文章核心观点 - MiniMax于10月19日晚正式发布新一代Flash模型M3.1 Flash，此前匿名亮相的Space Bunny正是其早期版本 [1] - M3.1 Flash在复杂Agent任务、电脑操作、软件开发及网络安全等方面取得大幅提升，线上推理速度提升近3倍，使用成本降低70% [1] - 国产Flash模型在编程和Agent评测中已能与头部闭源模型竞争，同时保持较低调用价格，Flash模型正向复杂任务中的主力角色靠近 [12] - DeepSeek与MiniMax呈现各有侧重的优势，两者可成为开发者与企业按任务选择的互补选项，国产Flash领域形成相互参照、持续竞争的产品组合 [13] - M3.1 Flash为市场重新评估MiniMax文本模型竞争力提供具体依据，进一步稳固其在高性价比文本模型领域的地位，Pro版本将在不久后推出 [13] 复杂任务与自动化能力 - M3.1 Flash在AutomationBench-AA中成绩位居最前列 [2] - 在跨SaaS系统的真实企业业务工作流中，能完整解决销售、营销、运营、客服、财务、HR的真实问题 [2] - 模型在BankerToolBench中取得76.2分，擅长多步骤规划、跨文档/跨文件一致性、金融业务合规、工具链式调用等真实复杂问题 [2] - Automation-Bench v1.0.6评测中，M3.1 Flash得分62.8，高于DeepSeek-V4.1-Flash-1017的60.5、DeepSeek-V4.1-Flash的54.8、Kimi-K3的46.7、GLM-5.3的48.8、GPT-5.6 Sol的45.8、Opus 5的50.3 [2] - Banker ToolBench评测中，M3.1 Flash得分76.2，与Opus 5持平，高于DeepSeek-V4.1-Flash的73.7、Kimi-K3的69.1、GLM-5.3的74.5、GPT-5.6 Sol的74.6 [2] - GDP.pdf AA评测中，M3.1 Flash得分20.8，高于DeepSeek-V4.1-Flash的12.8、GLM-5.3的11.2，低于Kimi-K3的22.0、GPT-5.6 Sol的27.2、Opus 5的21.6 [2] - Terminal Bench 4.0评测中，M3.1 Flash得分38.1，低于DeepSeek-V4.1-Flash-1017的42.3、GPT-5.6 Sol的39.9、Opus 5的51.8，高于DeepSeek-V4.1-Flash的31.2、Kimi-K3的12.6、GLM-5.3的37.9 [2] - LOCA-Bench 256K评测中，M3.1 Flash得分60.3，高于Kimi-K3的49.7、GLM-5.3的50.3、Opus 5的53.7，与GPT-5.6 Sol的60.0接近 [2] 编程与软件工程能力 - M3.1 Flash在DeepSWE v1.1评测中取得73.7%的成绩，展现出出色的长链路任务执行能力，能够以更低的成本支持复杂的软件开发工作流 [5] - DeepSWE v1.1评测中，M3.1 Flash得分73.7，低于DeepSeek-V4.1-Flash-1017的77.0、DeepSeek-V4.1-Flash的74.2、Opus 5的74.0，高于Kimi-K3的67.5、GLM-5.3的66.9、GPT-5.6 Sol的73.0 [2] - Post Train Bench v1.1评测中，M3.1 Flash得分39.3，高于DeepSeek-V4.1-Flash的30.5、Kimi-K3的36.6、GLM-5.3的37.5、GPT-5.6 Sol的36.2，低于Opus 5的40.4 [2] - NL2Repo-Bench评测中，M3.1 Flash得分61.2，低于DeepSeek-V4.1-Flash-1017的68.2、DeepSeek-V4.1-Flash的65.4、Opus 5的75.3，高于Kimi-K3的58.0、GLM-5.3的58.0、GPT-5.6 Sol的56.8 [2] - SWE Refactor Bench评测中，M3.1 Flash得分23.0，高于DeepSeek-V4.1-Flash的11.8、Kimi-K3的19.5、GLM-5.3的10.4，低于GPT-5.6 Sol的28.5、Opus 5的31.0 [2] 电脑操作与专业任务执行 - M3.1 Flash在衡量AI电脑操作与跨应用任务执行能力的OSWorld V2中取得61.7分，在评估真实专业工作场景与复杂任务完成能力的Agents' Last Exam（ALE）中取得29.6分，均位列国产模型第一 [8] - OSWorld 2.0评测中，M3.1 Flash得分61.7，高于DeepSeek-V4.1-Flash的54.3、Kimi-K3的58.3，低于GPT-5.6 Sol的65.7、Opus 5的70.6 [2] - Agents' Last Exam评测中，M3.1 Flash得分29.6，高于Kimi-K3的28.3，低于GPT-5.6 Sol的30.6、Opus 5的32.2 [2] 网络安全 - M3.1 Flash在CyberGym基准测试中取得82%的高分，展现出领先的漏洞发现与验证能力 [11] - 经内部安全专家深度评测，模型在代码审计、漏洞修补、渗透测试、恶意代码分析与逆向工程等场景下均表现出色，能够以低成本、高效率支持复杂的安全体系建设 [11] - CyberGym评测中，M3.1 Flash得分82.2，高于Kimi-K3的80.0、GPT-5.6 Sol的83.6，低于GLM-5.3的84.5 [2] 推理效率与成本 - M3.1 Flash的推理效率得到进一步优化，模型使用了更激进的稀疏注意力架构，日常使用场景下的输出速度可达200+ TPS，中位数（P50）稳定达到170+ TPS [11] - 在Agentic类任务中，模型的综合使用成本是前代模型的三成 [11] - M3.1 Flash下调了API调用价格，每百万tokens的输入费用为1元、输出费用为4元，缓存读取费用为0.1元 [11] - 与M3（输入≤512K tokens）对应价格相比，输入和输出单价均降低50%以上，缓存读取单价降低超70% [11] 通用能力 - Baby Vision (w/tools)评测中，M3.1 Flash得分91.0，低于DeepSeek-V4.1-Flash-1017的92.5、Opus 5的94.1，高于DeepSeek-V4.1-Flash的89.6、Kimi-K3的85.7、GPT-5.6 Sol的88.9 [2] - HLE (w/o tools)评测中，M3.1 Flash得分43.4，高于DeepSeek-V4.1-Flash-1017的42.6、DeepSeek-V4.1-Flash的39.2、GLM-5.3的42.3，低于Kimi-K3的43.5、GPT-5.6 Sol的49.5 [2] - Char Xiv RQ评测中，M3.1 Flash得分82.5，高于DeepSeek-V4.1-Flash的69.0、Opus 5的83.7，低于Kimi-K3的84.8、GPT-5.6 Sol的85.2 [2] 行业竞争格局 - 两天前DeepSeek于10月17日更新了V4.1 Flash-1017，重点提升完整项目开发能力，并通过缩短输出长度和任务运行时间提高任务执行效率 [12] - 两家厂商接连更新，让国产Flash模型在复杂任务上的竞争更加直接 [12] - 从公开榜单测试结果看，国产Flash模型在编程和Agent评测中已能与头部闭源模型竞争，同时保持较低的调用价格 [12] - 随着Flash的任务能力提升，模型竞争进一步延伸到完整任务的交付效率：既要完成工作，也要减少重试、返工和人工接管 [12] - 能力、速度与成本的同步改善，才有可能推动更多任务进入高频使用阶段 [12] - 根据公开对比结果，DeepSeek V4.1 Flash-1017的软件工程评测得分更高，M3.1 Flash则在跨SaaS业务工作流、网络安全等领域表现更突出 [13]