For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/zh-TW/articles/minimax-m3-1-flash-api-pricing-benchmarks-c8e3fe1c.md.
MiniMax 已發布 M3.1 Flash，Token 定價更低，據報導的推理與 Agent 任務結果更強。THE DECODER 10 月 19 日的報導顯示，它在 Artificial Analysis Intelligence Index 上得到 42 分，相較之下 M3...
MiniMax 已發布 M3.1 Flash，Token 定價更低，據報導的推理與 Agent 任務結果更強。THE DECODER 10 月 19 日的報導顯示，它在 Artificial Analysis Intelligence Index 上得到 42 分，相較之下 M3 為 29 分。
重要區別在於 Token 的價格與完成一項任務的成本。模型可能在這兩項指標上都更便宜，但任務成本也取決於模型生成的內容量、重試頻率，以及結果是否可用。
報導中的發布期比較，將 M3.1 Flash 與 GLM-5.3-Flash 放在綜合指數的相近位置，略高於 Gemini 3.8 Flash，但低於 DeepSeek V4.1 Flash 1017。
| 報導中的評估項目 | M3.1 Flash | 報導中列出的比較結果 |
|---|---|---|
| Artificial Analysis Intelligence Index | 42 | M3：29；GLM-5.3-Flash：42；Gemini 3.8 Flash：41；DeepSeek：45。 |
| Humanity's Last Exam | 48% | DeepSeek：43%。 |
| CritPt | 22% | GLM：15%；Gemini：18%；DeepSeek：24%。 |
| AA-Omniscience 準確率 | 56% | GLM：28%；DeepSeek：43%。 |
| 每項任務的平均評估成本 | 約 $0.22 | DeepSeek：約 $0.26。 |
以上是發布時的報導數據。基準測試設定、模型快照與模型修訂版本都會影響結果；這張表不是適用於所有工作負載的普遍排名。
圖表來源：Artificial Analysis，由 THE DECODER 重製。
報導將較低的任務成本部分歸因於輸出 Token 消耗量下降。約 1.89 億與 2.24 億個輸出 Token 的比較，涉及基準測試總量，而不是單次一般請求的生成量。
MiniMax 另行聲稱，與前代模型相比，其線上推理速度提升近三倍，整體 Agent 任務使用成本降低 70%。這些公司測量結果與 Artificial Analysis 的成本比較並不相同，不應將兩者合併成一項經獨立驗證的效率結果。
報導也引用了 93% 的 AA-Omniscience 幻覺率。這不代表所有回答中有 93% 都是錯誤的，也不能預測部署後的助理在任意任務上的錯誤率。
Artificial Analysis 將此比率定義在非正確回答範圍內：以錯誤答案數除以錯誤、部分正確與未作答答案的總數。它衡量的是：在承認不確定性更為適當時，模型仍給出錯誤答案的傾向。相較之下，準確率則計算所有問題中的正確答案。
這種區分意味著，一個模型可能同時具備相對較高的事實準確率，以及較差的不確定性處理能力。對重視知識正確性的工作，應檢查證據及模型是否能夠拒答，不要只依賴綜合分數。
THE DECODER 報導稱，該模型的上下文視窗最高可達 100 萬個 Token，並支援文字與影像輸入。支援輸入影像不應與影像生成混為一談：能夠接受影像並不代表能夠生成影像。
MiniMax 的官方發布公告確認了固定的每百萬 Token 定價：
| Token 類別 | 每百萬 Token 的價格 |
|---|---|
| 輸入 | $0.15 |
| 輸出 | $0.60 |
| 快取輸入 | $0.015 |
快取定價僅適用於符合條件的快取命中，不是每個輸入 Token 都適用。例如，按照上述列出的費率，100 萬個未快取輸入 Token 加上 100 萬個輸出 Token，費用將為 $0.75，尚未計入其他可能適用的費用。這只是 Token 成本示例，不代表典型任務估算。
官方公告列出的存取途徑包括 API、M Plan 與 MiniMax Code。THE DECODER 將 10 月 23 日列為計畫中的開放權重版本發布日期；經查閱的公司貼文則表示權重將於稍後提供，但未指定該日期。截至本文於 10 月 20 日準備時，不應將未來的發布描述為已可供下載的權重。
MiniMax 在其圖表中報告，DeepSWE v1.1 最高達到 73.7%，單項任務成本低於 $0.30。同一張圖中的較低推理投入程度設定，則以部分分數下降換取較低成本。
輸入一句想法，We0 AI 即可生成展示站、頁面與 CMS。發佈上線後並幫你獲取客戶和流量。
用戶註冊贈送一次完整項目生成
適合先體驗一次完整生成流程，快速看到專案初稿。
公司發布的圖表；圖中列出 mini-swe-agent 作為評估工具，並標示比較資料日期。
程式碼分數反映的是模型、工具、推理投入程度與測試環境的綜合結果。這不代表某個組織 73.7% 的自有工單都能在無需審查的情況下解決，也不代表每項任務的成本都等於圖表中的平均值。
來源的總結比較並沒有單一贏家。DeepSeek 在綜合指數與引用的物理學分數上領先，而 MiniMax 在報導中的 Humanity's Last Exam 結果與 AA-Omniscience 準確率上領先。
該快照中 MiniMax 較低的平均任務成本，對評估工作具有參考價值，但不應因此假設它在所有提示下都會是最便宜的選擇。輸出更長、工具呼叫失敗或重試次數增加的工作負載，都可能改變排名。
報導也區分了發布狀態：報導連結到現有的 DeepSeek 權重儲存庫，同時說明 MiniMax 權重即將提供。開放權重、API 訂閱與桌面程式碼應用程式是不同的發行選擇，各自具有不同的營運要求。
它是 MiniMax 新推出的 Flash 模型，可透過其託管產品與 API 使用。此次發布重點聚焦於推理、Agent 任務、程式碼與推理效率。
官方公告列出的費率為每百萬 Token：輸入 $0.15、輸出 $0.60、快取輸入 $0.015。在估算生產環境帳單前，請確認目前的帳戶定價與快取規則。
不是，這是報導中的基準測試平均值。實際成本取決於提示大小、生成輸出、快取行為、工具迴圈與重試。
不是，該指標的分母包含的是非正確回答，而不是所有回答。它反映的是在該項評估中，錯誤猜測相對於部分回答或拒答的情況。
經查閱的來源將其描述為即將提供。THE DECODER 引用了 10 月 23 日，而 MiniMax 的公告沒有給出確切日期；發布後請確認實際的儲存庫與授權條款。
報導結果在不同基準測試中各有勝負。應根據具體任務、可靠性要求，以及透過自有評估測得的總成本進行選擇。
M3.1 Flash 將較低的列示 Token 價格，與具競爭力的報導推理及程式碼結果結合在一起。在可比設定下，以每項成功任務為單位衡量時，其成本優勢最具參考價值。
閱讀基準測試定義，區分公司聲明與外部測量結果，並在規劃部署前確認實際的權重可用性。
從一句話開始，幾分鐘內拿到完整網站。
