MiniMax-M3.1-Flash vs MiniMax-M3：价格减半，权重全无

MiniMax-M3.1-Flash 每 token 的成本恰好是 MiniMax-M3 的一半，在 Artificial Analysis Intelligence Index 上的得分高出 13 分，而且正是 MiniMax 现在将其自家旧版订阅用户迁移过去使用的模型。它也是这一系列中首个无法下载的模型。MiniMax-M3 于 2026 年 6 月 1 日发布，是一个 4280 亿参数的混合专家模型，拥有 230 亿激活参数，权重已在 Hugging Face 上公布，价目表可直接从表格中读取；MiniMax-M3.1-Flash 于 2026 年 10 月 19 日发布，是一个闭源模型，基准得分更高、服务路径更快，并承诺权重将在“稍后”到来。这句话就是决策的全部，而价格差距是对它的干扰——尽管这个干扰足够大，值得在决定之前先算一算。 此类发布背后有记录的 AI 故障和智能体事件都收录在 OrcaRouter AI Incident Archive 中，其中每条记录都附带自己的来源、严重程度、置信度等级和争议标记。

这两张费率卡究竟写了什么？

从钱说起，因为钱正是营销宣传与发票金额出现出入的地方。

• 标准输入 — MiniMax-M3.1-Flash 每 1M 为 $0.15，而 MiniMax-M3 每 1M 为 $0.30，最高支持 512,000 个输入 token

• 标准输出 — 每 100 万个 $0.60 对比每 100 万个 $1.20，相同的 512,000 词元阈值

• 输入 token 超过 512,000 时——MiniMax-M3 的价格翻倍至输入 $0.60、输出 $2.40；MiniMax-M3.1-Flash 未公布长上下文附加费

• 缓存读取 — 每 1M 为 $0.015，相比之下每 1M 为 $0.06

• 优先准入——MiniMax-M3.1-Flash 不提供；MiniMax-M3 按标准费率的 1.5 倍收费，因此阈值以下为 $0.45/$1.80，阈值以上为 $0.90/$3.60

• 智能指数 — 42 对 29，依据 Artificial Analysis

• 每个 Index 任务的成本 — 0.22 美元 vs 0.51 美元，实际降幅达 57%，而非费率卡所暗示的 50%

• 上下文窗口——两者均为 1,000,000 个 token，不过我们的目录中将 MiniMax-M3 列为 1,048,576 个

• 输出速度 — 125.5 个 token/秒，对比 106.4，两者均为独立测量

• 权重——承诺稍后发布 vs 已在 Hugging Face 上公开发布

• 参数——未披露，仅被描述为相较 428B 总参数和 23B 激活参数“更激进的稀疏性”

那份清单里有两行，其分量远超篇幅所暗示的。第一项是长上下文附加费。如果你的工作负载经常超过 512,000 个输入 token——一次覆盖整个仓库的编码处理、一份很长的转录文本、一组文档——那么有效差距在输入上不是 2 倍而是 4 倍，在输出上也是 4 倍，因为 MiniMax-M3.1-Flash 完全不对价格分档。第二项是优先准入。MiniMax-M3 可以花 1.5 倍的价格买到更快服务的通道；MiniMax-M3.1-Flash 无论出多少钱都买不到。它的 API 参考文档将 service_tier 列为不受支持。如果你为 M3 付费的原因是高负载下的延迟，那么更新的模型并不会把这个杠杆卖给你——它卖给你一条更快的底层服务路径，然后又把杠杆拿走。

把成本降到一半，比把账单降到一半更容易。

将价目表减半并不意味着账单减半，而这是针对这对模型进行迁移规划时最常见的单一错误。MiniMax-M3.1-Flash 对每个请求都以默认的最高推理强度进行思考，且无法要求其停止，并且其冗长程度有目共睹：在 Intelligence Index 中，它消耗了 1.8 亿个输出 token，而中位数模型仅消耗 9900 万个。MiniMax-M3 则允许你完全关闭思考，并且在 Anthropic 兼容端点上默认即为关闭状态。

