最新资讯

不到72小时，DeepSeek和MiniMax双双交卷，Flash集体挑战旗舰 - 炸金花比牌

不久前，大模型领域的核心竞争还集中在能力上限的比拼上，但进入下半年，风向发生了变化。行业开始更关注谁能以更低成本，将模型能力转化为开发者和企业真正可用的生产力。

10月17日，DeepSeek悄然更新了V4.1 Flash-1017版本。几乎同时，MiniMax也正式发布了M3.1 Flash。后者此前曾以匿名模型Space Bunny的身份出现在开发者社区，如今终于揭开了神秘面纱。

这两款模型的接连推出，为国产大模型的Flash赛道注入了新的活力。

根据最新评测数据，M3.1 Flash在DeepSWE测试中获得了74分，仅次于DeepSeek V4.1 Flash-1017的77分；在金融Agent评测BankerToolBench中，它取得了76.2分，与Claude Opus 5并列第一。与此同时，MiniMax将新模型的输入和输出价格降至上一代M3的一半，缓存读取价格下降了约75%。

价格与能力的同时提升，是这次更新值得关注的亮点。

过去，Flash模型常被视为一种权衡——牺牲部分能力，换取更快的响应速度和更低的成本。但DeepSeek与MiniMax的接连表现，正在挑战这种行业惯例。

01

Flash领域迎来一位新强手

今晚，MiniMax M3.1 Flash正式发布。此次更新令人惊喜的是，作为一款Flash模型，其能力有了大幅提升。

据MiniMax透露，相比上一代M3，M3.1 Flash在编程、网络安全和复杂Agent任务等方面均有显著进步。在多项评测中，它已经能与旗舰模型一较高下，部分成绩甚至更胜一筹。

此外，M3.1 Flash在衡量AI电脑操作与跨应用任务执行能力的OSWorld V2中取得了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）中获得了29.6分，均位列国产模型第一。

更值得注意的是完成这些任务的成本。M3.1 Flash的通过率高于其他旗舰国产模型，而整套评测的运行成本更低。这意味着，Flash模型不仅开始挑战旗舰模型的能力，还试图以更低成本完成复杂的专业任务。

在DeepSWE v1.1评测中，M3.1 Flash取得了73.7%的成绩，明显高于多款旗舰模型。这进一步表明，在特定编程任务评测中，Flash与旗舰模型之间的能力差距已不再是不可逾越的鸿沟。

网络安全和复杂Agent任务，是M3.1 Flash试图进一步拓展的领域。

在CyberGym基准测试中，该模型获得了82%的高分，与GPT-5.6 Sol的83.6分处于相近区间。CyberGym覆盖了188个真实软件项目中的1507个历史漏洞，主要考察模型分析软件漏洞的能力。

在Automation-Bench v1.0.6中，M3.1 Flash取得了62.2分；在BankerToolBench中，它获得了76.2分，与Claude Opus 5并列第一。后者聚焦于金融场景中的多步骤规划、跨文档一致性、业务合规和复杂工具调用。

这意味着，在编程、金融工具调用和部分企业自动化任务中，轻量化模型也开始具备参与高复杂度工作的能力。

此前，Space Bunny以匿名模型的身份在开发者社区引发了关注。其身份曾引发外界猜测，除了性能，速度也是当时众多开发者反馈中最集中的特征之一。随着MiniMax认领这一模型，Space Bunny与M3.1 Flash之间的关联也逐渐清晰。

由于采用了更激进的稀疏结构，M3.1 Flash在日常使用场景下的输出速度可达200+ TPS，中位数（P50）稳定在170+ TPS，即每秒生成170个Token。

对普通用户来说，模型响应更快意味着等待时间更短。但对开发者而言，速度的意义远不止于交互体验。

当模型开始承担代码编写、自动化办公、数据处理等连续任务时，响应速度会直接影响工作流的整体效率。尤其在Agent场景中，模型需要反复理解任务、调用工具、读取结果，再决定下一步行动。一次调用节省的时间，可能在多轮执行中不断累积。

02

Flash双子星，性价比双双拉满

MiniMax选择在这个时间点推出M3.1 Flash，已然与DeepSeek形成了“Flash双强格局”。

10月17日，DeepSeek更新了V4.1 Flash-1017版本。此前，DeepSeek已在低成本模型上建立了鲜明的市场认知。此次更新又将编程能力推向了前列，进一步强化了Flash模型的竞争力。

