MiniMax 正式发布了 M3.1 Flash，这款模型在官宣前曾以 Space Bunny 的匿名代号在线上跑了超过 200 万亿 Token，靠真实环境的反馈直接把企业工作流、编码、电脑控制和安全攻防几项核心能力打穿了。
很多模型发榜时分数很高，一进真实业务环境就容易掉链子。M3.1 Flash 走的是另一条路，先在真实流量里打磨长链路执行，再去跑评测。
| 评测维度 | 核心基准 | M3.1 Flash | Opus 5 | GPT-5.6 Sol | DeepSeek-V4.1-Flash-1017 |
|---|---|---|---|---|---|
| 企业自动化 | Automation-Bench v1.0.6 | 62.8 | 50.3 | 45.8 | 60.5 |
| 金融工具调用 | BankerToolBench | 76.2 | 76.2 | 74.6 | - |
| 长上下文控制 | LOCA-Bench 256K | 60.3 | 53.7 | 60.0 | - |
| 软件工程 | DeepSWE v1.1 | 73.7 | 74.0 | 73.0 | 77.0 |
| 桌面跨应用操作 | OSWorld 2.0 | 61.7 | 70.6 | 65.7 | - |
| 专业任务交付 | Agents' Last Exam | 29.6 | 32.2 | 30.6 | - |
| 网络安全攻防 | CyberGym | 82.2 | - | 83.6 | - |
从表格能看出来，M3.1 Flash 在跨 SaaS 真实业务流程的 Automation-Bench 上拿到了 62.8 分，直接反超了 Opus 5 和 GPT-5.6 Sol。
在考验多步规划和金融合规的 BankerToolBench 上，它也拿到了 76.2 分的最高分。
为了撑住长链路任务的高频调用，MiniMax 对这款模型做了更激进的稀疏化改造。在线推理速度比上一代快了近三倍，日常输出能到 200 TPS 以上，中位速度保持在 170 TPS 以上，综合成本直接砍掉了 70%。
| 计费项 | M3.1 Flash 价格 |
|---|---|
| 输入 | $0.15 / 百万 Token |
| 输出 | $0.60 / 百万 Token |
| 缓存输入 | $0.015 / 百万 Token |
按这个价格算下来，跑完 Agents' Last Exam 全部 152 个复杂专业任务总共只要 111 美元，而同等水平的海外旗舰模型往往要花掉上千美元。
目前模型已经上线 API、M Plan 和桌面端编程工具 MiniMax Code，后续还会开源模型权重，并推出冲击智能上限的 Pro 版本。