MiniMax 发布了 M3.1 Flash 模型，官方数据显示 Agent 使用成本降低 70%，线上推理速度接近上一代的三倍，最高输出速度可达 200+ Token/s。同时 Artificial Analysis 也给出了独立评测结果。
M3.1 Flash 升级了什么？
这次 MiniMax 重点升级了四个方向：Agentic Tasks、Coding、Computer Use、Cybersecurity。从官方展示的测试项目来看，它希望覆盖的已经是一整套 Agent 工作场景。
公布的测试成绩包括：
| 测试 | M3.1 Flash |
|---|---|
| DeepSWE v1.1 | 73.7% |
| OSWorld V2 | 61.7 |
| Agents' Last Exam | 29.6 |
| BankerToolBench | 76.2 |
| CyberGym | 82% |
其中 DeepSWE 测试模型完成真实软件工程任务的能力，OSWorld 则更接近实际电脑操作，都与 Agent 的工具执行能力有关。
Artificial Analysis 评测
Artificial Analysis Intelligence Index 得分 42 分，在 173 个比较对象中排名第 4。值得注意的是，M3.1 Flash 生成的输出 Token 数量明显高于同类模型的中位数。
API 价格
| 类型 | 每百万 Token 价格 |
|---|---|
| 输入 | $0.15 |
| 输出 | $0.60 |
| 缓存输入 | $0.015 |
需要注意：官方所说的成本降低 70%，针对的是比较条件下的 Agent 任务成本，不能直接理解成每百万 Token 的价格统一下调 70%。
Cost per Successful Task
评估 Agent 模型更重要的指标是「每个成功任务的平均成本」。例如模型 A 总成本 10 美元、完成 80 个任务（每成功任务 0.125 美元），模型 B 总成本 6 美元、完成 40 个任务（每成功任务 0.15 美元）。虽然 B 总花费更低，但每个成功任务的成本反而更高。
多模型路由架构
将 M3.1 Flash 接入 Agent 系统时，建议放在可替换的推理层，通过 MODEL ROUTER 根据任务复杂度路由到不同模型。简单任务用低成本模型，复杂任务用强能力模型，连续失败时自动切换。
模型权重后续开放
MiniMax 表示 M3.1 Flash 目前已通过 API、M Plan 和 MiniMax Code 提供服务，模型权重计划后续发布。届时企业可评估本地部署方案，用于内部代码分析、私有知识库研究等场景。
未来 Agent 模型的竞争将围绕三个指标：任务成功率、执行速度、任务成本。M3.1 Flash 在这三个维度都展示了有竞争力的数据。
