国产Flash“双子星”：DeepSeek先手立标杆，MiniMax打Agent翻身仗

10月19日，MiniMax官方账号发了一段短视频。一枚胡萝卜造型的火箭点火升空，配文只有一句：“Welcome back，Space Bunny。”

外人看是俏皮，开发者圈和资本市场看的却是时机。Space Bunny在9月下旬匿名上线，三天内登顶OpenRouter和OpenCode的Token日调用量榜首。

匿名期间没有品牌背书，调用量却先跑了起来。对于一款模型来说，这种来自真实使用的反馈，往往比发布会上的自我介绍更有说服力。

10月19日，MiniMax正式认领了它：Space Bunny正是M3.1 Flash的早期版本，正式版同步发布，后续还将继续开放模型权重。而两天前的10月17日，DeepSeek刚刚更新V4.1 Flash-1017，重点提升完整项目开发能力，并通过缩短输出长度和任务运行时间来提高执行效率。

两家厂商前后脚出牌，国产 Flash 档位第一次形成双强直接对垒的格局。

国产Flash“双强”竞速国产AI大模型新战场

DeepSeek V4.1 Flash-1017先手立了标杆，在OpenRouter上长期处于调用量前列，也把Flash模型的价格压到了很低的位置。

MiniMax这次没有继续往低价上硬卷，而是把竞争重点放在复杂Agent、跨系统工作流和Computer Use上。

M3.1 Flash的官方定价为：输入每百万Token 1元，输出4元，缓存读取0.1元。与M3相应档位相比，输入和输出单价均下降50%以上，缓存读取价格下降超过70%；在Agentic任务中，综合使用成本降至前代的三成。

这个价格大致落在DeepSeek V4.1 Flash-1017所在的高性价比区间。MiniMax也承认了对手划出的价格线，但在线的另一边，选择继续用其他长板参与竞争。

用什么东西去衡量Flash模型？答案是Agent和真实任务。

考虑模型能力的话，MiniMax M3.1 Flash 在独立第三方 Artificial Analysis 上被打了 43 分，略低于 DeepSeek V4.1 Flash-1017 的 45 分，高于 GLM 5.3 Flash，介于两者之间。

与 Claude Haiku 5.5（max）打平，高于 Gemini 3.8 Flash（high）和 GPT-6 Luna（max）。

最令人兴奋的是，MiniMax M3.1 Flash的Agent能力国模第一，OSWorld V2 拿了61.7 分，Agents' Last Exam（ALE）拿了 29.6 分，两项都是国产模型第一。

ALE 这张图值得放大看。M3.1 Flash 以 $111 的总成本拿到 29.6%，坐在帕累托前沿最左端。对比一下，Opus 5.5 约 38% 但要烧 $1,400，GPT-6 Astra 约 34.5% 要 $1,100。

分数差几个点，成本差十几倍。这买卖怎么算，做 Agent 落地的人心里都有数。顺带一提，你觉得「便宜 10 倍但低 3 分」和「贵 10 倍但高 3 分」，生产环境里你会选哪个？文末评论区聊聊你的取舍。

另外，官方说 M3.1 Flash 在 Cowork (Automation-Bench 62%, ALE 30%）、Coding (DeepSWE 74%) 和视觉推理 (BabyVision 91%) 上达到前沿水平，成本是上代 M3 的三分之一，速度快 3 倍。

所以基本上可以说，M3.1 Flash 的智能水平处于领先行列，价格也很有竞争力，并且重新定义了 Agent 任务的能力与成本。

再看这张成本图，横轴是单任务成本，纵轴是分数。M3.1 Flash 拉满推理强度后 62.8%，成本约 $0.05 一个任务。Opus 5.5 拉满也就 57% 左右，成本逼近 $0.9。同样的活，价格差出十几倍，分数还更高。

BankerToolBench 76.2 分，与 Opus 5 并列第一。金融业务的多步骤规划、跨文档一致性、合规检查、工具链式调用，全是真实场景里的硬实力。

Computer Use 是另一条线：OSWorld V2 61.7 分、Agents' Last Exam 29.6 分，两项均位列国产模型第一。再叠加推理速度提升近 3 倍、日常输出 200+ TPS、P50 稳定 170+ TPS，成本下降来自效率提升，靠降价换规模这条路这次并没有被选为主路径。

此外，开放平台同步列出了 100 万 token 上下文、原生多模态与可调思考深度三项规格，开发者可按输入、输出及缓存分别估算成本，在 MiniMax API 配置中使用模型 ID MiniMax-M3.1-Flash 即可接入。

