MiniMax-M3.1-Flash 在智慧指數中獲得 42 分——每項任務成本僅 0.22 美元

MiniMax-M3.1-Flash 於 2026 年 10 月 19 日推出，Artificial Analysis 智慧指數分數為 42，比 29 分的 MiniMax-M3 高 13 分，每 token 價格為其一半，而真正關鍵的數字是每項任務成本不到一半，為 0.22 美元對上 0.51 美元。它與 GLM-5.3-Flash 同為 42 分並列，落後 45 分的 DeepSeek V4.1 Flash 1017 三分，且完成基準測試任務的成本低於兩者。這四個數字一行就道盡一切。有趣的是，當你不再看指數、開始看帳單時會發生什麼事，因為這個模型同時在每 token 上便宜，又在每 token 上貴得異常。 像這次發布背後的已記錄 AI 故障與代理事件，都收錄在 the OrcaRouter AI Incident Archive 中，每一條目都附有自己的來源、嚴重程度、信心等級與爭議標記。

M​iniMax 沒有寫進部落格文章裡的那個數字

MiniMax 的發布貼文是一篇稱職的廠商行銷文案：推論速度更快、代理式評分更強，代理式任務成本比前代低 70%。但它沒有提供任何一個數字，能讓你將這款模型與任何非其自家打造的模型相比。如今這個缺口已由外部的 Artificial Analysis 補上；該機構讓 MiniMax-M3.1-Flash 跑過其標準評測套件，並於 2026 年 10 月 19 日公布結果。

• Intelligence Index — 42，在追蹤器的 173 個模型中排名第四

• 每項 Intelligence Index 任務成本 — 0.22 美元，相較之下 MiniMax-M3 為 0.51 美元，GLM-5.3-Flash 為 0.28 美元

• 定價 — 每百萬輸入 token 0.15 美元、每百萬輸出 0.60 美元、每百萬快取讀取 0.015 美元

• 混合價格 — 每百萬 $0.10，依追蹤器的 7:2:1 快取命中／輸入／輸出比例計算

• 上下文視窗 — 1,000,000 個 Token

• 輸出速度 — 每秒 125.5 個 token，首個 token 時間為 1.04 秒

• 冗長度 — 整個 Index 消耗了 1.8 億個輸出 token，而中位數為 9,900 萬

• 輸入模態 — 文字與圖像，依追蹤器所示；MiniMax 自家的 API 參考文件也列出影片

排名是這則標題最弱的一環。在 173 個模型中排名第四，聽起來像是站上頒獎台；而就追蹤器比較各種尺寸與價格的模型這個狹義角度來說，確實如此。但排在它前面的三個模型——以 45 分位居其上的 DeepSeek V4.1 Flash 1017，以及兩套更大的前沿系統——在採購決策中並不是它的競爭對手。它實際會一起被列入候選名單的，是同一價位帶的模型；而在那裡，它與 GLM-5.3-Flash 勢均力敵，並以些微差距敗給 DeepSeek 最新的 Flash。

42 兩次，出於兩個不同的原因

GLM-5.3-Flash 與 MiniMax-M3.1-Flash 在同一項指標上都拿到 42 分，這使得這個並列結果不如表面上看起來那麼有用。兩者是靠截然相反的路徑達到這個分數。

GLM-5.3-Flash 是開放權重模型：總參數 3,200 億、活躍參數 180 億，採 MIT 授權，自 2026 年 8 月 26 日發布以來，權重已在 Hugging Face 上提供。它運行速度為每秒 78 個 token，首個 token 延遲 2.52 秒，每百萬輸入 token 收費 0.15 美元、輸出 token 收費 0.50 美元，每項索引任務花費 0.28 美元。MiniMax-M3.1-Flash 目前為閉源——MiniMax 表示權重「將於日後釋出」——運行速度為每秒 125.5 個 token，每項任務花費 0.22 美元。因此，兩者在能力上平分秋色，但在生產團隊關心的每一個面向上都各有取捨：一個可以下載並量化，另一個每項任務快 60%、便宜 20%。

