AREX Feed Article
MiniMax 发布 M3.1 Flash：每百万 token 输入 0.15、输出 0.60 美元，称成本为 M3 三分之一
10 月 19 日，MiniMax 在官方 X 账号，给出 API 价格：每百万输入 token 0.15 美元，每百万输出 token 0.60 美元，缓存读取每百万 token 0.015 美元。帖文称，模型权重将在 10 月 23 日发布。
同一轮发布里，MiniMax 还确认了此前匿名模型的身份：说，以 Space Bunny 名义运行、处理了超过 200 万亿 token 的模型，是 M3.1 Flash 的早期版本。帖文用「重新定义 AI 智能体的性能经济学」描述这次发布，并称 M3.1 Flash 在 Cowork、编码和视觉推理等任务上达到前沿水平，成本是 M3 的三分之一，速度是 M3 的三倍。
9 月 23 日的匿名模型，和两个半小时后的揭晓
9 月 23 日，OpenRouter 上线了一个名为 Space Bunny Alpha 的匿名模型：免费、100 万 token 上下文。称，它由一家不愿具名的第三方开发并运营。MiniMax 在博文中说，它就是 M3.1 Flash 的早期版本。
10 月 19 日 09:21 UTC，MiniMax 先发了一条：「欢迎回来，Space Bunny。MiniMax-M3.1-Flash 即将到来。」两个半小时后，11:56 UTC，正式发布的帖文给出了价格、基准分数和权重日期。帖文称 Space Bunny 曾「登顶全球排行榜」，但没有点名是哪些榜单，也没有给出排名链接。
M3 的三档价格，和三个比例
MiniMax 的把 M3.1 Flash 定在每百万 token 0.15 美元输入、0.60 美元输出，只有一档，没有长输入加价。同一份价目表上，M3 的标准档是 0.30/1.20 美元，优先档（priority，标准的 1.5 倍）是 0.45/1.80 美元；输入超过 512K 后，标准档再翻倍到 0.60/2.40 美元。按 token 单价算，M3.1 Flash 是 M3 标准档的一半、优先档的三分之一、长输入档的四分之一。
「三分之一」至少落在两个参照上：M3 的优先档价格，以及 MiniMax 所说的整体使用成本。博文称，整体使用成本比上一代低 70%，并把推理效率的提升归于更激进的稀疏化；它还说，在线推理比 M3 快近三倍。帖文则把这两个数字表述为「M3 三分之一的成本、三倍的速度」。
Token 单价低，不等于完成同一任务的总花费低；消耗的 token 数量也会改变账单。Artificial Analysis 的给出的每任务成本降幅低于 MiniMax 所说的 70%。这套任务与 MiniMax 的智能体工作负载不完全相同，但至少在这套任务上，成本没有降到三分之一。
自测分数：Automation-Bench 在表内领先，DeepSWE 落后 DeepSeek 与 Opus
MiniMax 随博文发布了一张对比表，列出 M3.1 Flash 与 DeepSeek-V4.1-Flash-1017、DeepSeek-V4.1-Flash、Kimi-K3、GLM-5.3、GPT-5.6 Sol、Opus 5 的分数。在 Automation-Bench v1.0.6 上，M3.1 Flash 得 62.2，高于 DeepSeek-V4.1-Flash-1017 的 60.5、Kimi-K3 的 54.8、Opus 5 的 50.3、GLM-5.3 的 46.7 和 GPT-5.6 Sol 的 45.8；在 BankerToolBench 上得 76.2，与 Opus 5 并列。
编码任务上，DeepSWE v1.1 的 73.7 排在 DeepSeek-V4.1-Flash-1017 的 77.0、DeepSeek-V4.1-Flash 的 74.2 和 Opus 5 的 74.0 之后，高于 GPT-5.6 Sol 的 73.0。Agents' Last Exam（ALE）得 29.6，低于 Opus 5 的 32.2 和 GPT-5.6 Sol 的 30.6；OSWorld V2 得 61.7。视觉推理上，BabyVision 得 91.0，低于 Opus 5 的 94.1 和 DeepSeek-V4.1-Flash-1017 的 92.5。网络安全上，CyberGym 得 82.2，低于 GLM-5.3 的 84.5 和 GPT-5.6 Sol 的 83.6。
