6 Sol的60.0分和Opus 5的53.7分。

金融场景的BankerToolBench测试多步骤规划、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的74.6分落后。

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的84.5分和GPT-5.6 Sol的83.6分一同位列全球第一梯队。

Flash接下复杂任务，700元战胜上万元。

在计算机使用领域，M3.1 Flash的表现令人惊叹。OSWorld 2.0和ALE两项测试中，它均获得国产模型第一，完成一整套ALE仅花费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，熟练人员完成一个任务通常需要1.6小时左右。

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

Agents' Last Exam（ALE），名称即“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的30.6%和Claude Opus 5的32.2%。

ALE共152道任务，739元是完成整套测试的估算总成本。

在ALE的成本图表中，20多个模型里，它花费最少。

通过率比它高的7个模型中，最便宜的GPT-5.6 Luna也需1600元左右，是其两倍多。

GPT-5.6 Sol仅多拿1个点，花费五千多元；Claude Opus 5和GPT-6 Astra需七千多元，Claude Opus 5.5接近九千元。

Claude Opus 4.7和Gemini 3.1 Pro的账单均超过一万元，但通过率仅为21%和16.5%，被M3.1 Flash超越。

图表上的虚线连接每个价位上分数最高的模型，M3.1 Flash位于这条线的起点。

花费700多元，战胜上万元，账单差距达十几倍。

价格也大幅下降，降低了一半以上。

每百万Token，输入仅需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%。

同样是国产Flash，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，正好赶上DeepSeek的高峰时段，输入2元、输出8元，贵了一倍。

M3.1 Flash不分时段，全天都是DeepSeek空闲时段的价格。

缓存使用较多的重度场景，按10亿输入Token计算。命中率90%时，M3.1 Flash的输入费用为190元，比DeepSeek高峰时段的236元便宜46元。命中率提升至95%，两家为145元对138元，基本持平。

能力足够，账单低廉，Flash才有机会成为主力。

速度飙升至200+ TPS，MiniMax重回文本领域。

仅价格便宜还不够，要让长流程任务顺利运行，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。

写代码的人都知道那种煎熬：模型修复一轮，发现还有问题，再等待下一轮。反复几次，灵感消失，咖啡也凉了。

这正是M3.1 Flash的强项。它的前身是前阵子全网围观的神秘模型“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已处理超过200T Token。

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

用户回车键刚敲下，代码已一行行刷满屏幕。

AI开发者Ivan Fioravanti通过API测试后，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，用成绩回应了这些质疑。

MiniMax自己也把重点放在它身上。官方API文档的模型列表中，M3.1 Flash已排在第一位。

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，每次回答前都会先思考一遍。

不过，想要快还是深，可以通过effort参数调整。low、medium、high、xhigh、max五档随意切换，不填则默认max。

简单的日常指令使用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，用户只得到干净的结果。

现在，M3.1 Flash已正式上线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。

实际测试：将《盗梦空间》折叠进网页。

我们将M3.1 Flash接入Codex，设计了一道创意题：让一座城市像立体书一样折叠起来，并做成可操作的3D网页。

原本摊在地面的街区缓缓抬升，公路竖成高墙，楼群向中央围拢。从俯瞰城市变为置身一个变形世界。

拖动滑块，城市可停在任意折叠程度；切换夜晚模式，一排排窗口亮起，整个场景焕然一新。再拖动画面，还能从另一侧观察街道和楼房的连接方式。

一个带有《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，甚至超过了DeepSeek V4.1 Flash。

更夸张的是，整个过程一气呵成。

没有多轮对话，未调用任何工具，也未使用任何框架，仅一次API调用、思考拉满，花费约5万Token，M3.1 Flash就完成了整座宝塔的搭建。

国产Flash双子星，开始抢占旗舰的市场。

两款Flash前后脚登场，国产Flash赛道的“双子星”已经成型。

从这轮评测看，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。

两家各有主场，开发者可搭配使用，按任务选择模型，最终以成功率、耗时和账单为准。

相比争夺总榜名次，这更符合开发者日常的实际用法。

更大的变化是，Flash正在接手过去需要旗舰模型完成的工作。

此前，为完成复杂任务，开发者往往愿意多付费用，以换取更高成功率和更少反复。如今Flash在不少任务上已接近旗舰水平，这笔溢价需要重新评估。

修复一个Bug、运行一条业务流程、完成一串电脑操作，只要更便宜的模型能交出结果，用户就有理由优先尝试。

随着DeepSeek和MiniMax持续推进，越来越多任务会先交给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，国产模型正越走越宽。

而M3.1 Flash只是前菜，官方已宣布，追求智能上限的Pro版本稍后到来。

国产Flash双子星，已正式登场！

本文来自微信公众号“新智元”，作者：ASI启示录，编辑：桃子 摩西，36氪经授权发布。