MiniMax M3.1 Flash 发布：独立智能指数 42 比上一代高 13 分，每任务 $0.22，单价砍半 (2026)

2026 年 10 月 19 日，MiniMax 发布 MiniMax M3.1 Flash，当天在 API、M Plan 订阅与 MiniMax Code 三个入口上线。1

官方强调的变化集中在四处：agent 任务、编码、Computer Use 与网络安全。另加两个效率数字，在线推理快约 3 倍，使用成本降 70%。1

公告里还有一句值得单独拎出来：匿名期代号 Space Bunny 的模型，就是 M3.1 Flash 的早期版本，期间处理了超过 200 万亿 tokens。1

代号转正当天，第三方评测把它收录了。Artificial Analysis 已经给出分数。2

先说结论

模型与状态：MiniMax M3.1 Flash，2026 年 10 月 19 日发布；API、M Plan、MiniMax Code 可用，权重官方写明稍后放出。1
上下文与输入：1,000,000 tokens，文本、图像、视频都能进，输出为文本。3
官方成绩：BankerToolBench 76.2、DeepSWE v1.1 73.7%、OSWorld V2 61.7、Agents' Last Exam 29.6、CyberGym 82%。1
对照表里的胜场：15 项里 2 项第一、1 项并列第一；与 Opus 5 可比的 14 项里赢 2 项。1
第三方成绩：Artificial Analysis 智能指数 42，比上一代 M3 的 29 高 13 分，每任务成本 $0.22。2 4
价格：每百万 tokens 输入 $0.15、输出 $0.60、缓存命中 $0.015。5
「省 70%」的口径：同一档单价从 $0.30/$1.20 降到 $0.15/$0.60，五折；第三方按任务算出的降幅是 57%。2 5
什么时候要动：手里跑着 M3 的、用 Anthropic SDK 接模型的，改模型名和 effort 档位就能切过去。3

快速核对

项目	内容	来源
名称与状态	MiniMax M3.1 Flash，2026 年 10 月 19 日发布，三个入口同步上线	官方博客
参数规模	未披露；官方只写「更激进的稀疏化」	官方博客
上下文	1,000,000 tokens，按输入加输出合计	API 概览
输入输出	文本、图像、视频进，文本出	模型调用
思考档位	effort 五档：low / medium / high / xhigh / max，默认 max；thinking 关不掉	模型调用
接口	Anthropic 兼容 `https://api.minimax.io/anthropic`（推荐）；OpenAI 兼容 `https://api.minimax.io/v1`	模型调用
标准价	输入 $0.15 / 输出 $0.60 / 缓存读 $0.015 每百万 tokens	官方价目页
上一代 M3 的价格	M3：512K 以内输入 $0.30 / 输出 $1.20；超过后 $0.60 / $2.40	官方价目页
订阅	M Plan 三档 Go / Explore / Build，用量约 1 倍 / 3 倍 / 7.5 倍	M Plan 文档
权重	官方称稍后放出；Hugging Face 暂无仓库；AA 记为闭源	官方博客 · HF 组织页 · AA
第三方智能指数	42（上一代 M3 为 29）	AA 模型页
第三方每任务成本	$0.22（M3 为 $0.51）	AA 模型页
第三方速度	AA 两栏空着；OpenRouter 免费端点 P50 为 95 tokens/s	AA · OpenRouter
旧名迁移	M3.1-Flash-Preview 已下线，旧名请求由 M3.1-Flash 承接	M Plan 文档

官方对照表：15 项里三行第一

官方在公告里放了一张 15 项基准、7 个模型的对照表，MiniMax M3.1 Flash 那一列用红框单独标出来。1

拿第一的有三行。Automation-Bench v1.0.6 是 62.2，第二名 DeepSeek-V4.1-Flash-1017 是 60.5。1

Banker ToolBench 是 76.2，与 Claude Opus 5 并列，GLM-5.3 是 74.5、GPT-5.6 Sol 是 74.6。1

LOCA-Bench 256K 是 60.3，高过 GPT-5.6 Sol 的 60.0 与 Opus 5 的 53.7。这一项考的是长上下文里的定位与操作。1

和 Opus 5 能直接对比的 14 项里，它赢 2 项、平 1 项、输 11 项。1

差得最多的是 Terminal-Bench 4.0 的 38.1 对 51.8、NL2Repo-Bench 的 61.2 对 75.3、Humanity's Last Exam 的 43.4 对 55.6。1

