MiniMax-M3.1-Flash 對比 MiniMax-M3：價格減半，權重全無

MiniMax-M3.1-Flash 每個 token 的成本正好是 MiniMax-M3 的一半，在 Artificial Analysis Intelligence Index 上高出十三分，而且正是 MiniMax 現在將其自家既有訂閱用戶導向的模型。它也是這條產品線中第一個無法下載的模型。MiniMax-M3 於 2026 年 6 月 1 日發布，是擁有 4,280 億參數的混合專家模型，活躍參數為 230 億，權重已發布於 Hugging Face，價目表也可直接從表格讀取；MiniMax-M3.1-Flash 於 2026 年 10 月 19 日發布，是封閉模型，基準測試分數更高、服務路徑更快，並承諾權重將「稍後」到來。那句話就道盡了整個決策，而價格差距則是對它的干擾——不過這干擾大到值得在決定前先算一算。像這類發布背後的已記錄 AI 故障與代理事件，都收錄在 the OrcaRouter AI Incident Archive，其中每筆條目都附有自己的來源、嚴重程度、信心等級與爭議標記。

這兩份費率表實際上寫了些什麼

先從錢談起，因為正是在錢這件事上，行銷話術與實際帳單出現了落差。

• 標準輸入 — MiniMax-M3.1-Flash 每 1M $0.15，相較於 MiniMax-M3 每 1M $0.30，最高 512,000 個輸入 token

• 標準輸出 — 每 100 萬 $0.60 對比每 100 萬 $1.20，相同的 512,000 token 閾值

• 輸入 token 超過 512,000 時——MiniMax-M3 價格加倍至輸入 $0.60、輸出 $2.40；MiniMax-M3.1-Flash 未公布長上下文附加費

• 快取讀取 — 每 1M 為 $0.015，相較之下每 1M 為 $0.06

優先級准入 —— MiniMax-M3.1-Flash 未提供；MiniMax-M3 以標準費率的 1.5 倍提供，因此低於門檻時為 $0.45/$1.80，高於門檻時為 $0.90/$3.60

• 智慧指數 — 42 對 29，根據 Artificial Analysis

• 每項 Index 任務成本 — $0.22 對比 $0.51，降幅達 57%，而非費率表所暗示的 50%

• 上下文視窗 — 兩者皆為 1,000,000 個 token，不過我們的目錄將 MiniMax-M3 列為 1,048,576

• 輸出速度 — 每秒 125.5 個 token，對比 106.4，兩者皆為獨立測量

• 權重 — 承諾日後釋出 vs 已發布、開放、於 Hugging Face 上

• 參數 — 未披露，僅描述為相較於總計 428B 與活躍 23B 的「更激進的稀疏性」

那份清單中有兩行，其重要性遠超篇幅所暗示。第一行是長上下文附加費。如果你的工作負載經常超過 512,000 個輸入 token——一次涵蓋整個儲存庫的程式碼處理、一份長逐字稿、一組文件——實際差距在輸入端不是 2× 而是 4×，在輸出端也是 4×，因為 MiniMax-M3.1-Flash 完全不做價格分級。第二行是優先准入。MiniMax-M3 可以用 1.5× 的價格購買更快的服務通道；MiniMax-M3.1-Flash 無論出多少價都買不到。其 API 參考文件將 service_tier 列為不支援。如果負載下的延遲是你付費使用 M3 的原因，較新的模型不會賣給你那個槓桿——它賣給你更快的底層服務路徑，然後把槓桿拿走。

把成本減半，比把帳單減半容易。

把費率表減半，並不代表帳單也會減半，而這是針對這兩款模型進行遷移規劃時最常見的單一錯誤。MiniMax-M3.1-Flash 會在每次請求時以預設最高強度進行思考，無法要求它停止，而且明顯冗長：在 Intelligence Index 中，它消耗了 1.8 億個輸出 token，而中位數模型消耗了 9,900 萬個。MiniMax-M3 則可讓你完全關閉思考，並且在 Anthropic 相容端點上預設為關閉。

