MiniMax M3.1 Flash 對比 Aion 3.5：輸入價格高出二十倍，卻是個無人評測過的模型

Aion 3.5 每百萬輸入 token 收費 3.00 美元。MiniMax-M3.1-Flash 則收 0.15 美元。收費高出二十倍的模型，正是沒有人評過分的那個——不是 Artificial Analysis，也不是我們能找到的任何其他中立評測機構——而且它也是無法接受圖片、無法下載、並在 32,768 個 token 就停止生成的那個。這場對比中每一項已公布的量測都指向同一個方向，而另一邊的唯一論點，是 AionLabs 尚未提出數字佐證的說法。在兩家廠商的說法被聽進去之前，這點值得先說。

帳面上，這項比較差距懸殊，而這反而比勢均力敵的比較更有用。AionLabs 於 2026 年 9 月 23 日發布的 Aion 3.5，是純文字推理模型，具備 262,144 個 token 的視窗，以及固定 $3.00 / $6.00 的價目表。MiniMax 於 2026 年 10 月 19 日發布的 MiniMax-M3.1-Flash，是 4280 億參數的混合專家模型，每個 token 啟用 230 億參數，原生支援圖像與影片輸入，具備一百萬 token 的視窗，$0.15 / $0.60 的價目表，且權重自 10 月 23 日起已在 Hugging Face 上釋出。其中一個是 2026 年的前沿模型，卻以商品化價格計費。另一個是通用推理端點，卻定價得像兩年前的前沿模型。

每一方實際上是什麼

Aion 3.5 是 AionLabs 的旗艦模型，模型 ID 為 aion-labs/aion-3.5，只接受文字輸入、也只輸出文字。上下文視窗為 262,144 個 token，是 Aion 3.0 的 131,072 的兩倍，回覆上限則為 32,768 個 token。推理是強制性的，並非可選項，且預設為 high，另有 low 和 max 可選；沒有不進行推理的路徑。AionLabs 將此架構描述為 GLM 系列中的多模型集成（multi-model ensemble），而非單一訓練網路——這是其文件中最有意思的說法，也是最難從外部驗證的一點，因為目前尚未發表任何評測，能將該集成的輸出與其中任一單一成員的輸出區分開來。快取輸入的讀取價格為每百萬 token 0.75 美元，相當於輸入費率的 75% 折扣。

MiniMax-M3.1-Flash是 MiniMax 的稀疏 MoE 模型，總參數 428B、啟用參數 23B，原生以低精度訓練並以此形式發布：開放的檢查點為 252.4 GB，分佈於 48 個 safetensors 分片，外加一個 2.3 GB 的 DSpark 推測解碼草稿模型，而不是 BF16 主副本。它可接受文字、圖像與影片輸入並輸出文字，具備 1,000,000 個 token 的輸入視窗，輸出最多可達 524,288 個 token，價格固定為每百萬輸入 token 0.15 美元、輸出 0.60 美元，快取讀取則為 0.015 美元。推理功能一律開啟，並提供五種投入程度；無法關閉思考，且 API 會直接拒絕停用請求。

決定它的維度

• 輸入價格 — MiniMax-M3.1-Flash 每百萬 $0.15，相較於 Aion 3.5 的 $3.00。相差 20 倍。

• 輸出價格 — 每百萬 $0.60，相較於 $6.00。相差 10 倍。

• 快取輸入 — 每百萬 $0.015，相較於 $0.75。50 倍的差距，也是推理密集型帳單中佔比最大的項目。

• 上下文視窗 — 1,000,000 詞元，相較於 262,144。

• 最大輸出 — 524,288 個 token，相較於 32,768 個。

• 輸入模態 — 文字、圖像與影片，對比僅文字。

• 獨立評分——Artificial Analysis Intelligence Index 43，在 174 個模型中排名第五，每項指數任務 $0.22；Aion 3.5 則尚無公開資料。

• 輸出速度 — 在追蹤器上為每秒 95.6 個 token，而第三方聚合服務對 Aion 3.5 測得約 52。

• 開放權重 — 在 MiniMax Community License 下提供的 Hugging Face 檢查點，相較於封閉、僅限 API 的模型。

• 推理控制 — 五種運算強度等級，一律開啟；相較之下，三種等級則是強制啟用。

兩張費率卡都是固定費率，因此固定費率的部分會相互抵消。

Aion 3.5 令人心動的辯護理由是價格可預測性：在整個 262K 視窗中，每百萬 token 一律 $3.00，沒有長上下文斷崖，也沒有哪個級距會讓你在處理一份文件的途中，把每 token 成本翻倍。這確實是一項真正的優點，但在這裡也並非差異化優勢，因為 MiniMax-M3.1-Flash 同樣是均一價——從 4,000 token 到一百萬 token，一律 $0.15。無論可預測的價目表值多少，MiniMax 都以二十分之一的價格提供這項優勢，而且視窗還大四倍。均一價讓這兩款模型有別於分級計價的供應商，卻無法讓它們彼此區隔開來。

剩下的是實際帳單。240,000 個 token 的提示在 MiniMax-M3.1-Flash 上約需 $0.036。同樣的提示在 Aion 3.5 上約需 $0.72，而回覆每 token 還要再貴十倍。如果你的工作負載是文件規模——長篇合約、整個儲存庫、數小時的逐字稿——價差就會正好在 token 數量最大的地方疊加，而這正是你最不希望它發生的地方。