公告里「中国模型第一」这个说法，落在两项。OSWorld V2 的 61.7 高于 Kimi K3 的 58.3 与 DeepSeek-V4.1-Flash 的 54.3。1

Agents' Last Exam 的 29.6 高于 Kimi K3 的 28.3。这一项考的是有经济价值的真实工作任务。1

网络安全这一项它排在第三，CyberGym 82.2 低于 GLM-5.3 的 84.5 与 GPT-5.6 Sol 的 83.6。1

这张表没有 M3 这一列，与上一代的差距只能看第三方。AA 给的 29 到 42，是这一代真正的变化量。2 4

官方 15 项基准对照表，MiniMax M3.1 Flash 一列被红框标出 — 官方公告的对照表。每项基准的评测 harness（跑测试用的那套提示与工具配置）各不相同：Agent 类用 Claude Code，编码类用 mini-SWE-agent 2.4.5 与 Claude Code 1.7178，Banker ToolBench 由 MiniMax-M2.7 当判分模型。空白格表示该模型没按同一口径跑过，官方在图注里单独说明了这件事。数据出自官方公告。

「省 70%」对应到账单是几折

公告写的是 agent 任务的整体使用成本降 70%。价目表摊开，单价的变化是另一组数。1

M3 在 512K 输入以内是 $0.30 / $1.20 每百万 tokens，M3.1 Flash 是 $0.15 / $0.60，正好一半。5

M3 超过 512K 后价格翻倍到 $0.60 / $2.40，对照这一档，降幅是 75%。5

按任务算，第三方给出的数字更小。AA 把 M3 记成每任务 $0.51，M3.1 Flash 记成 $0.22，降 57%。2 4

这次降的价全落在单价上，token 用量反而在涨。AA 同时记了 token 用量：M3 跑完一套智能指数用掉 120M 输出 tokens，M3.1 Flash 用了 180M。2 4

输出多出五成，与档位有关。官方文档写明 M3.1 Flash 的 effort 默认取 max，思考内容也算进输出 token。3

要压低账单，effort 是第一个该看的旋钮。官方那张 DeepSWE 图把这件事画出来了。1

DeepSWE v1.1 得分与每任务成本的关系，每个模型一条 effort 折线 — 官方公告的 DeepSWE v1.1 图。每个模型的几个点对应 effort 的 low / high / xhigh / max 档。M3.1 Flash 的线从 high 的 68.1% 走到 xhigh 的 72.1%、max 的 73.7%，横向花费停在 0.2 美元上下；同一分数带上，Claude Opus 5 与 Claude Fable 5 的线落在 10 到 20 美元。DeepSeek-V4.1-Flash-1017 的 max 档是 77.0%，横坐标在 0.5 美元以内。图上公开模型数据截至 2026-10-18，DeepSeek 那一档按峰值价 $0.30/$1.20 折算。数据出自官方公告。

第三方把 42 分放在哪

Artificial Analysis 已经收录：智能指数 42，每任务 $0.22，缓存折扣 90%。速度与首 token 延迟两栏空着，表示还没测。2

42 分与 Claude Haiku 5.5 的 43 分相邻，后者每任务 $0.21。6

再往上是 DeepSeek-V4.1-Flash-1017 的 45、每任务 $0.26，以及 MiMo-V2.6-Pro 的 46、每任务 $0.13。6

同分的还有 GLM-5.3-Flash 的 42（$0.28）与 GPT-6.1 Sol low 档的 42（$0.13）。榜单顶部是 Claude Opus 5.5 的 58，每任务 $5.98。6

把这些数字排在一起，它在 42 分这一档的位置很清楚：每任务比 GLM-5.3-Flash 便宜，比 MiMo-V2.6-Pro 贵。官方说的最划算，在第三方口径下要打折扣。6