DeepSeek V4.1 Flash 1017 於10月17日、早兩天發布，是更難比較的對象。它得分45，運行速度為每秒222個 token——幾乎是兩倍——成本為輸入 $0.30、輸出 $1.20，正好是 M​iniMax 價目表的兩倍，並有98%的快取折扣，使其每項任務成本降至 $0.26。它也是以 MIT 授權開放權重，總參數5520億、活躍參數160億。在原始能力與原始速度上，它直接勝出。以每完成一項任務的花費來看，MiniMax 仍領先四美分；這個差距小到在實際工作負載中，將由快取行為與輸出長度決定勝負，而不是由定價表決定。

值得直說：較舊的 DeepSeek V4.1 Flash 於 2026 年 9 月 10 日發布，得分 39，低於 MiniMax-M3.1-Flash。「1017」這個後綴很重要。任何拿它與九月檢查點相比的人，都是在跟較弱的模型相比。

廠商基準測試，以及它們有多大參考價值

MiniMax 在發布的同時公布了六項評測。這些評測沒有一項經過獨立重現，而且貼文中也沒有提供對照欄位，因此這些數字主要只能用作側寫，看出 MiniMax 認為這個模型是為了什麼而設計。

• BankerToolBench — 76.2，一套涵蓋多步驟規劃、文件一致性與鏈式工具呼叫的企業工作流程套件

• DeepSWE v1.1 — 73.7%，程式碼理解、功能開發、錯誤修正與測試驗證

• OSWorld V2 — 61.7，跨應用程式的電腦操作；M​iniMax 宣稱在中國模型中排名第一

• Agents' Last Exam — 29.6，長時程專業任務；同樣的「中國模型中第一」說法

• CyberGym — 82%，漏洞發現與驗證

• AutomationBench-AA — 被描述為頂尖表現者，未公布分數

最後那一行正是破綻所在。AutomationBench 是支撐「agentic」定位的基準測試，而它正是那篇文章唯一不願刊出的數字。其餘五個數字真實且具體，但沒有對照組的基準分數，只能告訴你模型在實驗室裡能做什麼，卻完全無法說明它是否勝過你已經付費使用的模型。另請注意，在這次發布前，該模型曾以 MiniMax-M3.1-Flash-Preview 之名在測試者手中存在三週，而那個檢查點也沒有任何獨立評測發布——任何 M3.1 模型的第一個第三方測量結果，就是發布當天出現的那個 42。

為什麼代幣價格和任務價格不一致

這個模型的陷阱就在這裡，而且不是小陷阱。MiniMax-M3.1-Flash 的費率表正好是 MiniMax-M3 的一半：$0.15/$0.60 對上 $0.30/$1.20（最高 512,000 個輸入 token）。自然會推論某個工作負載的成本只有一半。事實並非如此，因為有兩個相互疊加的原因。

首先是冗長。在智慧指數上，該模型消耗了 1.8 億個輸出 token，而中位數模型只消耗 9,900 萬個。它會以預設努力程度 max 進行思考，而思考 token 會按輸出計費，並計入 max_tokens。對輸出密集型工作負載算一下：在 1.8 億輸出 token 下，MiniMax-M3 以每百萬 $1.20 計費，費用為 $216。1,000 萬以 $0.60 計費則為 $108——減半成立。所以費率是誠實的；真正有影響的是用量。

第二個原因是，你根本無法關閉思考功能。M​iniMax 的 API 參考文件明確指出：送出 thinking: {"type": "disabled"} 會傳回 HTTP 400，而 reasoning_effort: "none" 也會以相同方式遭到拒絕。五級階梯——low、medium、high、xhigh、max——是你唯一能使用的控制項，而省略該欄位就代表 max。相較之下，MiniMax-M3 允許你完全停用思考，而且在 Anthropic 相容端點上預設為關閉。

