MiniMax新模型主打百万上下文与低价

人工智能

MiniMax 刚刚通过 API 发布了 MiniMax M3.1 Flash，输入价格为每 100 万 tokens 0.15 美元。MiniMax 还确认，Space Bunny 是 M3.1 Flash 的早期版本。这个此前匿名上线的模型已处理超过 200T tokens。对开发者来说，重点是：以 Flash 档的成本，获得接近前沿模型的 Agent 任务表现。模型权重计划于 2026 年 10 月下旬发布。

规模：总参数 428B，激活参数约 23B（MoE）；上下文长度为 1,000,000 tokens。

运行平台：目前可通过 MiniMax API、M Plan 和 MiniMax Code 使用。尚未披露自托管所需的硬件；权重将于 10 月 23 日发布。

性能：在 Agent 办公任务上接近前沿水平，在高难度编程任务上处于中游；所有结果均由 MiniMax 报告。

最佳表现：Automation-Bench v1.0.6 得分 62.2，是 MiniMax 对比表中的最高分。

最弱表现：Terminal Bench 4.0 得分 38.1，而 Opus 5 为 51.8。

什么是 MiniMax M3.1 Flash？

MiniMax M3.1 Flash 是 MiniMax 推出的多模态混合专家模型，面向编程、Agent 办公任务和视觉推理。MiniMax 的产品页面列出的总参数量为 428B，激活参数约为 23B，此外还提到了稀疏注意力和原生视觉编码器。

该模型接受文本、图像和视频输入，输出文本。上下文窗口为 1,000,000 tokens。这些参数规模与 MiniMax M3 一致，后者的总参数约为 428B，激活参数约为 23B。MiniMax 尚未发布技术报告，说明 Flash 变体具体做了哪些改动。

M3.1 Flash 的推理机制如何工作？

推理始终开启，无法禁用。开发者可以选择 5 档推理强度：Low、Medium、High、Xhigh 和 Max。MiniMax 建议默认使用 Max。

迁移时需要注意：如果请求中发送 thinking.type=disabled 或 effort=none，就会返回错误。推理内容通过独立的 reasoning_content 字段返回，但该字段可能不存在。此前通过解析 M3 输出中内嵌的 <think> 标签来提取推理内容的集成，需要更新。

M3.1 Flash 在基准测试中表现如何？

以下所有分数均由 MiniMax 报告，目前尚无独立复现结果。

在 CoWork 测试集上，M3.1 Flash 以 62.2 分领跑 Automation-Bench v1.0.6。Opus 5 得分为 50.3，GPT-5.6 Sol 为 45.8。在 BankerToolBench 上，它以 76.2 分与 Opus 5 持平。在 LOCA-Bench 256K 上，它也以 60.3 分位居第一。Agents’ Last Exam 得分为 29.6。

编程测试的结果有好有坏。DeepSWE v1.1 得分为 73.7，略高于 GPT-5.6 Sol 的 73.0。DeepSeek-V4.1-Flash-1017 则更高，达到 77.0。Terminal Bench 4.0 是表现最弱的一项，得分为 38.1。SWE Refactor Bench 得分为 23.0，而 Opus 5 为 31.0。

视觉方面，使用工具的 BabyVision 得分达到 91.0，CharXiv RQ 达到 82.5。不使用工具的 HLE 得分为 43.4。

抽查结果能够相互印证。Kimi K3 模型卡报告的 DeepSWE 得分为 67.5，BabyVision 为 85.7，与 MiniMax 表格中的数据一致。不过有一处不一致：MiniMax 的成本图将 Max 推理强度下的 Automation-Bench 得分标为 62.8，而表格中写的是 62.2。

M3.1 Flash 每项任务的成本是多少？

MiniMax 强调的是每项任务的成本，而非每个 token 的成本。在其 Automation-Bench 图表中，全部 5 档推理强度的单任务成本都低于 0.05 美元。得分从 Low 档的 52.8，到 Max 档的 62.8 不等。完整运行包含 152 项任务的 Agents’ Last Exam，成本约为 111 美元，得分为 29.6。在 DeepSWE 图表上，Max 推理强度下的 DeepSeek V4.1 Flash-1017 得分更高，成本也更低。