上一代 M3 在 AA 上是 29 分、每任务 $0.51、110.2 tokens/s。M3.1 Flash 是 42 分、$0.22。4

速度这一栏要分开看。官方说日常 200+ tokens/s、P50 稳定在 170+，AA 尚未测，OpenRouter 的免费端点实测 95 tokens/s、延迟 0.72 秒。1 2 7

官方数字与 OpenRouter 的实测出自两套端点，测试方法也不同。上线前用真实负载各跑一遍，比看任何一个数字都可靠。7

Vals 的 GDP 加权榜单还没有它。MiniMax 在那边只有 M3 的 36.53%、每测试 $3.08，排第 44。8

接进去要改哪几行

推荐的接法是 Anthropic 兼容协议，base_url 用 https://api.minimax.io/anthropic，把 output_config.effort 显式写出来。3

走 OpenAI 兼容则是 https://api.minimax.io/v1，字段名换成 reasoning_effort。两个协议下，思考内容都与最终答案分开返回。3

thinking 关不掉。发 thinking: {"type": "disabled"} 或 effort: "none" 会返回 400，报错原文是 requires adaptive thinking。3

要省延迟和省 token，办法是把档位往下调一格，这也是一条可以写进代码的默认值。3

旧名字已经被收走：M3.1-Flash-Preview 下线，用旧名的请求现在由 MiniMax-M3.1-Flash 承接。9

还在用预览版名字的团队，等于已经切到正式版，值得回头核一遍自己传的 effort 是不是还停在 max。9

订阅侧分三档：Go、Explore、Build，用量约为 1 倍、3 倍、7.5 倍，三档都含 M3.1 Flash；H3 视频在 Explore 与 Build 两档。9

MiniMax Code 是官方推荐的客户端，登录即用订阅额度；也可以拿订阅的 API Key 接 Claude Code、Codex、Cursor、OpenCode。9

不想开账号的，OpenRouter 今天上了免费端点：1M 上下文、最大输出 524,288 tokens、支持工具调用与 JSON 输出（不做 schema 校验）。7

该不该试

手里跑着 M3 的：换模型名就能切，重点落在 effort 的默认值上。先拿自己的一套任务在 high 与 max 之间对一遍，看分数差几个点、钱差几成。3
用 Claude Code、Cursor、Codex 的：M Plan 的 API Key 可以直接接，成本按订阅走，比按 token 计费好预估。9
想要权重的：现在还没有。Hugging Face 上 MiniMaxAI 最新的文本模型仍是 6 月的 M3，官方只说稍后放出。10
对吞吐有硬要求的：官方 200+ 与第三方实测的 95 差着一倍，上线前用真实负载测，别按宣传值排容量。7
要顶格能力的：42 分这一档够不到 Opus 5.5 与 GPT-6.1 Sol 的 50 分以上区间，重活仍要分派给别的模型。6
做 agent 平台、要按任务算账的：它这次的卖点是每任务成本，AA 记的 $0.22 正好给出量级。适合放进日常批量任务，重任务另配。2

还没有的数字

参数量与架构：官方未披露，只写「更激进的稀疏化」。上一代 M3 是 428B 总参、23B 激活，这一代连量级都没给。1 4
权重与许可：公告说稍后放出，API 文档有一处称它为 open-weight，AA 标 proprietary，Hugging Face 上查不到仓库，许可条款也没有公布。四处说法不齐，自建部署暂时无从安排。1 2 3 10
技术报告、模型卡、系统卡：三样都没有。安全评估、越狱测试、知识截止、训练数据规模，一项未披露。1
第三方速度与延迟：AA 两栏空着，只有 OpenRouter 一个免费端点的实测。2
官方 15 项的第三方复跑：AA 给出的是综合分；官方那 15 项由第三家按同一口径、同样 harness 复跑的版本还没有；Vals 的 GDP 加权榜也还没有它。8
Pro 档：官方只说「稍后推出」，没有型号、价格与时间。1