實際後果是：對於分類、擷取或格式化任務，若你原本支付六十個輸出 token 且不進行推理，那麼停用思考功能的 MiniMax-M3 每百萬輸出 token 收費 1.20 美元，仍可能比每百萬輸出 token 收費 0.60 美元的 MiniMax-M3.1-Flash 更低價，因為較新的模型在回答前會花費數百個思考 token。對於代理式執行——多步驟工具使用、長時間程式設計工作階段、電腦使用迴圈——較新的模型勝出，而獨立的每項任務成本數字也證實了這一點：0.22 美元對上 0.51 美元是降低 57%，而非 50%，因為較短的路徑軌跡足以抵付額外的推理成本且有餘。

正確解讀這類發布的方式，是以每項完成的任務為單位，而非以每個 token 為單位；而追蹤器上的 $0.22，是本文中唯一已經替你把這筆帳算好的數字。

不必重寫你的技術堆疊，也能把成本算準

每項任務的成本更像是路由決策，而非採購決策。這項比較中的模型並非在單一維度上可互換：{{1}}MiniMax-M3.1-Flash{{/1}} 每項任務速度快、成本低，但屬於閉源；{{2}}GLM-5.3-Flash{{/2}} 具備相同能力，權重可供下載；{{3}}DeepSeek V4.1 Flash 1017{{/3}} 速度更快、能力更強，但 token 費率是兩倍。多數團隊最終會同時採用三者中的兩個，並依任務類型分流。

這種拆分正是 OrcaRouter 存在的理由：一組 API 金鑰即可存取 200 多個模型，供應商定價以 0% 加價原樣傳遞，因此當 M​iniMax 把價目表砍半時，你發票上的數字當天就會變動，而不是等到下一次合約續約。MiniMax-M3.1-Flash 本身尚未收錄於我們的目錄——目前只能透過 M​iniMax 自家的 API、M Plan 與 M​iniMax Code 呼叫，其他我們能掛保證的管道則沒有。OrcaRouter 上已可路由的是入圍名單中的其餘模型：MiniMax-M3、GLM-5.3-Flash 與 DeepSeek V4.1 Flash 1017，三者共用同一組金鑰，因此上述比較可以跑在你自己的流量上，而不是跑在基準測試上。

當產品線中最新的模型同時也是營運歷史最短的模型時，自動容錯移轉就比平常更重要。MiniMax-M3.1-Flash 推出才兩天，其前代的遷移路徑仍在進行中，而廠商已承諾之後會推出能力更強的 Pro 模型——這正是你會想在路由表中於第一個模型之後備妥第二個模型，而不是三週後再重寫的情況。

看什麼

有三件事將決定 42 在六個月後是否仍會是人們引用的那個數字。首先是權重：M​iniMax 已承諾「之後」會釋出權重，但沒有給出日期，而開放權重將讓它在一夜之間成為同類中每項任務成本最低的可下載模型。第二是 Pro 模型：M​iniMax 表示更強版本即將推出，這通常意味著 Flash 會因價格而被重新定位。第三是代理式數據的獨立複現——OSWorld V2、ALE 和 CyberGym 正是不同測試框架之間差異最大的基準，而目前這些基準上的每一個數字都來自販售該模型的公司。

在那之前，可站得住腳的總結既狹窄又實用：以每項任務 0.22 美元計算，MiniMax-M3.1-Flash 是買到 Intelligence Index 42 分最便宜的方式，它在該分數上與 GLM-5.3-Flash 打平，同時速度更快且為閉源；它在能力與速度上輸給 DeepSeek V4.1 Flash 1017，但在每完成一項任務的成本上勝過它。如果你的工作負載是代理式的，這筆取捨今天就值得做。如果是上千次短分類呼叫，它所取代的模型可能仍是較便宜的那個。