MiniMax M3.1 Flash 对比 Gemini 3.5 Flash-Lite：价格减半，得分翻倍，却仍非显而易见之选

Gemini 3.5 Flash-Lite自 2026 年 7 月 21 日起开始销售。MiniMax M3.1 Flash于 2026 年 10 月 19 日推出，价格为每百万输入 token 0.15 美元、每百万输出 0.60 美元——分别是Gemini 3.5 Flash-Lite的 0.30 美元和 2.50 美元的一半和约四分之一。在 Artificial Analysis 的 Intelligence Index 上，较新的模型得分为 43，Google 模型得分为 22。因此，MiniMax M3.1 Flash 在每一项 token 计费上都更便宜，并且在独立指数上的能力翻倍。然后你看到每任务成本这一行，Gemini 3.5 Flash-Lite 却赢了，0.19 美元对 0.22 美元。这种反转是进入这项比较唯一诚实的方式，因为它告诉你，决策根本不关乎价目表。

两张只是看起来相似的费率卡

先从每家厂商实际公布的内容入手，因为各家的披露结构差异，与数字差异同样大。

• 输入 — 在 MiniMax M3.1 Flash 上为每百万 token 0.15 美元，而 Gemini 3.5 Flash-Lite 上为 0.30 美元。

• 输出 — 0.60 美元对 2.50 美元，四比一的差距。

• 缓存输入— $0.015 对比 $0.03，两者均享受输入费率 90% 的折扣。

• 缓存存储—— Google 按每小时每百万缓存 token 1.00 美元计费。MiniMax 的发布价目表未单列存储费用。

• Batch 与 Flex — Google 将两档的输入价格降至 $0.15、输出价格降至 $1.25。MiniMax 的发布定价是一张统一的三行价目卡，发布材料中没有批量档。

• 优先级 — Google 以每百万输入 token 0.54 美元、输出 4.50 美元的价格出售优先级层级。MiniMax 的发布公告未宣布任何同类产品。

• 上下文与输出上限——两者均接受 100 万输入 token。MiniMax 最多允许 524,288 个输出 token；Gemini 3.5 Flash-Lite 则止步于 65,536 个。

• 权重 — MiniMax 于 10 月 23 日根据其社区许可证发布了 252.4 GB 的下载内容。Gemini 3.5 Flash-Lite 为专有模型。

批处理层级值得单独用一句话说明，因为这是两张卡几乎相接的唯一地方。能容忍批处理延迟的团队可以获得 Gemini 3.5 Flash-Lite 的输入价格 0.15 美元——恰好是 MiniMax 的标准输入价格——但输出价格为 1.25 美元，仍是 MiniMax 0.60 美元的两倍多。批处理缩小了输入差距，却让输出差距保持不变。如果你的工作负载是输出密集型——智能体和编码工作负载正是如此——批处理折扣并不能挽救这一对比。

能力差距并不细微，但请阅读基准版本

Artificial Analysis 让这两个模型运行同一套测试，结果差距悬殊：

• 智能指数 — MiniMax M3.1 Flash 为 43，在 173 个模型中排名第五；Gemini 3.5 Flash-Lite 为 22，排名第 44。

• Terminal-Bench 4.0 — 26% 对 1%。

• AutomationBench-AA — 73% 对 25%。

• GDPval-AA — 1,458 对 985。

• SciCode — 53% 对 41%。

Terminal-Bench 的那个数字最容易被断章取义地引用，所以需要交代背景。Google 为 Gemini 3.5 Flash-Lite 提供的模型卡引用的是 Terminal-Bench 2.1，成绩为 54.0%。Artificial Analysis 运行的是 Terminal-Bench 4.0，记录为 1%。这两个数字都可以是正确的，因为它们是不同代的基准测试，考察的内容不同。1% 并不意味着 Flash-Lite 不会使用终端；它意味着在没有帮助的情况下，它几乎从不能完成当前高难度的端到端终端任务。54% 意味着它在较早版本的基准测试中表现良好。任何在“Terminal-Bench”上将该模型与 MiniMax M3.1 Flash 进行比较却不说明版本的人，都是在比较两项不同的测试。

厂商自报与独立评测之间的区别同样重要。谷歌的模型卡还报告了在 128K 上下文下 SWE-Bench Pro 为 54.2%、OSWorld-Verified 为 74.0%、GDM-MRCR 为 72.2%——这些全都是厂商自报，且全都基于谷歌选定的设置。MiniMax 的发布博文报告 BankerToolBench 为 76.2、DeepSWE v1.1 为 73.7%、OSWorld V2 为 61.7，同样也是厂商自报。本文中唯一让两个模型经过同一评测框架的行是 Artificial Analysis 的数据行，这正是它们能够支撑论证的原因。