References

1
MiniMax 官方博客：MiniMax M3.1 Flash
minimax.io
2
Artificial Analysis：MiniMax-M3.1-Flash
artificialanalysis.ai
3
MiniMax 文档：模型调用
platform.minimax.io
4
AA：MiniMax-M3
artificialanalysis.ai
5
MiniMax 官方价目页
platform.minimax.io
6
AA LLM 榜单
artificialanalysis.ai
7
OpenRouter：MiniMax M3.1 Flash
openrouter.ai
8
Vals Index
vals.ai
9
M Plan 文档
platform.minimax.io
10
Hugging Face：MiniMaxAI
huggingface.co

2026 年 10 月 19 日，MiniMax 发布 MiniMax M3.1 Flash，当天在 API、M Plan 订阅与 MiniMax Code 三个入口上线。1

官方强调的变化集中在四处：agent 任务、编码、Computer Use 与网络安全。另加两个效率数字，在线推理快约 3 倍，使用成本降 70%。1

公告里还有一句值得单独拎出来：匿名期代号 Space Bunny 的模型，就是 M3.1 Flash 的早期版本，期间处理了超过 200 万亿 tokens。1

代号转正当天，第三方评测把它收录了。Artificial Analysis 已经给出分数。2

先说结论

模型与状态：MiniMax M3.1 Flash，2026 年 10 月 19 日发布；API、M Plan、MiniMax Code 可用，权重官方写明稍后放出。1
上下文与输入：1,000,000 tokens，文本、图像、视频都能进，输出为文本。3
官方成绩：BankerToolBench 76.2、DeepSWE v1.1 73.7%、OSWorld V2 61.7、Agents' Last Exam 29.6、CyberGym 82%。1
对照表里的胜场：15 项里 2 项第一、1 项并列第一；与 Opus 5 可比的 14 项里赢 2 项。1
第三方成绩：Artificial Analysis 智能指数 42，比上一代 M3 的 29 高 13 分，每任务成本 $0.22。2 4
价格：每百万 tokens 输入 $0.15、输出 $0.60、缓存命中 $0.015。5
「省 70%」的口径：同一档单价从 $0.30/$1.20 降到 $0.15/$0.60，五折；第三方按任务算出的降幅是 57%。2 5
什么时候要动：手里跑着 M3 的、用 Anthropic SDK 接模型的，改模型名和 effort 档位就能切过去。3

快速核对

项目	内容	来源
名称与状态	MiniMax M3.1 Flash，2026 年 10 月 19 日发布，三个入口同步上线	官方博客
参数规模	未披露；官方只写「更激进的稀疏化」	官方博客
上下文	1,000,000 tokens，按输入加输出合计	API 概览
输入输出	文本、图像、视频进，文本出	模型调用
思考档位	effort 五档：low / medium / high / xhigh / max，默认 max；thinking 关不掉	模型调用
接口	Anthropic 兼容 `https://api.minimax.io/anthropic`（推荐）；OpenAI 兼容 `https://api.minimax.io/v1`	模型调用
标准价	输入 $0.15 / 输出 $0.60 / 缓存读 $0.015 每百万 tokens	官方价目页
上一代 M3 的价格	M3：512K 以内输入 $0.30 / 输出 $1.20；超过后 $0.60 / $2.40	官方价目页
订阅	M Plan 三档 Go / Explore / Build，用量约 1 倍 / 3 倍 / 7.5 倍	M Plan 文档
权重	官方称稍后放出；Hugging Face 暂无仓库；AA 记为闭源	官方博客 · HF 组织页 · AA
第三方智能指数	42（上一代 M3 为 29）	AA 模型页
第三方每任务成本	$0.22（M3 为 $0.51）	AA 模型页
第三方速度	AA 两栏空着；OpenRouter 免费端点 P50 为 95 tokens/s	AA · OpenRouter
旧名迁移	M3.1-Flash-Preview 已下线，旧名请求由 M3.1-Flash 承接	M Plan 文档