这里有一个容易被忽略的换算。

Agent任务的Token消耗结构，与单轮问答完全不同。一次跨SaaS的企业工作流，可能包含几十步规划、反复调用工具和多轮上下文回读，Token消耗会沿着任务链不断累积。

单价下降50%，落到完整任务上的成本改善可能更加明显。这也是为什么“Agentic任务综合成本降至前代三成”，比单独比较输入和输出价格更接近开发者的实际账本。

因此，国产Flash“双强”的意义，不在于简单排出高下。

DeepSeek在软件工程评测上更强，M3.1 Flash在跨SaaS业务工作流、金融Agent、Computer Use及网络安全场景上更加突出。它们是工具箱里按任务取舍的互补选项，构成一组相互参照、持续竞争的产品组合。

Flash模型正在成为主战场

过去，大模型市场的分工相对清楚：旗舰模型负责处理最难的任务，Flash模型负责降低成本、扩大调用量。投资人也习惯用旗舰模型的榜单判断技术上限，再用Flash的调用量观察商业化底盘。

现在，这条界线正在变淡。DeepSeek与MiniMax推出的新一代Flash，已经开始在Coding、Agent和Computer Use等复杂任务中，与部分头部闭源模型同台竞争，调用成本却低出一截。

这会直接改变模型的使用方式。开发者过去可能只把Flash用于分类、摘要和简单问答，复杂任务仍要转交旗舰模型；如今，更多代码开发、企业流程和跨系统操作，也可以先交给Flash完成。任务能够少重试一次、少返工一轮，节省下来的往往不只是Token，还有整条工作流的等待时间和人工成本。

因此，Flash的竞争重点也在变化。价格依然重要，但企业真正关心的是：模型能否一次把任务做对，并且把这套效率稳定地复制到更多业务流程里。

M3.1交出漂亮答卷，MiniMax的信心修复有了落点

这一点对 MiniMax 格外关键。

从官方披露的数据看，M3.1 Flash 交出的成绩单，恰好补在此前相对薄弱的两处：编码性价比、复杂 Agent。BankerToolBench、DeepSWE v1.1、CyberGym、OSWorld V2、ALE 这些榜单，把“提升”两个字落成了可查证的数字，也给了市场重新评估 MiniMax 文本模型竞争力的具体依据。

商业化层面，M3.1 Flash已经上线MiniMax API、MPlan和MiniMax Code，后续还将进一步开放模型权重。

基本面的变化也在与模型迭代互相印证。

中报发布期间，MiniMax透露，公司8月ARR已经超过8亿美元；To B业务占比由去年同期的30%提升至80%，企业客户与开发者总规模突破200万。

To B占比提高，意味着付费结构正在向企业客户倾斜。企业客户更看重模型能否接入业务流程、稳定完成任务，并将成本控制在可以持续使用的范围内。M3.1 Flash加强的Agent与Computer Use，刚好对应这部分需求。

对整个市场而言，M3.1 Flash还提供了一个更清晰的价格与性能坐标：高性价比模型能够承接多复杂的任务，企业又愿意为哪些能力持续付费。

“修复的起点”不是修辞，是一连串可以被查证的动作

最近科技股整体承压，MiniMax的估值也跟着回落。但模型持续迭代、To B业务占比提高、ARR继续增长之后，当前定价显然还没有完全反映公司的最新变化。

但M3.1 Flash只是第一程。官方已经预告后续将推出主打能力上限的Pro版本。

M3.1 Flash负责把能力、速度和成本拉到可以规模化使用的位置，Pro版本继续抬高技术天花板。一个承接调用量，一个打开能力上限，MiniMax的文本模型产品线也由此重新完整起来。

Space Bunny揭面以后，事情已经比“MiniMax发布一款新模型”多了一层意思。

DeepSeek与MiniMax几乎同时更新Flash，背后指向同一个变化：Agent正在把模型调用变成持续发生的生产需求。模型既要处理复杂任务，又要控制每一步调用的成本，过去主要由旗舰模型承担的工作，也开始被重新分配。

随着模型权重开放，M3.1 Flash将进入更多代码工具、Agent框架和企业系统。榜单上的能力会逐渐转化为开发者留存、API调用和企业工作流，最终落到MiniMax的收入增长上。

如今这只兔子已经跑出暗场。我们有理由相信，后续Pro模型继续向上打开能力边界，MiniMax也将沿着“模型迭代—开发者迁移—企业调用”的路径，把文本产品线重新推回核心牌桌。

当技术进步开始变成持续发生的调用量，MiniMax迟到的价值重估，也就真正开始了。