計分與不計分的問題才是整件事的關鍵

Artificial Analysis 在其 Intelligence Index 上給 MiniMax-M3.1-Flash 評為 43 分，在 174 個模型中排名第五，完成一項 Intelligence Index 任務的實測成本為 $0.22。該追蹤器還指出，它異常冗長——它在整個 Intelligence Index 中消耗了 1.8 億個輸出 token，遠高於中位數——而且由於輸出 token 的計費是輸入費率的四倍，冗長性早已反映在那 $0.22 裡。你現在看到的，是一個挺過該模型最糟糕習慣的數字。

Aion 3.5 沒有對應項目。在我們能找到的資料中，AionLabs 並未公布任何基準測試表，也沒有獨立實驗室對它進行測試，而列出它的同類比較頁面都帶著同樣的註記：未經評估。這種缺席並不證明該模型很弱，而是證明買家除了價目表之外無從比較，而價目表正是唯一對它不利的證據。

Aion 3.5 仍有真實案例的地方

有三個論點經得起數字的檢驗。第一個是失敗多樣性。若你的流量已有很大比例跑在同一系列的模型上，那麼由不同血統建構出的集成模型就是一個不相關的第二意見；而在少數答錯代價高昂的呼叫中，不相關的錯誤值得為此付費。你可能會把大約百分之二的流量導向它。在百分之二的比例下，20 倍的輸入價格相對於一次糟糕判斷的成本，不過是捨入誤差。

第二點是，強制採用高強度推理消除了一類靜默回歸。沒有可調整的 effort 參數，因此不會有低設定悄悄讓某個在最後一次提示變更後就無人重新測試的任務變差。這是維護層面的論點，不是能力層面的論點，但維護層面的論點確實成立。

第三個是 Aion 3.5 Mini。每百萬輸入 $0.70、快取 $0.18，以及相同 256K 視窗的輸出 $1.40，讓它成為一個合理的平價層級；任何只看旗艦款的比較，都是在比較錯誤的 Aion 模型。儘管如此，Mini 在輸入方面仍是 MiniMax-M3.1-Flash 的大約 4.7 倍，仍僅支援文字、仍未評分，且輸出仍上限為 32K。

MiniMax-M3.1-Flash 毫無爭議勝出之處

模態是通往決策的最短路徑。Aion 3.5 僅支援文字。如果工作負載涉及螢幕截圖、掃描頁面、示意圖、圖表或影片畫面，那麼在提到定價之前，比較就已經結束了，因為其中一個模型根本無法接收該輸入。

輸出長度是第二項。524,288 個 token 的上限對上 32,768，差距達十六倍，而這會決定每一項本身交付成果就很長的工作：完整重寫檔案、跨大型儲存庫的遷移、對一份可觀文件進行結構化擷取。32K 的上限會迫使你分段處理，而分段又會迫使你撰寫與模型品質毫無關係的協調程式碼。

開放權重是第三種，但有一個不容忽視的附加條件。MiniMax 於 10 月 23 日依《MiniMax 社群授權條款》發布了該檢查點。這是開放權重，而非開源：非商業用途可免費使用；商業用途則必須顯著標示「Built with MiniMax M3」，年營收在 2,000 萬美元（含）以下者須向 MiniMax 提出一次性通知，超過此門檻則須事先取得書面授權。相較於僅提供 API 的模型，這樣的安排寬鬆得多；但相較於 MIT 授權，則嚴格得多。在規劃以此為基礎的部署之前，請先讀過授權條款。

將兩者放在同一個請求路徑中

目前這兩款模型都不在 OrcaRouter 的目錄上，本文也無意主張它們已在其中。Aion 3.5 可透過 AionLabs 自家的 API 及多個第三方平台取得；MiniMax-M3.1-Flash 則可透過 MiniMax 自家的 API 取得，若你有 252 GB 的 GPU 資源，也可使用其開放權重檔案。OrcaRouter 在相近定位上所路由的是MiniMax-M3與DeepSeek V4.1 Flash，兩者皆以供應商定價、0% 加價提供，因此供應商的費率變動會在當天同步反映到我們這邊，與其同步到達供應商端一致。

這對這場比較實際暗示的架構很重要。合理的形態並不是從一個模型遷移到另一個模型；而是將一小部分永久性的流量送往以不同方式建構的模型，以取得第二意見。對僅占 2% 的工作負載而言，卻要兩個供應商、兩把金鑰和兩套計費介面，這正是閘道能消除的額外負擔；而自動容錯移轉意味著昂貴的那一段即使效能下降，也不會拖垮整條管線。當你實際比較的模型都位於同一把金鑰之下時，A/B 測試只是一個模型字串，而不是第二套整合。

什麼能讓它塵埃落定

對 Aion 3.5 的一次獨立評測。這就是唯一缺失的那塊拼圖，而它的缺席對 AionLabs 論點造成的傷害，比任何競爭對手所能造成的都大。若它在每項任務 $0.22 的價格下得分接近 43，溢價就會崩解成小眾的第二意見故事。若得分顯著高於 43，盤算就不同了：你還是不會把管線轉到 $3.00 的輸入費率，但你會有站得住腳的理由，把它花在真正重要的呼叫上，而集成主張也終於會有證據支撐，而不只是描述。

在那個數字出現之前，選擇是：一個價格只有二十分之一、上下文與圖像輸入卻是四倍、且經過實測的模型，對上一個價格高昂、未經實測的模型——後者主要被記錄在案的優勢，是競爭對手同樣提供的均一價，以及競爭對手透過拒絕替代方案所強制執行的強制推理。在這兩者之間，只有一個站得住腳的預設選項——而有趣的問題不是該不該選它，而是你的流量中哪百分之二值得例外。