官方对照表：15 项里三行第一

官方在公告里放了一张 15 项基准、7 个模型的对照表，MiniMax M3.1 Flash 那一列用红框单独标出来。1

拿第一的有三行。Automation-Bench v1.0.6 是 62.2，第二名 DeepSeek-V4.1-Flash-1017 是 60.5。1

Banker ToolBench 是 76.2，与 Claude Opus 5 并列，GLM-5.3 是 74.5、GPT-5.6 Sol 是 74.6。1

LOCA-Bench 256K 是 60.3，高过 GPT-5.6 Sol 的 60.0 与 Opus 5 的 53.7。这一项考的是长上下文里的定位与操作。1

和 Opus 5 能直接对比的 14 项里，它赢 2 项、平 1 项、输 11 项。1

差得最多的是 Terminal-Bench 4.0 的 38.1 对 51.8、NL2Repo-Bench 的 61.2 对 75.3、Humanity's Last Exam 的 43.4 对 55.6。1

公告里「中国模型第一」这个说法，落在两项。OSWorld V2 的 61.7 高于 Kimi K3 的 58.3 与 DeepSeek-V4.1-Flash 的 54.3。1

Agents' Last Exam 的 29.6 高于 Kimi K3 的 28.3。这一项考的是有经济价值的真实工作任务。1

网络安全这一项它排在第三，CyberGym 82.2 低于 GLM-5.3 的 84.5 与 GPT-5.6 Sol 的 83.6。1

这张表没有 M3 这一列，与上一代的差距只能看第三方。AA 给的 29 到 42，是这一代真正的变化量。2 4

「省 70%」对应到账单是几折

公告写的是 agent 任务的整体使用成本降 70%。价目表摊开，单价的变化是另一组数。1

M3 在 512K 输入以内是 $0.30 / $1.20 每百万 tokens，M3.1 Flash 是 $0.15 / $0.60，正好一半。5

M3 超过 512K 后价格翻倍到 $0.60 / $2.40，对照这一档，降幅是 75%。5

按任务算，第三方给出的数字更小。AA 把 M3 记成每任务 $0.51，M3.1 Flash 记成 $0.22，降 57%。2 4

这次降的价全落在单价上，token 用量反而在涨。AA 同时记了 token 用量：M3 跑完一套智能指数用掉 120M 输出 tokens，M3.1 Flash 用了 180M。2 4

输出多出五成，与档位有关。官方文档写明 M3.1 Flash 的 effort 默认取 max，思考内容也算进输出 token。3

要压低账单，effort 是第一个该看的旋钮。官方那张 DeepSWE 图把这件事画出来了。1

第三方把 42 分放在哪

Artificial Analysis 已经收录：智能指数 42，每任务 $0.22，缓存折扣 90%。速度与首 token 延迟两栏空着，表示还没测。2

42 分与 Claude Haiku 5.5 的 43 分相邻，后者每任务 $0.21。6

再往上是 DeepSeek-V4.1-Flash-1017 的 45、每任务 $0.26，以及 MiMo-V2.6-Pro 的 46、每任务 $0.13。6

同分的还有 GLM-5.3-Flash 的 42（$0.28）与 GPT-6.1 Sol low 档的 42（$0.13）。榜单顶部是 Claude Opus 5.5 的 58，每任务 $5.98。6

把这些数字排在一起，它在 42 分这一档的位置很清楚：每任务比 GLM-5.3-Flash 便宜，比 MiMo-V2.6-Pro 贵。官方说的最划算，在第三方口径下要打折扣。6

上一代 M3 在 AA 上是 29 分、每任务 $0.51、110.2 tokens/s。M3.1 Flash 是 42 分、$0.22。4

速度这一栏要分开看。官方说日常 200+ tokens/s、P50 稳定在 170+，AA 尚未测，OpenRouter 的免费端点实测 95 tokens/s、延迟 0.72 秒。1 2 7

官方数字与 OpenRouter 的实测出自两套端点，测试方法也不同。上线前用真实负载各跑一遍，比看任何一个数字都可靠。7

Vals 的 GDP 加权榜单还没有它。MiniMax 在那边只有 M3 的 36.53%、每测试 $3.08，排第 44。8

接进去要改哪几行

推荐的接法是 Anthropic 兼容协议，base_url 用 https://api.minimax.io/anthropic，把 output_config.effort 显式写出来。3

走 OpenAI 兼容则是 https://api.minimax.io/v1，字段名换成 reasoning_effort。两个协议下，思考内容都与最终答案分开返回。3

thinking 关不掉。发 thinking: {"type": "disabled"} 或 effort: "none" 会返回 400，报错原文是 requires adaptive thinking。3