如何部署 MiniMax M3.1 Flash？

该模型已在 platform.minimax.io 上线，模型名称为 MiniMax-M3.1-Flash。MiniMax 支持兼容 Anthropic 和 OpenAI 的访问方式，包括 Chat Completions 和 Responses。此外，也可以通过 M Plan 和 MiniMax Code 桌面应用使用。

定价统一为每 100 万 tokens：输入 0.15 美元，输出 0.60 美元。缓存读取价格为每 100 万 tokens 0.015 美元，不收取长上下文附加费。MiniMax M3 在输入不超过 512K 时，输入和输出价格分别为 0.30 美元和 1.20 美元，超过后价格翻倍。按 token 计算，Flash 的价格是 M3 标准费率的一半。MiniMax 声称其成本为 M3 的 1/3，但尚未详细说明计算方式。

速度方面，MiniMax 产品页面列出的吞吐速度约为每秒 150 tokens。发布公告称，其速度是 M3 的 3 倍。权重将于 10 月 23 日发布，许可证尚未披露。作为规模参考，M3 的 MXFP8 版本约为 440 GB。

M3.1 Flash 与 DeepSeek、Kimi 和 GLM 相比如何？

特性	MiniMax M3.1 Flash	DeepSeek V4.1 Flash	Kimi K3	GLM-5.3
总参数 / 激活参数	428B / 约 23B（MiniMax）	552B / prefill 阶段 8B、decode 阶段 16B（NVIDIA 模型卡）	2.8T / 104B（HF）	约 744B / 约 40B，共用 GLM-5 基座
上下文	1M	1M（DeepSeek 文档）	1,048,576	1,048,576（Cloudflare）
输入	文本、图像、视频	文本、图像	文本、图像	文本
权重 / 许可证	计划于 10 月 23 日发布；许可证尚未披露	开放，MIT	开放，Kimi K3 License	开放权重
API 输入 / 输出价格（每 100 万 tokens）	统一为 0.15 / 0.60 美元	高峰期 0.30 / 1.20 美元；非高峰期半价	3.00 / 15.00 美元	1.40 / 4.40 美元
自托管硬件	尚未披露	尚未披露	MXFP4 权重；vLLM、SGLang	尚未披露
Automation-Bench v1.0.6*	62.2	54.8	46.7	48.8
DeepSWE v1.1*	73.7	74.2	67.5	66.9
Terminal Bench 4.0*	38.1	31.2	12.6	37.9
BabyVision（使用工具）*	91.0	89.6	85.7	未报告

*分数来自 MiniMax 的对比表。Kimi K3 的 DeepSWE 和 BabyVision 分数与其自身模型卡一致。

有哪些局限？

所有基准测试结果均由厂商报告，而且评测框架的选择会影响结果。不同来源的 Automation-Bench 分数不能直接比较。Kimi K3 的模型卡在包含 600 项任务的公开子集上报告了 30.8 分，而 MiniMax 列出的分数是 46.7。

Opus 5 在 Terminal Bench 4.0 上领先 13.7 分，在 NL2Repo-Bench 上领先 14.1 分。始终开启的推理，也为简单调用设定了 token 消耗和延迟的下限。自托管的具体信息要到 10 月 23 日才能知晓。

428B 参数的 MoE，激活参数约 23B，上下文为 1M。

每 100 万 tokens 的输入 / 输出价格为 0.15 / 0.60 美元，是 M3 每 token 费率的一半。

据 MiniMax 报告，以 62.2 分领跑 Automation-Bench v1.0.6。

在 Terminal Bench 4.0 上落后 Opus 5 13.7 分。

权重将于 10 月 23 日发布；推理无法禁用。

欢迎查看发布公告、产品页面和 API 文档。本项目的所有功劳归于研究人员。也欢迎在 Twitter 上关注我们，别忘了加入我们拥有超过 15 万成员的 ML SubReddit，并订阅我们的 Newsletter。等等！你用 Telegram 吗？现在也可以在 Telegram 上加入我们。

Asif Razzaq 是 Marktechpost AI Media Inc. 的 CEO。作为一名富有远见的企业家和工程师，Asif 致力于发挥人工智能的潜力，推动社会公益。他最近的一项事业是推出人工智能媒体平台 Marktechpost。该平台以深入报道机器学习和深度学习新闻而著称，内容既有扎实的技术基础，又能让广泛的读者群体轻松理解。平台每月浏览量超过 200 万，体现了其在读者中的受欢迎程度。