用數字算清楚。拿一個文件標註工作來說：每次呼叫會送出 2,000 個輸入 token 的 schema 與指示，並回傳 80 個 token 的 JSON。在停用思考功能的 MiniMax-M3 上，你要付 2,000 × 每百萬 $0.30，加上 80 × 每百萬 $1.20——每次呼叫約 $0.0007。在 MiniMax-M3.1-Flash 上執行同樣工作，由於無法停用思考，輸入部分按每百萬 $0.15 計費，但接著會產生一段推理區塊，在給出答案前長達數百個 token。以 500 個思考 token 加 80 個答案 token 計算，輸出費用是 580 × 每百萬 $0.60——大約 $0.00065。幾乎沒有比較便宜，而且這還是用保守的思考量估計。在 1,500 個思考 token 時，較新的模型在相同輸出下比舊模型更貴，因為舊模型能關閉推理的能力，比新模型更便宜的費率更有價值。

現在改變工作負載。一次多步驟代理執行已在 M3 上為工具呼叫與推理用掉 40,000 個輸出 token，並啟用思考，因為它需要思考。M3 以 40,000 × 每百萬 $1.20 計費，即 $0.048。M3.1-Flash 在相同用量下計費 $0.024——而且在實務上花費更少，因為軌跡更短，這就是為什麼獨立的每任務成本數字下降 57%，而不是 50%。節省就藏在這裡：長時間、推理密集的工作，而不是短而確定性的呼叫。

由此得出的規則是：如果你能把工作負載描述為「許多簡短答案」，MiniMax-M3.1-Flash 可能是較貴的模型。如果你能把它描述為「少數長答案」，那它無疑是較便宜的那個。

權重是無法繞過的部分

上述每個數字都是可回復的。MiniMax 明天就能調降 MiniMax-M3 的價格，也可能調漲 M3.1-Flash 的價格。不可回復的則是授權條款。MiniMax-M3 可供下載——總參數 4,280 億，活躍參數 230 億，已上架 Hugging Face，並有 MXFP8 版本的鏡像——這意味著你可以對它進行量化、微調、在自己的硬體上運行、在廠商轉向之後繼續提供服務，並審查其內部內容。MiniMax-M3.1-Flash 則是託管端點，MiniMax 表示日後會提供權重，但沒有日期、沒有授權條款，也沒有參數數量。

這種不對稱會出現在成本比較無法捕捉的三個層面。合規：受監管團隊若需要在自有邊界內執行推論，或記錄其依賴的模型產物，今天無論出價多少都無法使用 MiniMax-M3.1-Flash。持續性：MiniMax 自身的淘汰時程已在 10 月 19 日將兩個完整模型系列——M2.5 和 M2.7——併入 MiniMax-M3.1-Flash，並於 11 月 18 日全面退役。模型確實會被關閉，而唯一保證能倖存的方法就是擁有一份副本。可重現性：無法對照凍結檢查點重新執行的基準分數，就是只能憑信任接受的分數；本文中每一個 MiniMax-M3.1-Flash 數字都屬於這一類。

如果 MiniMax 釋出權重，本節就過時了，而關於一個 428B 可下載模型、每百萬 0.30 美元的記憶，反而會成為更有意思的註腳。在它這麼做之前，「日後」只是承諾，較舊的模型才是你能實際握有的那個。

能力差距確實存在，而且比該指數所暗示的還要小。

智慧指數上的十三分是很大的躍升——在這個價位區間，大約相當於一個模型世代。但這段落差有一部分衡量的是模型被允許如何運行的變化，而不是它們知道什麼。MiniMax-M3.1-Flash 是在強制開啟推理、並以最大努力程度的情況下計分；MiniMax-M3 的指數結果則是在其自身預設值下產生，而在某一協議中，這意味著思考關閉。那十三分裡有一些是階梯，而不是權重。