为什么更贵的模型每项任务成本仍可能更低

Artificial Analysis 测算，Gemini 3.5 Flash-Lite 每完成一项 Intelligence Index 任务的成本为 0.19 美元，MiniMax M3.1 Flash 为 0.22 美元。考虑到两者输出价格存在四比一的差距，这看起来简直不可能——直到你想起这个指标衡量的是什么：实际消耗的 token 数乘以提供商的费率。这不是价目表对比，而是衡量每个模型为完成同一任务需要做多少工作。

MiniMax M3.1 Flash 是一个冗长的推理模型。Artificial Analysis 在指数中记录到 M3.1 Flash 的输出 token 约为 1.8 亿，而其所追踪模型的中位数约为 1 亿。Gemini 3.5 Flash-Lite 每项任务 0.19 美元的成本，约为 MiniMax 混合 token 价格的三分之一，这意味着它以少得多的 token 完成了同一指数。这是根据两个已公布数字得出的推断，而非厂商声明，但它指向同一方向：在 M3.1 Flash 的额外推理能换来正确答案的任务上，token 支出是划算的交易。在答案从未有疑问的任务上，这种推理就是浪费，而每 token 更便宜的模型反而会变成每项任务更贵的模型。

用你可能实际会遇到的工作负载来算一下这笔账单：每月 2000 万输入 token、缓存命中率 60%，再加上 300 万输出 token。

• MiniMax M3.1 Flash — 800 万新输入按 $0.15 计为 $1.20；1200 万缓存输入按 $0.015 计为 $0.18；300 万输出按 $0.60 计为 $1.80。总计 $3.18。

• Gemini 3.5 Flash-Lite — 800 万新输入按 $0.30 计为 $2.40；1200 万缓存输入按 $0.03 计为 $0.36；300 万输出按 $2.50 计为 $7.50。总计 $10.26，不含缓存存储费用。

这对 MiniMax 有利，差距为 3.2 倍。把输出缩减到 50 万 token，也就是分类或提取任务的规模，费用就变成 1.68 美元对 4.01 美元——仍然是 2.4 倍。把 Gemini 放到其批处理层级、输出为 300 万 token，费用则落到 5.19 美元，仍然是 MiniMax 的 1.6 倍。按 token 计算的算术毫不含糊。

因此，单位任务成本倒挂确实存在，但适用范围很窄；它说明的是 token 效率，而不是价格。如果你的工作负载类似 Intelligence Index——任务简短、规格明确，较小模型也能快速完成——那么 Flash-Lite 的效率可能抹平价目表上的差距。如果你的工作负载类似上面的账单，就不会。唯一可靠的预测，是在你自己的提示词上分别测量两者的 token 数量。

速度是两个指向相反方向的测量值

速度这件事比“某个模型更快”更有意思，因为这两个模型各自在其中的不同半场胜出。

• 首个 token 时间——在 MiniMax M3.1 Flash 上为 1.48 秒，而在 Gemini 3.5 Flash-Lite 上为 6.94 秒。MiniMax 模型开始作答的速度快了近五倍。

• 输出吞吐量——每秒 95.6 个 token，对比 430.2 个。一旦开始，Flash-Lite 的流式输出速度约快四倍半。

哪个数字重要取决于调用的形态。在聊天界面中，用户感受到的是首个 token 的延迟；一个模型如果在第一个词之前停顿七秒，不管之后输出得多快，都会让人觉得它坏了。在长生成中——一份 100,000 token 的报告、一次大规模重构——吞吐量主导实际耗时，起步慢的模型反而可能先完成。在智能体循环中，每一步都是一次简短的工具调用，循环运行二十次，首个 token 的耗时就要付出二十次，而吞吐量几乎不重要。

有两点需要注意。Artificial Analysis 测得 M3.1 Flash 的速度为每秒 95.6 个 token，而 MiniMax 自己的材料声称其中位数高于 170、峰值高于 200——这提醒我们，服务路径和测量条件会大幅影响这一数字。而 Flash-Lite 的每秒 430 个 token 确实很快，但其 65,536 个 token 的输出上限意味着，这种速度最能发挥优势的长生成场景会受到限制。MiniMax 的 524,288 个 token 上限则大八倍。

供应商之间的离散度比模型之间的差距还要大。OrcaRouter 为 Gemini 3.5 Flash-Lite 提供的自有页面显示，在其路由的各供应商之间，首 token 时间的 p50 为 3.59 秒，p95 为 10.00 秒，而 Artificial Analysis 给出的数字是 6.94 秒。这并不矛盾；这正是同一个模型经由不同后端提供服务时，被路由的模型所呈现的样子。这也意味着，要在延迟上诚实地比较这两者，正确的做法是测量你自己的路由，而不是轻信任何一家厂商给出的单一数字。

应决定受监管工作的那一行

Artificial Analysis 的 AA-Omniscience 评估给 MiniMax M3.1 Flash 打出了 16 分：事实性问题中有 56% 回答正确，幻觉率为 93%。最后这个数字并不意味着 93% 的答案是错的。它意味着，在所有不正确的回答中，93% 是完全错误，而不是部分回答或拒答——该模型通常在本应拒绝回答时仍然作答。

