MiniMax 今日隆重推出了其最新产品——M3.1 Flash，这一模型的前身为曾经在市场上引发轰动的 Space Bunny。在此，直接给出结论：根据官方数据，M3.1 Flash 在 Automation-Bench 的评比中表现出色，位居榜首。而在第三方平台 Arena 的 WebDev 排行榜上，它则位列第十二。官方指出，该模型的主要应用场景包括复杂的 Agent 任务、软件开发、计算机操作和网络安全等。至于定价，国内每百万 tokens 的输入费用为1元，输出则为4元，与 DeepSeek V4.1 Flash 基本持平，因此价格并不算低。关于权重的具体信息，官方表示将会在未来公布。

M3.1 Flash 的更新内容涵盖 MiniMax API、MPlan 和 MiniMax Code。值得注意的是，早期版本的 Space Bunny 处理了超过 200T tokens，尽管官方没有提供详细的统计方法，我的个人推测是，这200T 是由 OpenCode 和 OpenRouter 的数据综合得出的：截至10月5日，OpenCode 的数字为106T，但未公布 OpenRouter 的具体值。

这款模型的 ID 为 MiniMax-M3.1-Flash，支持长达100万 tokens 的上下文输入，包括文本、图片及视频。但应该注意的是，思考功能无法完全关闭，用户只能调低 effort，其设定共有五个选项，默认为最大值。权重供应方面，官方仍旧表示“稍后开放”。截至10月19日，我在 Hugging Face 上查看 MiniMaxAI 的模型时，并未发现这款新模型。追求更高智能的 Pro 版本也同样面临“稍后见”的局面。 ut88

至于实力表现，相关的数据均由官方发布，没有经过第三方的复测。官方给出的对比表中，竞争对手有 DeepSeek-V4.1-Flash、Kimi-K3、GLM-5.3、GPT-5.6 Sol 以及 Opus 5。值得关注的是，Automation-Bench 中在 Agent 任务的得分最高达62.2分，此项分数在报告中的众多模型里名列前茅。同时，在金融业务的 BankerToolBench 中，M3.1 Flash 以76.2分并列 Opus 5，成为最高分之一。

在编程能力方面，独立完成复杂软件任务的 DeepSWE v1.1 得到了73.7%的评价，相对中上，而 DeepSeek-V4.1-Flash-1017 达到了77.0的最高分。在计算机操作类别中，OSWorld V2 的得分为61.7，Agents' Last Exam 则仅为29.6，官方强调这两项均为国内第一，然而 GLM-5.3在这两项上并未提供成绩。需要指出的是，报告内的空白并非代表零分，而是表明缺少相关成绩。各大模型在 OSWorld 的评分中，取的是发布时的最高值，而 DeepSeek-V4.1 则是基于内部复现的数据。与 GPT-5.6 Sol 和 Opus 5 相比，M3.1 Flash 在 OSWorld 的表现稍显逊色，而在 Agents' Last Exam 中也略有差距。

在网络安全评测中，CyberGym 的得分为82%，这一数据与表中82.2的标识相近，GLM-5.3 和 GPT-5.6 Sol 在此方面略有领先。对于模型的速度，官方透露其日常输出达200+ TPS（每秒Tokens数量），中位输出为170+ TPS。整体而言，其“效率提升近三倍”和“成本降低70%”的说法尚未明确对比对象，70%的成本降低指的是在 Agentic 任务的综合使用费用上。 ut88

在第三方 Arena 的 Code Arena WebDev 排行榜中，M3.1 Flash 排名第十二，得分1588，相较于之前的版本 M3 提升了106分。厂商榜中，它同样保持第十二的位置，最高得分为 Claude Opus 5.5（Max）取得的1806分，需要指出的是，这个分数并不是全部模型的最高。总的来看，这只是 WebDev 榜单中的一部分数据展示。