MiniMax M3.1 Flash 对比 Ling 3.1 Flash：一个是开源，另一个只是开放权重

这两个模型检查点都可以下载。但其中只有一个可以免费用来开展商业业务。Ling 3.1 Flash 以 MIT 许可证发布——这是你的法务团队无需开会就会批准的许可证。MiniMax-M3.1-Flash 以 MiniMax Community License 发布，该许可证对非商业用途免费，要求在商业产品中显著标注“Built with MiniMax M3”，年收入低于 2000 万美元时要求一次性通知，超过该门槛则需获得 MiniMax 事先书面授权。这一条款是两个模型之间影响最大的差异；除此之外，二者在可衡量质量上足够接近，差距落在舍入误差之内，而几乎没有哪个对比页面会把这一差异放在第一位。

这对模型在其他方面确实非常接近。来自 InclusionAI 的 Ling 3.1 Flash 于 2026 年 9 月 30 日发布，采用 MIT 许可的权重随后于 10 月中旬推出；它是一个 5600 亿参数的混合注意力 MoE，每 token 激活约 250 亿参数。来自 MiniMax 的 MiniMax-M3.1-Flash 于 2026 年 10 月 19 日发布，权重随后于 10 月 23 日推出；它是一个 4280 亿参数的 MoE，每 token 激活 230 亿参数。两家厂商、两种架构、相隔两周，激活参数量的差距在 8% 以内。真正有趣的问题不是哪一个更大，而是你被允许使用哪一个。

相隔三周的两个检查点

Ling 3.1 Flash是蚂蚁集团 InclusionAI 实验室的模型，模型 ID 为 inclusionAI/Ling-3.1-flash，仅支持文本输入与文本输出。它采用 512 个路由专家，每个 token 选择其中 8 个，另加 1 个共享专家；并以 7:1 的比例交替堆叠 63 层 KDA 线性注意力层与 9 层门控 MLA 层——这套架构的设计目标是压低长上下文推理的成本，而非增加模态。模型卡宣称支持一百万 token 上下文，但实际发布配置中的 max_position_embeddings 为 262,144，因此应将前者视为宣称的目标，而非已交付的能力。定价为每百万输入 token 0.30 美元、输出 0.90 美元、缓存读取 0.06 美元。厂商提供了基准测试成绩——Terminal-Bench 4.0 为 40.4%，FrontierSWE 为 75.2%，CyberGym 为 87.9%——但这些测试均运行在蚂蚁自研、并未公开的 LingCode 评测框架上，且没有任何一项得到独立复现。

MiniMax-M3.1-Flash是 MiniMax 的原生多模态 MoE 模型，在 Hugging Face 上的 ID 为 MiniMaxAI/MiniMax-M3.1-Flash，可接收文本、图像和视频并返回文本。它激活 4280 亿参数中的 230 亿，整个网络采用稀疏注意力，路由专家以 NVFP4 的 W4A4 精度训练，仓库中还捆绑了一个 DSpark 推测解码草稿器——因此下载量为 252.4 GB，而不是 BF16 主模型所需的 450 多 GB。上下文为输入 1,000,000 tokens、输出 524,288 tokens。定价为输入 $0.15、输出 $0.60、缓存 $0.015。其厂商基准测试类型相似，也同样未经复现：DeepSWE v1.1 为 73.7%，OSWorld V2 为 61.7%，CyberGym 为 82.2%，Automation-Bench 为 62.8%。

许可证是岔路口，而不是基准。

把两份许可证文本并排放在一起，比较就不再是技术层面的问题了。MIT 意味着你可以分叉它、微调它、以商业方式托管它、再分发衍生作品，而且再也不用联系 InclusionAI。你不需要公开署名，不需要报告收入，也不存在某个门槛，一旦超过它别人就能撤销你的许可。对于一家在模型之上构建产品的公司来说，这就是工程决策与采购流程之间的区别。

MiniMax Community License 并不敌对——它比封闭 API 宽松得多，而且大多数小团队永远不会触及 2000 万美元这条线。但它是一项附带与公司规模相关条件的许可证，而规模正是一家成长型公司无法保持不变的变量。跨过门槛的产品必须回头重新谈判，而谈判条款并未公开。如果你正在为打算规模化的事物选择基础模型，你就是在选择一项会在营收里程碑处改变含义的许可证。

这一个事实会重新排序本次比较的其余部分。在能力和价格方面，MiniMax-M3.1-Flash 是更有力的选择。至于能否在最糟糕的时刻无需法律审查就基于它进行构建这一问题，Ling 3.1 Flash 才是不附带里程碑的那个。

记分牌，连同其附带的注意事项

Artificial Analysis 是唯一同时评测过两者的中立评估机构，而它的数据差距足够小，以至于这一排名并不稳固。

• 智能指数 —— MiniMax-M3.1-Flash 43 对 Ling 3.1 Flash 41。两分之差，而在这样一个追踪器上，一次评测修订就可能让模型变动如此幅度。

• 每项索引任务成本——0.22 美元对 1.00 美元。4.5 倍的差距对 MiniMax 有利，且比价目表上 2 倍的差距更大。

• 输入价格——每百万 $0.15，相较之下为 $0.30。

• 输出价格——每百万 $0.60，对比 $0.90。

• 缓存输入——每百万 $0.015，对比 $0.06。在缓存密集型智能体运行中占主导的那一项上，价差达 4 倍。

• 输出速度——每秒 95.6 个 token，对比 220.8。这是 Ling 最明显的优势，而且超过 2 倍。

• 上下文窗口 — 1,000,000 个 token，而声称的是 1,000,000 个，交付配置中为 262,144 个。

• 最大输出 — 524,288 个 token，而此前约为 33,000 个。

• 输入模态——文本、图像和视频，而非仅文本。

• 许可证 — MiniMax 社区许可证，与 MIT 许可证相对比。

为什么按任务计算的差距比按 token 计算的差距更大

Ling 3.1 Flash 的输入价格是其两倍，输出价格是其 1.5 倍。每完成一个任务，其成本是它的 4.5 倍；而这一点无法用冗长来解释：在该追踪器上，Ling 是两者中更爱说话的那一个，在整个索引中生成了 2.2 亿个输出 token，而 MiniMax-M3.1-Flash 为 1.8 亿个。真正的原因是缓存定价以及推理运行的结构形态。