帖文用「前沿水平」描述这些成绩；博文还说，它在 OSWorld V2 和 ALE 上是得分最高的中国模型。对比表显示，它并非每一项都领先：在表内，它在 Automation-Bench、BankerToolBench 和 LOCA-Bench 256K 上排在第一位；在 DeepSWE、ALE、OSWorld V2、BabyVision、CyberGym 上，也都有其他模型得分更高。
表格脚注列出了部分评测设置：Automation-Bench 使用 600 道公开题；DeepSWE 使用 mini-SWE-agent 2.4.5、512K 上下文；ALE 使用官方 Overall 设置；OSWorld 使用官方 0808 完整版；CyberGym 使用 Claude Code 2.1.263、1M 上下文。这些分数属于厂商自报；帖文和博文没有附独立复现。帖文里的 62%、30%、74%，分别是表中 62.2、29.6、73.7 的四舍五入。
每任务约 4.5 美分，和一张按任务比价的曲线
MiniMax 的另一组图把横轴换成「每个任务的平均成本」，纵轴是分数。Automation-Bench 图上，M3.1 Flash 在 max effort（最高档）下是 62.8%，对应每任务约 0.045 美元；low effort（最低档）是 52.8%，成本约 0.03 美元。DeepSeek-V4.1-Flash-1017 的 60.5% 在接近 0.085 美元的位置；Opus 5.5 在 max 档是 57%，GPT-5.6 是 47.7%，两者都在 0.7 美元以上。M3.1 Flash 的中等档标着 57.7%，已经高过 Opus 5.5 的 max 档。
图上的 62.8% 与表里的 62.2 不一致。图表脚注写的是 Automation-Bench v1.0.6、Claude Code harness（测试框架）；表格脚注写的是 600 道公开题。两处对评测设置的说明不同，数字不能直接互换。
ALE 图上，M3.1 Flash 跑完 152 道题的总成本标为 111 美元，通过率 29.6%；Claude Opus 5.5 的 38% 对应上千美元的总成本。这组图按任务总成本比较：分数落后几个点时，账单差距可能更大。
DeepSWE 图上，M3.1 Flash 的 73.7% 对应每任务约 0.24 美元，DeepSeek-V4.1-Flash-1017 在略低的成本上拿到 77.0%。
独立评测：42 分、120 token/s、93% 的幻觉率
Artificial Analysis 在 10 月 19 日发布了独立评测：M3.1 Flash 在 Intelligence Index 上得 42 分，比 M3 的 29 分高 13 分，与 GLM-5.3-Flash 的 42 分持平，略高于 Gemini 3.8 Flash 的 41 分，低于 DeepSeek-V4.1-Flash-1017 的 45 分。
分项上，Humanity's Last Exam 得 48%，CritPt 得 22%，都高于 M3 的 39% 和 4%。成本方面，AA 测得的每任务成本约 0.22 美元，M3 约 0.51 美元，降幅约 57%。速度方面，给出 120.1 输出 token/秒；MiniMax 给的是 200+ TPS（token/秒）峰值、170+ TPS 中位数。两组数字的测量条件不同，无法据此判断「三倍」是否成立。
AA-Omniscience 测的是知识可靠性：M3.1 Flash 答对 56% 的题，幻觉率是 93%。是：直接答错的回答，占答错、部分作答和未作答之和的比例。按这个定义，M3.1 Flash 很少承认不知道，答错的比例远高于拒答。这项测试的指数得分是 16。
10 月 23 日：权重、许可证和两个没说清的问题
帖文称，权重将在 10 月 23 日发布；博文只说「稍后」。两处都没有写许可证，也没有写发布形态：是完整权重、量化版本，还是别的形式。AA 在发布当天称其权重当前未开放，并注明 MiniMax 已宣布 10 月 23 日放出权重。
MiniMax 说，模型已经通过 API、M Plan 和桌面版 MiniMax Code 提供。AA 给出的参数是 100 万 token 上下文；里的 M3.1-Flash-Preview 条目还把它描述为支持 low、medium、high、xhigh、max 五档 thinking effort，档位越高，思考越久、输出 token 越多、延迟越高。这些参数是它在长代码库和多步智能体任务里的实际边界。
许可证决定它能不能被自托管、微调和再分发。关于权重，帖文只给了日期；许可证和权重形态仍要等 10 月 23 日发布的文件。