MiniMax 拿下Agent 国模第一，Flash模型开始反杀

01 Flash模型越来越热门，是被需求逼出来的。

谷歌CEO在I/O大会上说，有些公司到5月，全年Token预算就快烧完了；谷歌AI编程工具，日耗Token从3月的5000亿涨到5月的3万亿。中国的盘子更夸张：日均Token消费超140万亿，比2024年初涨了1000多倍。1000倍啊各位，我炒股这么多年，见过很多“需求爆发”的故事，但这种数字还是夸张。

Agent场景的特点是反复调用、高并发。深圳一个十人团队，几百个Agent同时写代码，用GPT一次只能跑两三个任务，换成V4.1 Flash才转得起来；一个同事独自开发小应用，“差不多三四美金，就成了一个小App出来”。美国创业公司Lindy把日常Agent调用从Claude、Gemini切到DeepSeek V4 Flash，模型费用直接降了九成，创始人Flo Crivello说这是“公司成立以来对成本结构影响最大的一次调整”。

答案很直接：大家需要又聪明、又便宜、还跑得动的Flash。

说回这一周的中国大模型。

国产大模型这边最有看头的，是“Flash”这个词的定义被改写了。

DeepSeek V4.1 Flash 1017前脚刚把“Flash模型对标旗舰”摆上台面，10月19日MiniMax 官宣此前以匿名身份处理了超过 200T Token 的 Space Bunny，正是 MiniMax M3.1 Flash 的早期版本。

中间只隔了72小时。相比于前代模型，M3.1 Flash线上推理速度提升了近 3 倍，使用成本降低了 70%，一边在Coding、网络安全、复杂Agent这些榜单上，交出对标旗舰的成绩。

乍一看像前后脚撞车。但更应关注的信号是，国产Flash进入了双强格局，DeepSeek和MiniMax双双押注Flash模型。

02 为什么是Flash？

以前开发者聊起Flash，顺序基本固定：先算成本，再谈能力。简单问答、摘要、轻量编码丢给它没问题，真碰上长链路推理、复杂代码库或者跨系统的Agent任务，还是得老老实实切回旗舰模型，贵，但稳。

最近这一轮更新，把这种分工打乱了。先是DeepSeek V4.1 Flash-1017证明，小体量模型也能把编码能力推到很高的位置。

M3.1 Flash紧接着进场，而且把战场拉得更开——Agent、网络安全、单位任务成本，全都摆上了桌。

两家侧重点不太一样：DeepSeek强在编码性价比，M3.1 Flash在复杂Agent工作流和部分专业任务上更突出。放在一起看，倒像是一套互补的国产模型工具箱。

举个具体的例子。DeepSWE v1.1上，M3.1 Flash拿了73.7分，离DeepSeek V4.1 Flash-1017的77.0不算远，反而压过了一批价格更贵、参数更大的模型。

榜单拿高分，只能说明模型聪明。企业敢不敢把成千上万次真实任务交给它，看的是另外几样东西：速度、稳定性，还有账单。M3.1 Flash这次值得一提，恰恰是因为它把这几件事放进了同一张答卷。

看评测，M3.1 Flash在编码、复杂Agent任务和网络安全几个方向都挤进了全球第一梯队；输出速度最高200+TPS；输入和输出价格，比上一代M3便宜了差不多一半。

换句话说，Flash模型正在跳出“便宜够用”的老定位，开始拿接近旗舰的能力，去抢生产环境的活儿。

当然，榜单这东西，受评测框架、推理强度、任务集影响很大，替代不了真实业务里的实测。但一个Flash模型老是出现在旗舰附近，这件事本身，就说明它的定位变了。

价格让这种变化更实在。M3.1 Flash的API定价，输入价格为每百万 Token 1 元，输出价格为每百万 Token 4 元，缓存读取价格为每百万 Token 0.1 元，比上一代M3降了约一半；缓存读取更狠，降幅75%左右。

横向比一下：这个价格跟DeepSeek V4.1 Flash-1017的低峰时段基本持平，差不多是它高峰时段的一半。

降价本身不稀奇，谁都敢降。难的是降完价，能力还留得住。M3.1 Flash给出的核心信息，恰恰是能力和成本两条曲线同时在往外走。

对开发者来说，以前总得在“效果”和“预算”之间来回纠结，现在多了一个更接近生产级的选项。

03 M3.1-Flash Max VS DeepSeek V4.1 Flash-1017实测

开发者@SPAC89 在X上分享了一组3D光学演示，对比MiniMax M3.1 Flash（max推理档位）与DeepSeek V4.1 Flash-1017的表现。

演示以晶体中的激光倍频为主题，呈现了光学平台、晶体、光路及频率变化等可视化效果。两款模型均用时38分钟完成任务，但他更偏好MiniMax的成品效果，且输出速度约为每秒200个Token，与DeepSeek接近。

在 22 美元的套餐中，整个测试仅使用了 5 小时时限的 6% 左右——不到每周限额的 1%。相同的完成时间，更好的输出，以及极低的资源消耗：MiniMax 胜出。

说句最直接的，大模型一旦从聊天窗口走进企业，评价标准就会变得特别朴素：能不能读懂任务？能不能调起一堆工具、跨过不同软件把流程跑完？几十个步骤下来，还能不能保持一致？这些才决定它是助手，还是生产力系统的一部分。

