發生什麼：MiniMax 推出 M3.1 Flash，價格是 M3 的一半
上海 AI 公司 MiniMax 在 2026 年 10 月 19 日發布部落格，推出「新一代 Flash 模型」M3.1 Flash，即日起可透過 MiniMax API、訂閱方案 M Plan 與桌面程式 MiniMax Code 使用。官方表示，先前以化名「Space Bunny」匿名上線、處理超過 200 兆 tokens 的模型，就是 M3.1 Flash 的早期版本；能力更強的 Pro 版與模型權重都會「稍後」推出，部落格沒有給日期，也沒有說明授權條款。VentureBeat 同日報導 MiniMax 計畫 10 月 23 日釋出權重，但同樣指出授權尚未公布。
MiniMax 定價頁列出 M3.1 Flash 單一價格：每百萬 tokens 輸入 0.15 美元、輸出 0.60 美元、快取讀取 0.015 美元。前代 M3 的標準價（輸入 512K tokens 以內）是 0.30／1.20／0.06 美元，也就是 Flash 的輸入、輸出牌價剛好是 M3 的一半，快取讀取則只有四分之一。MiniMax 另稱，以代理任務計算的使用成本比前代低 70%，但部落格沒有交代這個數字的計算方式。模型頁寫明上下文長度為 100 萬 tokens。
官方說法：自測分數與速度
部落格列出的成績全部是 MiniMax 自行測得：BankerToolBench 76.2、DeepSWE v1.1 73.7%、OSWorld V2 61.7、Agents' Last Exam 29.6、CyberGym 82%，並稱 OSWorld V2 與 Agents' Last Exam 在中國模型中排第一。文字版沒有列出對照模型的分數、測試設定或執行次數，比較圖只以圖片呈現。
速度方面，MiniMax 稱日常使用輸出可達每秒 200 個 tokens 以上，中位數（P50）穩定在 170 以上，並把提速歸因於「更激進的稀疏化」。部落格與模型頁都沒有公布 M3.1 Flash 的總參數與啟用參數，MiniMax 也還沒發布這個版本的技術報告。
第三方數字：綜合分數接近同級，速度與「答錯傾向」不如宣傳
獨立評測機構 Artificial Analysis 的模型頁（本站 10 月 21 日讀取，指數版本 v4.3.2）給 M3.1 Flash 綜合智能指數 43 分，跑完整套指數平均每題成本約 0.22 美元。同一版本下，DeepSeek V4.1 Flash 1017 是 45 分、每題約 0.26 美元。VentureBeat 10 月 19 日報導時引用的分數是 42，差異可能來自指數更新或重新測試，讀者引用時應註明讀取日期。
速度是落差最大的地方：Artificial Analysis 在 MiniMax 自家 API 上測得輸出速度中位數 104.7 tokens／秒、首個 token 延遲 1.38 秒，明顯低於官方的 170+；同一來源上 DeepSeek V4.1 Flash 1017 在 DeepSeek API 上是 208.7。兩者測試條件並不相同：官方數字是 MiniMax 自述的「日常使用」，第三方則是依其自家方法在 MiniMax API 上量測，也可能受上線初期負載影響，因此本站不把它解讀為官方造假，只能說目前第三方數字沒有重現官方說法。
VentureBeat 引述 Artificial Analysis 的知識可靠度測試 AA-Omniscience：M3.1 Flash 答對 56% 的題目，高於 DeepSeek V4.1 Flash 1017 的 43%；但它幾乎每題都作答，在沒答對的題目中有 93% 是給出錯誤答案，而不是表示不確定，因此綜合的 Omniscience 指數只有 16。這裡的 93% 不是「93% 的回答是錯的」，而是「不會時選擇硬答」的比例。本站未能在 Artificial Analysis 模型頁直接讀到這組數字，以下以 VentureBeat 的報導為準。
AI 觀點分析與推論
AI 觀點：真正的賣點是價格，不是速度，代理用途要先處理「不會說不知道」
我傾向認為，M3.1 Flash 這次的實質變化是價格：在 Artificial Analysis 的同一把尺上，它比 DeepSeek V4.1 Flash 1017 低 2 分，但輸入輸出牌價只有對方的一半，每題成本也略低。對每天要跑大量摘要、分類、程式小修的團隊，這個價格差是看得見的。反過來，官方最強調的速度目前沒有被第三方重現，若你的產品對延遲敏感，應自己測，不要直接用 170+ 估算。
比較麻煩的是答錯傾向。代理（agent）流程的風險不在模型不會，而在它不會時仍自信地給答案，接著被下游工具當成事實執行。若 AA-Omniscience 的結果成立，M3.1 Flash 比較適合「答案能被程式或人工驗證」的工作，例如寫程式再跑測試、整理有原文可對照的文件；不適合直接回答查不到出處的事實問題。實務上可以搭配檢索、要求引用來源，或在提示中明確允許回答「不知道」，再自己量一次拒答率。
受益者是成本敏感、能自建驗證層的開發者；較不利的是想直接拿來當知識問答或客服的人。會讓我改變判斷的訊號有三個：10 月 23 日前後若真的釋出權重且授權寬鬆，自架與微調會讓它的定位從「便宜 API」變成「可控的開放模型」；若 Artificial Analysis 後續測得速度回到 150 以上，代表初期只是負載問題；若有其他獨立機構重測幻覺率得到明顯不同的結果，第三節的疑慮就要下修。
限制與接下來觀察
本文的官方分數、速度、成本降幅與 Space Bunny 說法均為 MiniMax 自述；第三方數字來自 Artificial Analysis 單一機構，AA-Omniscience 數字為 VentureBeat 轉述，本站未獨立重跑任何測試。官方自測與第三方測試的題目、設定和時間點都不同，不能直接互相排名。第三方頁面會隨版本更新，本文數字以 10 月 21 日讀取時為準。
接下來可觀察：權重是否如報導在 10 月 23 日釋出、授權是否允許商用與修改；Pro 版的推出時間與價格；Artificial Analysis 等機構的速度與幻覺率是否在上線一段時間後改變。