Gemini 3.5 Flash-Lite 的 Artificial Analysis 页面没有 AA-Omniscience 分数，因此无法在弃答方面对两者进行比较。这一缺失并不是一份无懈可击的健康证明；这只是数据缺失。可以说的是，一个能力上限较低且强烈偏向简短回答的模型，可能会以不同方式失败——通过拒答，或通过生成明显单薄的内容——但尚无已发表的测量能证实这一点。不要仅仅因为较小的模型更小，就假定它更安全。

对于编程和智能体任务，AA-Omniscience 是一个很差的预测指标：模型并不是被要求回忆事实，而是被要求基于文件和工具结果采取行动。对于任何类似知识工作的事情——总结合同、回答客户的保单问题、从申报文件中提取数字——93% 这个数字是首要围绕设计的因素，而不是最后才考虑的。检索、引用核查和人工审核步骤在那里不是可选项，更便宜的 token 价格也无法抵消一个自信的错误答案所带来的代价。

一条经得起你自身工作负荷考验的决策规则

• 高吞吐量的分类、抽取、路由与翻译，输出较短——Gemini 3.5 Flash-Lite。22 指数对于狭窄任务已然够用，每秒 430 个 token 才是关键所在，而 65,536 个输出 token 也绰绰有余。其批量层级输入价格为 $0.15，让大批量场景更具优势。

• 仓库级编码、多步智能体、长文档、长篇输出 — MiniMax M3.1 Flash。Terminal-Bench 4.0 上 26% 对 1% 才是关键差距，524,288 个输出 token 消除了硬性上限，而且输入价格减半。

• 本地部署或权重获取——MiniMax M3.1 Flash，而且只有它。252.4 GB 的下载确实存在，但它受 MiniMax 社区许可证约束：商业部署必须署名，年收入超过 2000 万美元则需事先获得书面许可。“开放权重”并不等于“开源”，采购方应在关注参数规模之前先阅读许可证。

• 延迟敏感的聊天 — 两者都测试。MiniMax 在首令牌时间上大幅领先；Gemini 在流式吞吐量上胜出。哪个感觉更快取决于回答长度。

• 无监督事实性问答——没有检索与验证，二者都不行。MiniMax M3.1 Flash 存在经实测的弃答问题；Gemini 3.5 Flash-Lite 则完全没有公开的测量数据。

每一项实际可调用的位置

有一个值得直说的不对称之处。Gemini 3.5 Flash-Lite 今天已在 OrcaRouter 的目录中，因此可以通过一个 API 密钥，按供应商的标价、以 0% 加价调用它，并享有跨供应商的自动故障转移，还可使用路由 DSL 将其与其他模型组合。MiniMax M3.1 Flash 不在目录中；那里的 MiniMax 产品线止于MiniMax-M3。调用 M3.1 Flash 意味着要使用 MiniMax 自己的 API 或其服务合作伙伴之一——包括于 10 月 22 日宣布该部署的 Tenstorrent Cloud。

这对评估而言比生产更重要。如果你想用自己的数据来确定每任务成本问题，那么有用的比较通常是在同一个密钥上，将 MiniMax-M3 与 Gemini 3.5 Flash-Lite 进行对比，因为两者都可路由，并且按相同方式计量；这样一来，较新的模型必须先超过这个基线，你才会引入第二个供应商。OrcaRouter 会原样传递提供商目录价格，因此 MiniMax 的价格变动或 Google 的批量定价层级会在变动当天就体现在你的账单上，而不是等到协商合同结束时才体现。

这个选择取决于你能承受在哪个数字上判断出错。

如果你选择了 Gemini 3.5 Flash-Lite，却对其能力判断有误，那么这种失败是显而易见的：Terminal-Bench 4.0 上 1% 的成绩、AutomationBench-AA 上 25% 的得分，都是藏不住的。你会看到任务失败，然后把它换到另一个模型上。

如果你选择了 MiniMax M3.1 Flash，而在成本上判断有误，那么失败的代价比价目表所显示的要小：在上述按 token 计费的示例中，它便宜两到三倍；而在 Artificial Analysis 的任务指标上，它大约贵 16%。两种结果都不算灾难性。

如果你选择 MiniMax M3.1 Flash，却在是否应拒绝回答上判断错了，这种失败是无声的。正是这种不对称应当主导知识工作的决策，也正是它让这项比较不会以“更便宜、更聪明的模型胜出”收尾。对于智能体与编程工作负载，模型操作的是你可以检查的产物，MiniMax M3.1 Flash 以更低的 token 价格成为更强的选择。对于高吞吐、短答案处理，Gemini 3.5 Flash-Lite 的速度和任务效率仍能赢得一席之地。对于没有验证层的事实性工作，诚实的答案是：两个模型都还没有赢得这一资格。