算笔账。拿一个文档打标任务来说：每次调用会发送 2,000 个输入 token 的 schema 和指令，并返回 80 个 token 的 JSON。在禁用思考的 MiniMax-M3 上，你需支付 2,000 × 每百万 $0.30，加上 80 × 每百万 $1.20——每次调用约 $0.0007。在 MiniMax-M3.1-Flash 上，同一任务无法禁用思考，输入按每百万 $0.15 计费，但随后会输出一个推理块，在给出答案前会达到数百个 token。按 500 个思考 token 加 80 个答案 token 计算，输出费用为 580 × 每百万 $0.60——大约 $0.00065。只是稍微便宜一点，而且这还是基于保守的思考 token 估算。若思考 token 达到 1,500 个，较新的模型在输出相同的情况下会比旧模型更贵，因为旧模型能够关闭推理，这一能力比新模型更低的费率更有价值。

现在换一个工作负载。一次多步智能体运行已经在 M3 上为工具调用和推理使用了 40,000 个输出 token，并且因为需要思考而启用了思考功能。M3 按每百万 40,000 × $1.20 计费，即 $0.048。相同用量下，M3.1-Flash 计费 $0.024——而且实际花费更少，因为轨迹更短，这也是为什么独立的每任务成本数据下降了 57% 而不是 50%。节省就来自这里：长时间、推理密集型的工作，而不是简短的确定性调用。

由此得出的规则是：如果你能把工作负载描述为“许多小答案”，那么 MiniMax-M3.1-Flash 可能是更贵的模型。如果你能把它描述为“少量长答案”，那它毫无疑问是更便宜的那个。

权重是你无法绕开的那部分

上述每个数字都是可逆的。M​iniMax 明天就可能下调 MiniMax-M3 的价格，也可能上调 M3.1-Flash 的价格。不可逆的是许可证。MiniMax-M3 可以下载——总参数 4280 亿，激活参数 230 亿，发布在 Hugging Face 上，并有 MXFP8 构建的镜像——这意味着你可以对它进行量化、微调、在自己的硬件上运行，在供应商转向别处后继续提供服务，并审计其中包含的内容。MiniMax-M3.1-Flash 是一个托管端点，M​iniMax 表示之后会提供权重，但没有日期、没有许可证，也没有参数数量。

这种不对称会出现在成本比较无法捕捉的三个地方。合规性：受监管的团队如果需要在自身边界内运行推理，或记录其所依赖的模型构件，那么如今无论花多少钱都无法使用 MiniMax-M3.1-Flash。连续性：MiniMax 自己的退役时间表已在 10 月 19 日将 M2.5 和 M2.7 这两个完整模型系列并入 MiniMax-M3.1-Flash，并将于 11 月 18 日全面退役。模型确实会被关停，而唯一有保障的存活方式就是自己拥有一份副本。可复现性：无法针对冻结检查点重新运行的基准分数，是你只能凭信任接受的分数，而本文中每一个 MiniMax-M3.1-Flash 数字都属于这种。

如果 MiniMax 放出权重，这一节就过时了，而关于一个 428B 可下载模型、每百万 $0.30 的记忆，反而会成为更有意思的脚注。在那之前，“以后”只是一个承诺，而你能握在手里的，是较旧的模型。

能力差距确实存在，而且比该指数所暗示的要小。

在智能指数上高出十三分是一次很大的跃升——大致相当于这一价位上的一个模型代际。但这一差距中有一部分衡量的是模型被允许以何种方式运行的变化，而不是它们所知内容的变化。MiniMax-M3.1-Flash 的评分是在强制开启推理并以最高强度运行的情况下得到的；MiniMax-M3 的指数结果则是在其自身默认设置下产生的，而在某一种协议下，这意味着关闭思考。这十三分里有一部分来自阶梯，而不是权重。