MiniMax紧随其后，在杀手锏方面，两者有些相似之处。

例如，两家厂商均处于相近的价格区间，直接将性价比拉满。

M3.1 Flash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。与M3（输入≤512K tokens）对应价格相比，输入和输出单价均降低了50%以上，缓存读取单价降低了超70%。其定价相当于DeepSeek V4.1 Flash-1017高峰期价格的一半左右；在缓存命中场景下，两者的价格基本持平。

不过，需要注意的是，DeepSeek存在高峰期与非高峰期的差异，实际成本还会受到缓存命中率、输入输出Token比例以及任务执行轮次的影响，不能简单用单一价格推导所有场景的最终成本。

但两者共同掀起的趋势已经相当清晰。

当模型能力接近时，价格差异就会改变开发者的选择；当价格进一步下降，过去因成本过高而无法大规模部署的应用，也可能重新获得商业化机会。

对企业来说，真正重要的不是某个模型在排行榜上高出几分，而是完成同一项任务需要花费多少钱、耗费多少时间，以及失败后是否需要反复调用模型。

因此，DeepSeek与MiniMax更像是开发者工具箱中的两个重要选项。它们共同推动的，是模型能力与使用成本之间的重新平衡。

在MiniMax的DeepSWE评测中，DeepSeek V4.1 Flash-1017获得了77分，M3.1 Flash获得了74分，两者差距已不大。对于以代码生成、代码修改和软件工程任务为主的开发者而言，在MiniMax M3.1 Flash发布后，DeepSeek不再是唯一的性价比标尺。

而在MiniMax的BankerToolBench评测中，M3.1 Flash以76.2分与Claude Opus 5并列第一。结合其在Automation-Bench上的表现，MiniMax的优势更多体现在复杂任务规划、工具调用和跨系统工作流上。

它们的核心指向也一致：让AI做好一件事，可以有更便宜、更好用的方式。这背后也体现了三张牌规则——能力、速度和成本三者缺一不可，共同决定了模型的竞争力。

03

MiniMax，杀回来了

对MiniMax自身而言，M3.1 Flash的出现还有另一层意义：它提供了一次重新审视MiniMax文本模型能力的机会。

在过去一段时间里，MiniMax在市场上的标签更多与多模态能力联系在一起。相比之下，文本模型的竞争更为残酷。推理、编程、工具调用，每一项都需要长期投入；而当模型能力逐渐接近时，价格、速度和实际任务完成率又会成为新的分水岭。

此前的M3并未完全打消外界对MiniMax文本模型能力的疑虑。M3.1 Flash则试图用更具体的成绩回应这些问题。

从评测数据来看，新模型相较M3有明显提升，同时延续了较快的输出速度。它在编程、网络安全和复杂Agent任务中的表现，也让MiniMax有机会重新进入文本模型的核心竞争。

对MiniMax来说，接下来更值得关注的是，这种能力提升能否延伸到更广泛的任务场景，以及它能否在保持速度和价格优势的同时，继续提高模型的可靠性。

至于MiniMax能否借此重新确立文本模型的竞争位置，M3.1 Flash更像是一个新的起点，而不是最终答案。在Flash刷新的全新能力下，可以期待MiniMax Pro模型的发布，至少从此次披露的测评来看，M3.1 Flash的发布让MiniMax在文本模型竞争中有了更具说服力的筹码。

这场竞争的背景，是大模型行业正从能力展示走向效率竞争。

当模型的能力足以承担越来越多的真实任务时，企业关心的就不再只是参数规模和榜单排名，而是完成任务的综合成本。更便宜的Token、更快的响应，以及更少的无效调用，最终都要转化为可衡量的业务收益。

DeepSeek和MiniMax的接连出牌，让Flash不再只是旗舰模型的低价替代品。它正在成为一条独立的竞争赛道：既要足够聪明，也要足够快，还要足够便宜。

国产大模型的下一轮较量，或许不再是谁能把价格压到最低，而是谁能在价格已经足够低的情况下，仍然把复杂的事情做好。

这才是MiniMax重新回到牌桌之后，需要继续回答的问题。

本文来自微信公众号“凤凰网科技”，作者：Dale，编辑：董雨晴，36氪经授权发布。