廠商端證據也指向同一方向。M​iniMax 自家針對 MiniMax-M3.1-Flash 公布的發布數據——BankerToolBench 76.2、DeepSWE v1.1 達 73.7%、OSWorld V2 達 61.7、Agents' Last Exam 達 29.6、CyberGym 達 82%——全都是代理式評估，而且每一項都是強制最大程度推理會有幫助的設定。目前沒有在同一套測試框架上與 MiniMax-M3 的公開比較，所以誠實的說法是：這款較新的模型在代理式工作上更好，但領先幅度是 M​iniMax 以外沒有人對其前代模型量測過的；而且該指數顯示，一旦把推理策略固定不變，確實有不到 13 分的實質改善。

無可爭議的差異在於實際運作層面。每秒 125.5 個 token 對上 106.4 個，代表服務路徑快了 18%，這是由第三方測得，而且不論工作負載為何都成立。對互動式程式設計工具而言，這就是使用者能感受到的差異。

在哪些情況下 MiniMax-M3.1-Flash 會是錯誤的答案

即使在此次發布之後，仍有三項工作負載應繼續留在 MiniMax-M3 上；值得把它們點名出來，因為發布報導並未提及。

第一類是你自己網路內部的任何東西。較新的模型沒有你可以執行的版本，也沒有任何跡象顯示何時才會有。

第二種是高用量、低 token、確定性的工作——分類、擷取、路由、格式化——能否停用思考是決定性的成本功能，而 MiniMax-M3 具備這一點。

第三類是任何仰賴優先准入的情況。如果你的應用程式購買了 MiniMax-M3 的 1.5× 等級方案，以將 p99 延遲維持在 SLA 之內，那麼 MiniMax-M3.1-Flash 便移除了這個選項；你等於是用一個可控的槓桿，換取一個無法調校的更快基準。

其他所有人都該動起來——代理式管線、電腦使用迴圈、長上下文程式設計工作階段，以及工作量偏重「長時間」而非「大量」的團隊。較新的模型更快、每完成一項任務的成本更低，而且正好在描述這類工作的評測上表現更好。

執行兩者，而無需執行兩個整合

對大多數團隊而言，現實的答案不是切換，而是拆分：短暫且確定性的呼叫，以及任何必須留在本地端的用途，交給 MiniMax-M3；長時間的代理式執行則交給 MiniMax-M3.1-Flash。兩者來自同一家廠商、同一協議家族，而且在 Anthropic 相容端點的情況下，請求結構也相同——因此這種拆分是一條路由規則，而不是兩套 SDK 整合。

這正是 OrcaRouter 的用途：一組 API 金鑰即可橫跨 200 多個模型，供應商定價以 0% 加價原樣轉嫁，因此 MiniMax-M3 的 $0.30/$1.20 就是您實付的價格，供應商調價當天就會反映在您的帳單上。MiniMax-M3 目前已在我們的目錄中。MiniMax-M3.1-Flash 則尚未納入——請透過 MiniMax 自家的 API、M Plan 或 MiniMax Code 呼叫——因此上述的分流會以一項路由規則運作，在我們納入之前，其中一段落在我們之外。在這樣的形式下，自動容錯切換依然發揮實際作用：若較新的端點受到速率限制，或某個 id 在您使用期間變更，請求會退回 MiniMax-M3，而不是回傳錯誤頁面。

讓這項拆分值得實際打造、而非只停留在理論推演的原因，在於這兩個模型真正不同之處在於結構，而不只是分數。一個把短呼叫送往能停止思考的模型、把長呼叫送往不能停止思考的模型的路由器，所做的事已是基準測試所證明合理的。

簡短版本

MiniMax-M3.1-Flash 是更好的模型，卻是更差的資產。它的得分是 42 對 29，運行速度快 18%，而且每完成一項任務的成本更低——在以長時間、重推理工作建立的指數上低 57%。MiniMax-M3 可供下載、短呼叫更便宜，而且是你擁有的東西。接下來幾個月，明智的做法是同時運行兩者，把長時間的工作交給新模型，並留意權重釋出，因為當 M​iniMax 公布檢查點的那一天，舊模型剩下的唯一理由就是優先通道。