厂商方面的证据也指向同一结论。MiniMax 自己为 MiniMax-M3.1-Flash 发布的数值——BankerToolBench 76.2、DeepSWE v1.1 为 73.7%、OSWorld V2 为 61.7、Agents' Last Exam 为 29.6、CyberGym 为 82%——全都是智能体评测，而每一项都是强制最大推理会带来帮助的场景。目前没有在相同测试框架上与 MiniMax-M3 的公开对比，因此诚实的说法是：较新的模型在智能体工作上确实更好，但其相对前代模型的领先幅度，MiniMax 之外无人测量过；并且该指数表明，在推理策略保持不变的情况下，真实提升幅度不到 13 个百分点。

没有争议的是运行层面的差异。每秒 125.5 个 token 对 106.4 个 token，意味着服务路径快了 18%，这一结果由第三方测量，并且不受工作负载影响。对于交互式编码工具来说，这正是用户能感受到的差别。

在哪些情况下 MiniMax-M3.1-Flash 是错误答案

有三类工作负载在这次发布后仍应继续使用 MiniMax-M3，值得把它们列出来，因为发布报道并没有提到。

第一类是你自己网络内部的任何内容。较新的模型没有你可以运行的版本，也没有任何迹象表明什么时候会有。

第二类是高吞吐量、低 token、确定性的工作——分类、提取、路由、格式化——在这类工作中，能否禁用思考是决定成本的关键特性，而 MiniMax-M3 具备这一能力。

第三种是任何依赖优先准入的场景。如果你的应用购买了 MiniMax-M3 的 1.5× 档位，以将 p99 延迟控制在 SLA 之内，那么 MiniMax-M3.1-Flash 便取消了这一选项；这相当于你用一个可控的调节杠杆，去换取一个更快却无法调优的基线。

其他所有用户——智能体流水线、computer-use 循环、长上下文编码会话，以及那些工作负载偏“长”而非“多”的团队——都应该迁移了。更新的模型更快，每完成一项任务的成本更低，而且在恰恰描述这类工作的评测上表现更好。

同时运行两者而无需运行两个集成

对大多数团队来说，现实答案不是切换，而是拆分：短而确定性的调用，以及任何必须留在本地部署的场景，用 MiniMax-M3；长时间智能体运行用 MiniMax-M3.1-Flash。两者来自同一厂商、同一协议族，而且在兼容 Anthropic 的端点下还具有相同的请求结构——因此这种拆分是一条路由规则，而不是两套 SDK 集成。

这正是 OrcaRouter 的用途：一个 API 密钥可调用 200+ 个模型，供应商目录价以 0% 加价原样透传，因此 MiniMax-M3 的 $0.30/$1.20 就是你实际支付的价格，供应商调价当天，这一变动就会同步出现在你的账单上。MiniMax-M3 目前已在我们的目录中。MiniMax-M3.1-Flash 尚未接入——需通过 M​iniMax 自家的 API、M Plan 或 M​iniMax Code 调用——因此上述分流会以一条路由规则的形式运行，其中一条腿在我们之外，直到我们接入它为止。在这种情况下，自动故障转移依然能发挥实际作用：如果较新的端点被限流，或某个 id 在你不知情时发生变化，请求会回退到 MiniMax-M3，而不是落到错误页面。

这种拆分值得实际构建而不是停留在理论上的原因在于，这两个模型在形态上确实不同，而不只是在得分上不同。一个路由器如果把短调用发给能够停止思考的模型，把长调用发给不能停止思考的模型，那么它做的事情已经是基准测试所证明合理的。

简短版本

MiniMax-M3.1-Flash 是更好的模型，却是更差的资产。它以 42 比 29 胜出，运行速度快 18%，而且每完成一项任务的成本更低——在基于长时、重推理工作构建的指数上低 57%。MiniMax-M3 可下载、短调用更便宜，而且是你拥有的东西。未来几个月，明智的做法是两者并用，把长时工作交给新模型，并留意权重发布，因为一旦 MiniMax 发布检查点，旧模型剩下的唯一理由就是优先通道。