北京
出品 | 网易智能·今日硬核
作者 | 小小
编辑 | 王凤枝
同样做一张产品发布网页，Claude花了1.22美元，新版MiniMax只花0.014美元，测试者也认可它的页面效果。
开发者@nutlope公布的网页制作对比。左侧为MiniMax，右侧为Claude。
10月19日晚，MiniMax正式发布M3.1 Flash，揭晓了此前匿名模型“太空兔”（Space Bunny）的身份。新模型主打编程和智能体任务，已接入MiniMax API、M Plan和MiniMax Code。
MiniMax官方发布帖
开头这组账单，来自Together AI开发者体验负责人@nutlope。他让M3.1 Flash和Claude Opus 5.5为同一款硬件设备制作发布网页，并称MiniMax的生成速度也更快。
从他展示的页面看，MiniMax用了大块彩色卡片和像素风游戏图案，Claude则把醒目的标题、产品展示和预订信息放在一起。
01账单差了十几倍，画面差在哪？
在另一项Roadster场景测试中，开发者@narushima_用相同提示词和参考图片，让两款模型各做一版演示，全程没有追加修改：MiniMax花了0.71美元，Claude花了11.27美元。
他认为，MiniMax已经完成了大部分视觉效果，但Claude做出的场景仍然更逼真。这次MiniMax的费用约为Claude的十六分之一。
@narushima_的对比：上方为MiniMax，下方为Claude
这些网页和演示，靠的是模型写出代码后运行，并非M3.1 Flash直接生成视频。它支持文本和图像输入、文本输出，可以参考图片来写程序；界面、图形和动画则由程序呈现。
开发者Leo（@leo114119）则让M3.1 Flash配合MiniMax Code制作SVG鹈鹕动画。截图里，一只戴着帽子的鹈鹕骑在自行车上，背后是蓝天和太阳。
Leo说：“原创度还挺高的，虽然不是很精致，但不差。”他另外提到，新模型生成速度挺快。
Leo展示的鹈鹕骑自行车SVG动画静态截图
02对上DeepSeek，价格和速度各有胜负
换成同样主打低成本的DeepSeek，费用差距就没有对比Opus时那么大了。
账号@atomic_chat_hq展示了一组Roadster警车追逐场景：MiniMax M3.1 Flash花费2.34美元，DeepSeek V4.1 Flash-1017花费3.07美元。两个版本都呈现了车辆在公路上被追逐的画面。
@atomic_chat_hq公布的对比。左侧为MiniMax，右侧为DeepSeek
账号@thehypedotnews又给四款Flash模型出了同一道题：根据简短描述，制作潜艇在海底城市中逃跑的场景，放进一个HTML文件。测试包含四个阶段和修复轮次。
按该账号公布的结果，MiniMax花了约0.21美元，用时29分24秒；DeepSeek花了0.38美元，用时27分09秒。MiniMax更便宜，DeepSeek快了约两分钟。
Gemini 3.8 Flash的账单是1.43美元，用时40分50秒。Claude Haiku 5.5则花了约0.17美元，比MiniMax还便宜，只是用时更长，达到35分27秒。
@thehypedotnews公布的四款模型成品、费用及耗时
四个版本的海底城市也各有样子：有的布满楼宇和管线，有的让大型水母漂在建筑上方。帖子给出了时间和费用，没有提供统一的成品评分，哪一种更符合需求，还得看具体画面。
另一个账号@SPAC89比较了MiniMax与DeepSeek制作的晶体光学演示。他说，两款模型都在约38分钟内完成任务，自己更喜欢MiniMax的结果。
这次他使用的不是按次计费的API，而是MiniMax M Plan中的Go订阅，每月22美元。他称，这项测试用掉约6%的五小时额度，不到每周额度的1%。
@SPAC89的个人测试与订阅额度记录
在Artificial Analysis公布的Intelligence Index综合评测中，MiniMax得到42分，较上一代M3提高13分；同表中，DeepSeek V4.1 Flash-1017为45分，GLM-5.3 Flash为42分，Gemini 3.8 Flash为41分。
同一份榜单里，Claude Opus 5.5为58分，GPT-6 Astra为53分。MiniMax、DeepSeek与这两款模型均使用最大推理档位，Opus的条目还注明了回退设置；Gemini 3.8 Flash则使用高档位。
