MiniMax-M3.1-Flash 在智能指数上得分 42——每项任务成本仅 $0.22

MiniMax-M3.1-Flash 于 2026 年 10 月 19 日发布，在 Artificial Analysis 智能指数中获得 42 分，比得分 29 的 MiniMax-M3 高出 13 分，每 token 费率只有其一半，而——真正重要的数字——每任务成本不到其一半，为 0.22 美元对 0.51 美元。它与 GLM-5.3-Flash 以 42 分并列，落后于得分 45 的 DeepSeek V4.1 Flash 1017 三分，并且完成一项基准任务的花费比两者都低。这四个数字用一行概括了全部。有趣的部分在于，当你不再看指数而开始看账单时会发生什么，因为这款模型每 token 很便宜，同时每 token 又异常昂贵。类似此次发布背后的有记录 AI 故障和智能体事件，均收录于OrcaRouter AI Incident Archive，其中每个条目都附有自己的来源、严重程度、置信度等级和争议标记。

MiniMax 没有在博客文章中写出的那个数字

MiniMax 的发布文章是一份合格的厂商营销文案：推理更快、智能体评分更高、智能体任务成本比前代低 70%。但它没有包含任何一个数字，能让你将该模型与任何并非由其开发的模型进行比较。这一点现在由外部提供了，来自 Artificial Analysis：它让 MiniMax-M3.1-Flash 跑完了其标准评测套件，并于 2026 年 10 月 19 日发布。

• 智能指数 — 42，在追踪榜单的 173 个模型中排名第四

• 每项 Intelligence Index 任务的成本 — 0.22 美元，而 MiniMax-M3 为 0.51 美元，GLM-5.3-Flash 为 0.28 美元

• 标价 — 每百万输入 token $0.15，每百万输出 $0.60，每百万缓存读取 $0.015

• 混合价格 — 按跟踪器的 7:2:1 缓存命中/输入/输出组合计算，每百万 $0.10

• 上下文窗口 — 1,000,000 个 token

• 输出速度 — 每秒 125.5 个 token，首个 token 耗时 1.04 秒

• 冗长度 — 整个 Index 共消耗 1.8 亿个输出 token，而中位数为 9900 万

• 输入模态——文本和图像，依据追踪表；MiniMax 自己的 API 参考还列出了视频

排名是这个标题中最薄弱的部分。173 个中排第四听起来像是登上了领奖台，而从狭义上讲——该追踪榜单比较的是各种规模和价位的模型——确实如此。但排在它前面的三款模型——45 分的 DeepSeek V4.1 Flash 1017，以及两个更大的前沿系统——在采购决策中并不是它的竞争对手。它真正会与之一起进入候选名单的，是同一价位上的模型；而在那里，局面是与 GLM-5.3-Flash 势均力敌，并以微弱劣势输给 DeepSeek 最新的 Flash。

42 两次，出于两个不同的原因

GLM-5.3-Flash 和 MiniMax-M3.1-Flash 在同一项指数上均得到 42 分，这使得这个平局并不像看上去那么有参考价值。两者是通过截然相反的路径达到这一分数的。

GLM-5.3-Flash 是一个开放权重模型：总参数 3200 亿，激活参数 180 亿，采用 MIT 许可证，自 2026 年 8 月 26 日发布以来，权重已在 Hugging Face 上提供。它以每秒 78 个 token 的速度运行，首 token 时间为 2.52 秒，每百万输入 token 收费 0.15 美元、每百万输出 token 收费 0.50 美元，每个索引任务消耗 0.28 美元。MiniMax-M3.1-Flash 目前仍为闭源——MiniMax 表示权重“将在稍后发布”——运行速度为每秒 125.5 个 token，每个任务消耗 0.22 美元。因此，这个平局在能力上是平局，而在生产团队关心的一切方面则是分歧判定：一个可以下载并量化，另一个每任务快 60%、便宜 20%。

DeepSeek V4.1 Flash 1017 于两天前的 10 月 17 日发布，是更难比较的一方。它的得分为 45，运行速度达到每秒 222 个 token——接近两倍——输入价格为 $0.30、输出价格为 $1.20，正好是 M​iniMax 价目表的两倍，并且有 98% 的缓存折扣，使其每任务成本降至 $0.26。它还是 MIT 许可的开放权重，总参数为 5520 亿，激活参数为 160 亿。在原始能力和原始速度上，它直接胜出。但按每个已完成任务的费用计算，M​iniMax 仍领先 4 美分，这一差距足够小，以至于在实际工作负载中，决定胜负的将是缓存行为和输出长度，而不是标价。

说得直白些：2026年9月10日发布的旧版 DeepSeek V4.1 Flash 得分为39——低于 MiniMax-M3.1-Flash。“1017”后缀很重要。任何拿它与9月检查点比较的人，都是在与一个更弱的模型比较。

供应商基准测试，以及它们究竟有多大价值

MiniMax 在发布的同时公布了六项评测。它们都没有经过独立复现，而且文章没有给出对比栏，因此这些数字的主要价值在于勾勒出 MiniMax 认为这个模型是做什么用的。

• BankerToolBench — 76.2，一套企业工作流套件，涵盖多步规划、文档一致性和链式工具调用

• DeepSWE v1.1 — 73.7%，代码理解、功能开发、缺陷修复和测试验证

• OSWorld V2 — 61.7，跨应用计算机操作；M​iniMax 称在中国模型中排名第一

• Agents' Last Exam — 29.6，长周期专业任务；同样声称“中国模型中第一”