这两个都是先思考再回答的智能体，这意味着在长时间运行中，大多数 token 是从缓存中重新读取的输入 token，而不是全新的提示词。在以缓存为主的账单上，真正重要的是 $0.015 对 $0.06，而不是 $0.15 对 $0.30。主导成本项上的四倍差距，在最终发票上会变成四点五倍差距，而公布的价格表把这一点低估了一半。

这也是主张查看账单而不是卡片的理由。OrcaRouter 以 0% 加价将提供商标价原样透传，因此无论哪一方的价格发生变化，都会在落地当天呈现在我们的页面上，而不是等到一个重新定价周期之后——而且 Ling 3.1 Flash 和 MiniMax-M3.1-Flash 目前都不在我们的目录中，所以上面的数字是厂商自己公布的价格，并不是我们能为你路由的任何价格。我们确实从这一档中提供的模型是MiniMax-M3和DeepSeek V4.1 Flash，这正是为什么按任务计价的实验可以低成本地针对一个你真正能调用的模型来运行。

多模态相对于纯文本并不是一个功能条目

这是一个工作负载筛选器。MiniMax-M3.1-Flash 接受图像和视频帧；Ling 3.1 Flash 只接受文本，除此之外不接受任何内容。如果你的流水线要读取截图、解析扫描文档、检查图表或查看视频，那么比较在输入阶段就结束了，无论 MIT 许可多么有利，都无法弥补一个看不到输入的模型。

输出长度也以同样的方式受限。524,288 个 token 的上限相较于约 33,000，是十六倍的差距，而它决定着任何交付物本身就很长的任务——整文件重写、仓库级迁移、对一份大型文档进行结构化提取。33K 上限并不会让这些任务变得不可能；它会让它们变成一个你必须在自己的代码中解决的分块问题，而分块正是长上下文质量悄然下降的地方。

Ling 3.1 Flash 的适用场景

有三种情况，而且它们并不小众。第一，任何商业交付超过 2000 万美元门槛的项目：MIT 会从你的路线图中去掉一项谈判。第二，任何吞吐量成为硬性约束的场景——在每秒 220.8 个 token 对 95.6 个 token 的情况下，Ling 完成文本任务的实际耗时不到一半，而对于交互式智能体来说，这就是可用与不可用的差别。第三，任何你打算微调并再分发的场景：MIT 允许你交付衍生作品，而 MiniMax 许可证的署名要求会随输出一路延伸到你的产品界面中。

Ling 在纸面上也是更清晰的长上下文方案，因为其混合线性注意力本就是为此设计的——但已发布的 262,144 token 配置意味着，一百万 token 的说法是对未来配置的承诺，而不是你今天下载的检查点所具备的属性。不要按模型卡上的数字来做预算。

在什么场景下 MiniMax-M3.1-Flash 是合适的选择

凡是输入不是文本的场景，以及凡是输出很长的场景。它也是更便宜的模型，其价格优势足以抵消许可证附加条款带来的顾虑：单任务成本仅为 Ling 的五分之一，低于 2000 万美元门槛的团队就能用不到一半的费用运行两倍的工作负载，而署名要求只是页脚中的一行文字，并非工程约束。如果你的产品规模很小，许可证只是一种形式；如果它成功了，许可证就会变成一场需要认真谈的对话。要为这场对话做好规划，而不是假装它不会发生。

而且它正是独立评分更高的那款模型。智能指数上两分的差距算不上决定性，但它的指向与价格、模态支持以及上下文窗口一致——这说明它更像是一种规律，而非巧合。

无需两次选择

这个比较实际指向的架构并不是一个永久性决定。Ling 3.1 Flash 是更好的文本引擎，也是更稳妥的许可；MiniMax-M3.1-Flash 是更好的多模态引擎，也是更便宜的那个。一条同时需要两者的流水线——大规模文本摘要，以及为有此需求的那部分内容处理文档和截图——会希望在一个接口后面放两个模型，而不是让一个模型同时擅长两者。

这正是选择网关而非第二份合同的理由：一个密钥、一个计费面、任一供应商降级时自动故障转移，以及当成本上限应放在路由中而非应用代码中时使用的路由 DSL。这两款模型都不在 OrcaRouter 的目录中，因此这是关于集成形态的论证，而不是关于我们托管了什么的声明。我们在同一层级确实托管的内容——MiniMax-M3、DeepSeek V4.1 Flash——是为了在你将生产路径押注于该模式之前对其进行基准测试。

在二者任一之前需要回答的问题

不是“哪个得分更高”。两分之差只是噪声，而且随着评估方修订各自的评测集，两个模型的表现都会变化。真正的问题是：你的公司被允许在什么基础上构建，以及在你尚未达到的某个营收里程碑上，这个答案会如何改变。如果诚实的答案是许可证重新谈判可以接受，那么 MiniMax-M3.1-Flash 是更强的模型，价格也显著更低，决策就很简单。如果不可接受，Ling 3.1 Flash 会放弃两个指数点、一些上下文余量和图像输入，换来一份永远不会来问你任何问题的许可证——而大多数团队会选择一次性正确做出这个取舍，而不是等到以后才发现问题。