Artificial Analysis发布时的综合指数及任务成本对比，各模型设置见图中标注
分项来看，MiniMax在Humanity’s Last Exam测试中得到48%，高于DeepSeek的43%；在物理推理测试CritPt中得到22%，低于DeepSeek的24%。
Artificial Analysis同时统计了评测任务的加权平均费用：MiniMax约0.22美元，低于上一代M3的0.51美元，也低于DeepSeek的0.26美元、GLM-5.3 Flash的0.28美元和Gemini 3.8 Flash的1.24美元。
按该机构发布时的记录，MiniMax跑完整套Intelligence Index评测，累计生成约1.89亿个输出token；DeepSeek约2.24亿，GLM约3.24亿，Gemini约3.34亿。这里统计的是全套评测用量，前面的0.22美元则是单项任务的加权平均费用。
03不只做网页，还要改代码、操作电脑
前面的开发者展示大多集中在网页和动画。MiniMax这次发布的能力升级，还包括跨应用处理办公任务、修改已有代码，以及操作电脑。
在官方公布的Automation-Bench v1.0.6中，M3.1 Flash得到62.2分，高于同表中DeepSeek V4.1 Flash-1017的60.5分。这项测试涉及销售、营销、运营、客服等业务流程，需要智能体在不同软件中连续完成操作。
BankerToolBench则考察多步骤规划、跨文档信息一致性、金融合规和工具调用。MiniMax得到76.2分，与官方表格中的Claude Opus 5持平。
MiniMax公布的测试成绩。此表的部分对照模型是Opus 5、GPT-5.6 Sol，并非开头开发者测试所用的Opus 5.5
软件开发测试DeepSWE v1.1要求模型理解代码、开发功能、修复问题，并用测试验证结果。M3.1 Flash取得73.7%，接近同表中Opus 5的74%，低于DeepSeek V4.1 Flash-1017的77%。
电脑操作方面，MiniMax在OSWorld V2中得到61.7分，在Agents’ Last Exam（ALE）中得到29.6分。官方称，它在这两项测试中位居中国模型首位；但从公布的图表看，与OpenAI、Anthropic较强的模型相比，成绩仍有距离。
ALE图里还给出了一笔完整评测的账单：MiniMax跑完152项任务的评测，估算总成本约111美元，成功率29.6%。图中的Claude Opus 5.5成功率更高，费用也更高。各模型使用的工具框架和推理设置不完全相同，不能把曲线直接当成换模型后的省钱比例。
MiniMax发布的ALE对比图，横轴为整套任务的估算总费用，不是单次调用价格
网络安全方面，官方表格中的CyberGym成绩为82.2%。MiniMax还称，内部安全团队测试了代码审计、漏洞修补、渗透测试、恶意软件分析和逆向工程等能力。
这些升级同时伴随着降价和提速。MiniMax称，面向智能体任务的综合使用成本较上一代降低70%，线上推理速度接近原来的3倍，输出速度中位数超过每秒170个token。
API的每百万token价格为：输入1元、输出4元，缓存输入0.1元。官方还透露，“太空兔”是M3.1 Flash的早期版本，匿名运行期间累计处理超过200万亿token。
MiniMax官方发布帖
M3.1 Flash支持100万token上下文窗口。MiniMax计划在10月23日发布模型权重，能力更强的Pro版本也在后续计划中，尚未给出发布日期。
04答对了不少题，却很少承认不知道
在AA-Omniscience事实问答测试中，M3.1 Flash答对了56%的问题，高于DeepSeek V4.1 Flash-1017的43%和GLM-5.3 Flash的28%。但该机构同时记录到，它的“幻觉率”达到93%。
93%并不是说全部回答中有93%错误。按照AA的定义，分母是所有未正确作答的题目，包括错误回答、部分回答和未作答；93%表示其中绝大多数被明确答错，而不是只答出一部分，或者承认不知道。
Artificial Analysis的发布帖，同时列出了正确率与幻觉率
AA称，MiniMax几乎尝试回答每一道题。它的正确率不低，但错误回答也多，因此在同时奖励答对、惩罚答错的AA-Omniscience综合指标中，最终得分为16。
这项结果不能直接换算成写代码或操作电脑时的出错率，但给需要查证事实的任务提了醒。如果用它制作产品网页，除了检查版式和动效，页面里的产品参数、价格和客户案例，也要对照原始资料核对。