要省延迟和省 token，办法是把档位往下调一格，这也是一条可以写进代码的默认值。3

旧名字已经被收走：M3.1-Flash-Preview 下线，用旧名的请求现在由 MiniMax-M3.1-Flash 承接。9

还在用预览版名字的团队，等于已经切到正式版，值得回头核一遍自己传的 effort 是不是还停在 max。9

订阅侧分三档：Go、Explore、Build，用量约为 1 倍、3 倍、7.5 倍，三档都含 M3.1 Flash；H3 视频在 Explore 与 Build 两档。9

MiniMax Code 是官方推荐的客户端，登录即用订阅额度；也可以拿订阅的 API Key 接 Claude Code、Codex、Cursor、OpenCode。9

不想开账号的，OpenRouter 今天上了免费端点：1M 上下文、最大输出 524,288 tokens、支持工具调用与 JSON 输出（不做 schema 校验）。7

该不该试

手里跑着 M3 的：换模型名就能切，重点落在 effort 的默认值上。先拿自己的一套任务在 high 与 max 之间对一遍，看分数差几个点、钱差几成。3
用 Claude Code、Cursor、Codex 的：M Plan 的 API Key 可以直接接，成本按订阅走，比按 token 计费好预估。9
想要权重的：现在还没有。Hugging Face 上 MiniMaxAI 最新的文本模型仍是 6 月的 M3，官方只说稍后放出。10
对吞吐有硬要求的：官方 200+ 与第三方实测的 95 差着一倍，上线前用真实负载测，别按宣传值排容量。7
要顶格能力的：42 分这一档够不到 Opus 5.5 与 GPT-6.1 Sol 的 50 分以上区间，重活仍要分派给别的模型。6
做 agent 平台、要按任务算账的：它这次的卖点是每任务成本，AA 记的 $0.22 正好给出量级。适合放进日常批量任务，重任务另配。2

还没有的数字

参数量与架构：官方未披露，只写「更激进的稀疏化」。上一代 M3 是 428B 总参、23B 激活，这一代连量级都没给。1 4
权重与许可：公告说稍后放出，API 文档有一处称它为 open-weight，AA 标 proprietary，Hugging Face 上查不到仓库，许可条款也没有公布。四处说法不齐，自建部署暂时无从安排。1 2 3 10
技术报告、模型卡、系统卡：三样都没有。安全评估、越狱测试、知识截止、训练数据规模，一项未披露。1
第三方速度与延迟：AA 两栏空着，只有 OpenRouter 一个免费端点的实测。2
官方 15 项的第三方复跑：AA 给出的是综合分；官方那 15 项由第三家按同一口径、同样 harness 复跑的版本还没有；Vals 的 GDP 加权榜也还没有它。8
Pro 档：官方只说「稍后推出」，没有型号、价格与时间。1

References

1
MiniMax 官方博客：MiniMax M3.1 Flash
minimax.io
2
Artificial Analysis：MiniMax-M3.1-Flash
artificialanalysis.ai
3
MiniMax 文档：模型调用
platform.minimax.io
4
AA：MiniMax-M3
artificialanalysis.ai
5
MiniMax 官方价目页
platform.minimax.io
6
AA LLM 榜单
artificialanalysis.ai
7
OpenRouter：MiniMax M3.1 Flash
openrouter.ai
8
Vals Index
vals.ai
9
M Plan 文档
platform.minimax.io
10
Hugging Face：MiniMaxAI
huggingface.co

MiniMax M3.1 Flash 发布：独立智能指数 42 比上一代高 13 分，每任务 $0.22，单价砍半

先说结论

快速核对

官方对照表：15 项里三行第一

「省 70%」对应到账单是几折

第三方把 42 分放在哪

接进去要改哪几行

该不该试

还没有的数字

References

Related content

MiniMax M3.1 Flash 发布：独立智能指数 42 比上一代高 13 分，每任务 $0.22，单价砍半

先说结论

快速核对

官方对照表：15 项里三行第一

「省 70%」对应到账单是几折

第三方把 42 分放在哪

接进去要改哪几行

该不该试

还没有的数字

References

Related content