而Agent这块，M3.1 Flash这次把分数打到了原本不属于Flash的位置上。

截至 10 月 20 日AA（Artificial Analysis）榜单， M3.1 Flash 拿到了43分。这个分数略高过GLM 5.3 Flash，而且，它跟DeepSeek V4.1 Flash-1017、Kimi K3、GLM 5.3压在同一个区间——过去大家默认Flash要比旗舰矮一档，这条默认线在这里失效了。

再看ALE，M3.1 Flash 通过率 29.6%，高于Kimi K3，Agent能力国产模型第一。这个榜考的是长链条执行：连续决策扛不扛得住，几十步之后还记不记得一开始要干什么。Agent最容易掉链子的就是一致性，分数能顶上去，说明它完全扛得住长任务。

除此之外，M3.1 Flash在Automation-Bench v1.0.6上拿了62.8分。这个基准是Zapier开源的，里面是600个真实企业工作流，销售、营销、运营、客服、财务、人力资源都覆盖到了。

再看更强调专业约束的BankerToolBench，M3.1 Flash拿到76.2分，和Claude Opus 5并列第一。

这项测试考的是多步骤规划、跨文档一致性、金融合规和工具链调用，任务链长，容错空间小。能在这里站稳，说明它的优势已经伸进了高复杂度的业务流程。

把两组数据放在一起，MiniMax的意图就很清楚了：让Agent既能完成任务，又能以企业负担得起的成本反复完成任务。前者是能力上限，后者是商业化半径。

04 网络安全与多模态，把“可用”的边界继续往外推

编码能力上来之后，网络安全几乎是最自然的延伸。企业的代码越堆越多，漏洞排查、代码审计、补丁验证这些活儿，既吃经验，又有大量重复劳动。

模型要是能读懂代码、追踪调用链、调用工具，就有机会变成安全团队的效率放大器。

CyberGym测试里，M3.1 Flash拿了82.2分，和GLM-5.3的84.5、GPT-5.6 Sol的83.6咬得很近。这个基准是加州大学伯克利分校的研究团队搭的，素材来自188个真实软件项目里的1507个历史漏洞。

除此之外，公司还拉着安全专家做了一轮内部评估，覆盖代码审计、渗透测试、逆向工程和密码学分析。

客观说，这类能力短期内替代不了安全专家。更现实的用法，是先让它干大规模筛查、线索定位、初步分析这些活，专家腾出精力，去盯高风险的判断。

多模态这块，M3.1 Flash延续了MiniMax的老本行：文本、图片、视频都能输入，上下文窗口给到100万tokens。代码仓库、产品截图、运行日志、长文档、录屏，可以进同一条任务链，Agent手里的材料更全。

真实问题本来就很少是单一形态的。前端排错，得一边读代码一边看界面交互；做财务研究，表格要处理，图表和公告也得看懂。

多模态配上长上下文，模型才有机会从“回答一个问题”，变成“完成一段工作”。

还有个插曲。之前有个匿名模型Space Bunny在社区露面，“响应快”是大家反馈里出现最多的词，MiniMax后来确认了，那就是M3.1 Flash的早期版本。速度听着像体验指标，放进Agent场景就会被放大。一个任务往往要好几轮推理、好几次工具调用，每轮少等一点，整个流程就能快出一大截。

05 国产Flash模型进入双强时代

最后要说一点：Flash这把稳了，MiniMax在文本这边出了口气，证明了自己。

在Flash竞争方向上，DeepSeek与MiniMax呈现出各有侧重的优势。根据公开对比结果，DeepSeek V4.1 Flash-1017的软件工程评测得分更高，M3.1 Flash则在跨SaaS业务工作流、网络安全等领域表现更突出。两者可以成为开发者与企业按任务选择的互补选项，也使国产Flash领域形成了一组相互参照、持续竞争的产品组合。

Flash这件事对MiniMax的价值，至少有明暗两层。明的这层是生态：开发者愿意试、愿意迁、愿意二次开发，模型才能进更多应用。

暗的那层是品牌。外界以前更熟悉MiniMax的视频、语音和多模态产品，M3.1 Flash要是能在文本、编码和Agent场景站住，公司的技术标签就完整多了。

再往深看一层，M3.1 Flash其实也在展示MiniMax的产品化思路：模型能力、推理速度、API价格、多模态输入、开源策略，是放在一张图上设计的。这说明竞争的焦点，已经从“谁的参数大”变成“谁能用更低成本交付更多有效任务”——这条路，离收入和用户留存更近。

DeepSeek与MiniMax各自走出差异化路线，证明国产Flash赛道并非零和博弈。

MiniMax官方也表示：Flash 是我们对效率与能力平衡的持续探索，而追求智能上限的 Pro 版本也会在稍后与大家见面。

MiniMax即将到来的Pro版本，也预示这场向上、向产业的技术赛跑，远没有抵达终点，这一轮，MiniMax把牌桌重新摆了一遍：编码进了第一梯队，Agent和网络安全打开了更专业的场景，200+ TPS解决了等待问题，价格则把规模化部署的门槛又压低了一截。

Flash这个词，曾经是妥协的代名词，现在越来越像效率的代名词。

一个模型跑得快、足够聪明、单次的账还算得过来——这样的产品发布，想象空间自然不一样，大模型走进日常生产流程的速度，可能也会跟着快起来。