• CyberGym — 82%，漏洞发现与验证

• AutomationBench-AA — 被描述为顶尖表现者，未公布分数

最后一行正是破绽所在。AutomationBench 是支撑其“agentic”定位的基准测试，而它恰恰是这篇文章拒绝印出的那个数字。其余五个数字真实且具体，但一个没有对照集的基准分数，只能告诉你模型在实验室里能做什么，完全无法说明它是否胜过你已经在付费使用的模型。还要注意，在这次发布之前，该模型曾以 MiniMax-M3.1-Flash-Preview 之名在测试者手中存在了三周，而针对该检查点的独立评估也从未发布——对任何 M3.1 模型的首次第三方测量，就是发布日当天出现的那个 42。

代币价格与任务价格为何不一致

这个模型里的陷阱就在这里，而且并不小。MiniMax-M3.1-Flash 的价目表恰好是 MiniMax-M3 的一半：在最高 512,000 个输入 token 的范围内，前者为 $0.15/$0.60，后者为 $0.30/$1.20。人们自然会推断，同一工作负载的成本会减半。事实并非如此，原因有两个，而且会相互叠加。

首先是冗长。在 Intelligence Index 上，该模型消耗了 1.8 亿个输出 token，而中位数模型消耗 9900 万个。它以默认的 max 努力级别进行思考，思考 token 按输出计费，并计入 max_tokens。对输出密集型工作负载算一笔账：在 1.8 亿输出 token 时，MiniMax-M3 按每百万 $1.20 计费为 $216。1000 万按 $0.60 计费为 $108——减半成立。所以费率是诚实的；真正变动的是用量。

第二个原因是，你完全无法关闭思考。M​iniMax 的 API 参考文档明确说明：发送 thinking: {"type": "disabled"} 会返回 HTTP 400，而 reasoning_effort: "none" 也会以同样方式被拒绝。五级阶梯——low、medium、high、xhigh、max——是你唯一能获得的控制手段，而且省略该字段就意味着 max。相比之下，MiniMax-M3 允许你完全禁用思考，并且在 Anthropic 兼容端点上默认关闭。

实际后果是：对于分类、提取或格式化任务，如果你过去只需为 60 个输出 token 付费且没有推理开销，那么关闭思考、每百万输出 token 收费 $1.20 的 MiniMax-M3 仍可能比收费 $0.60 的 MiniMax-M3.1-Flash 更便宜，因为较新的模型在回答前会消耗数百个思考 token。对于智能体运行——多步工具调用、长时间编码会话、计算机使用循环——较新的模型更胜一筹，而独立的每任务成本数字也证实了这一点：$0.22 对 $0.51 是降低 57%，而非 50%，因为更短的轨迹足以抵消额外推理成本还有余。

要读懂这样一次发布，正确的方式是按每个已完成任务来算，而不是按 token 来算，而追踪器给出的 0.22 美元是本文中唯一已经替你把这笔账算好的数字。

无需重写你的技术栈，也能把成本算对

每任务成本与其说是采购决策，不如说是路由决策。本次对比中的模型无法在单一维度上互换：MiniMax-M3.1-Flash 每任务速度快、成本低，但为闭源；GLM-5.3-Flash 具备相同能力，且权重可下载；DeepSeek V4.1 Flash 1017 的 token 单价翻倍，但速度更快、能力更强。大多数团队最终会同时运行三者中的两个，并按任务类型分流流量。

这种割裂正是 OrcaRouter 存在的理由：一个 API 密钥即可访问 200 多种模型，提供商目录价按 0% 加价直通，因此当 M​iniMax 将价目表减半时，你发票上的数字当天就会变化，而不是等到下一次合同续约。MiniMax-M3.1-Flash 本身尚未进入我们的目录——目前只能通过 M​iniMax 自有 API、M Plan 和 M​iniMax Code 调用，除此之外我们无法保证其他渠道。目前可在 OrcaRouter 上路由的是候选名单中的其余模型：MiniMax-M3、GLM-5.3-Flash 和 DeepSeek V4.1 Flash 1017，三者共用一个密钥，因此上面的比较可以基于你自己的流量来跑，而不是基于基准测试。

当某条产品线中最新的模型同时也是运行历史最短的模型时，自动故障转移就显得比平时更为重要。MiniMax-M3.1-Flash 才发布两天，其前代模型的迁移路径仍在推进中，而供应商还承诺后续会推出能力更强的 Pro 模型——这正是你希望路由表中在首选模型之后放置第二个模型，而不是在三周后再重写的典型情形。

看什么

三件事将决定 42 能否在六个月后仍作为人们引用的那个数字站得住脚。首先是权重：M​iniMax 已承诺“稍后”发布它们，但没有给出日期，而开放权重会使其一夜之间成为同类中按任务成本最低的可下载模型。其次是 Pro 模型：M​iniMax 表示将推出更强版本，这通常意味着 Flash 会在价格上被重新定位。第三是对智能体相关数字的独立复现——OSWorld V2、ALE 和 CyberGym 恰恰是在不同评测框架之间差异最大的基准，而目前这些基准上的每一个数字都来自销售该模型的公司。

在此之前，可以站得住脚的总结既狭窄又实用：按每项任务 $0.22 计算，MiniMax-M3.1-Flash 是买到 42 分 Intelligence Index 分数的最便宜方式；它在该分数上与 GLM-5.3-Flash 持平，同时速度更快且为闭源模型；而在能力与速度上它不及 DeepSeek V4.1 Flash 1017，但按每项已完成任务的成本计算则胜过后者。如果你的工作负载是智能体式的，那么今天这笔取舍值得做。如果是上千次简短的分类调用，那么它所取代的那个模型可能仍然是更便宜的选择。