MiniMax M3.1 Flash 对比 DeepSeek：基准测试、定价与推理力度设置

MiniMax 于 10 月 19 日发布了 M3.1 Flash，时间上紧随 DeepSeek V4.1 Flash-1017 之后。本文通过编码和智能体任务的得分与成本图表对两者进行比较，显示价格相对较低的模型在部分评测中已经接近成本更高的系统。

其中“DeepSeek 第一、MiniMax 第二”的表述，针对的是特定的编码成本性能比较。它不应被理解为涵盖所有任务、模型版本或部署设置的综合排名。更有价值的问题是：哪种配置能够以可接受的总成本可靠地完成工作。

编码结果与企业智能体工作流

MiniMax 的发布材料报告称，M3.1 Flash 在 DeepSWE v1.1 上取得了 73.7% 的成绩。该评测涉及代码仓库理解、开发、修复和测试。来源表格在这项比较中列出的分数为：DeepSeek V4.1 Flash-1017 为 77.0，GPT-5.6 Sol 为 73.0，Opus 5 为 74.0。

由 Xinzhiyuan 转引的公司对比；模型版本和评测条件非常重要。

成本图表显示，在其报告的得分下，M3.1 Flash 位于低成本一端，而 DeepSeek Flash-1017 在该图表比较中领先。不同推理力度对应不同的数据点，因此选择某一种配置可能同时改变成本和结果。

在这项评测中，平均成本低于 2 CNY，并不意味着每次缺陷修复都收取固定费用。Token 消耗、失败尝试次数、代码仓库规模和工具调用都会改变实际任务成本。

自动化与工具使用

在 Automation-Bench 上，所提供的图表报告了 最大推理力度下 62.8% 的成绩。图表将 M3.1 Flash 放在所展示的其他配置之上，其中也包括一个以部分得分换取更低成本的低推理力度 MiniMax 配置点。

来源描述了涵盖 SaaS 工具和业务职能的企业工作流。基准测试只能近似其中一部分工作，并不能证明某个模型能够在每一个真实的销售、财务或客户支持流程中成功运行。

MiniMax 报告的其他分数包括：

这些是彼此独立的测试。如果没有明确的方法论，不能将这些数字进行平均，并据此得出具有普遍意义的成功率。

计算机使用与 739 CNY 的 ALE 估算

MiniMax 的官方公告确认了 OSWorld V2 为 61.7、Agents' Last Exam 为 29.6 的报告分数。其关于在这些测试中领先中国模型的说法，受到发布时所采用的比较范围和测试条件限制。

来源中的 ALE 图表估算，完成全部 152 项任务需要 739 CNY，通过率为 29.6%。这并不意味着每项任务都通过，也不意味着该成本是按每个成功任务计算的。

将 739 CNY 除以 152，可得每次尝试任务约为 4.86 CNY。这一算术结果解释了图表的尺度，但不包括组织自身的集成、基础设施或人工审核成本。

虚线前沿连接了在图示成本下具有较优结果的部分配置。其形状取决于所纳入的模型、评测日期和成本假设。前沿上的某个点可以作为有用的比较证据，但不能证明同一配置对所有工作负载来说都是最便宜的。

Token 定价与缓存计算

MiniMax 的官方英文公告列出了每百万 Token 的统一价格：输入 0.15 美元、输出 0.60 美元、缓存输入 0.015 美元。所提供的中文文章则给出了人民币费率：输入 1 CNY、输出 4 CNY、缓存读取 0.10 CNY。

这两套货币价格不应被视为精确的实时汇率换算结果。预算规划时，应使用实际计费平台和账户适用的费率。

来源将 MiniMax 的人民币费率与所报告的 DeepSeek 高峰期和非高峰期价格进行了比较。其基于 10 亿输入 Token 的示例可以在所述假设下进行核算：

对于 MiniMax 在 90% 缓存命中率下的情况，10 亿个输入 Token 等于 1,000 个百万 Token 单位：100 × 1 + 900 × 0.10 = 190。这些仅输入成本的示例不包含输出 Token，也不包含所引用费率未体现的任何其他费用。

这也说明，当缓存成本占主导地位时，较低的未缓存输入价格并不能保证最终账单最低。文章将基准测试中的平均成本外推到 1,000 个业务任务，只是预算示例，并不是生产环境运行这些任务的报价。

MiniMax 另外声称，与其上一代产品相比，整体智能体任务使用成本降低了 70%。这一工作负载层面的说法，不同于简单的单 Token 价格下降。

推理速度、Space Bunny 与 API 设置

公司将匿名测试的 Space Bunny 认定为 M3.1 Flash 的早期版本，并表示其处理的 Token 数量超过 200 万亿。公司报告称，输出速度最高达到每秒 200 个以上 Token，中位速度超过每秒 170 个 Token，同时在线推理速度接近提升三倍。

这些数据来自公司测量。每秒 Token 数量衡量的是输出吞吐量，而完成一项智能体任务所需的时间还包括推理、工具调用、等待、重试和测试等环节。

MiniMax 的模型调用指南确认支持 1,000,000 Token 上下文窗口以及文本、图像和视频输入。支持这些输入并不意味着模型能够生成图像或视频。

该指南确认了五种思考级别：low、medium、high、xhigh 和 max。省略该设置时，默认值为 max；思考功能无法禁用。 请求字段取决于所使用的协议：

这些字段名称不应被合并为一个顶层的 effort 参数。官方指南表示，较高的级别通常会生成更多思考 Token 并增加延迟；降低推理力度会减少这部分工作，但不会将其完全关闭。

发布时的访问方式包括 MiniMax API、M Plan 和 MiniMax Code。公告称模型权重将在之后发布，因此本文不表示自托管版本或其最终许可证在发布时已经可用。

来源中的折叠城市与宝塔示例

Xinzhiyuan 描述了将模型连接到 Codex，并要求其创建一个交互式折叠城市。其记录包括折叠滑块、夜间照明，以及可以旋转视角来检查场景的功能。

这是发布方的演示，并不是本文档新进行的测试。该图像展示了一个特定输出，但不能据此证明帧率、代码质量或跨浏览器表现。

文章还转引了开发者 AJ 的宝塔示例。据称，该示例通过一次 API 调用生成，使用最大思考级别，约消耗 50,000 个 Token。关于视觉效果更强的说法属于该开发者的判断，并不是与 DeepSeek 进行标准化比较的结果。

将 Flash 模型匹配到具体工作

来源的比较显示出不同的优势：DeepSeek 在图示软件工程图表中的位置，以及 MiniMax 在企业工作流结果中的强势表现。这些差异支持企业在具有代表性的工作上分别测试两者，而不是依赖单一的标题式排名。

应在人工审核后跟踪任务成功率、耗时、重试次数和总支出。当模型能够在不增加大量返工的情况下完成所需任务时，较低的 Token 费率才最有价值；否则，返工成本可能抵消节省的费用。

MiniMax 还表示，Pro 版本将在之后推出。该未来产品应与 M3.1 Flash 已记录的发布时行为分开看待。

常见问题

MiniMax M3.1 Flash 是整体表现第二好吗？

来源中的排名针对的是特定的编码得分与成本比较。文章中的其他评测显示了不同的排名和并列结果。

官方美元 Token 价格是多少？

MiniMax 的公告列出，每百万 Token 的输入价格为 0.15 美元，输出价格为 0.60 美元，缓存输入价格为 0.015 美元。在使用不同货币费率进行预算前，应确认适用的计费平台。

739 CNY 的 ALE 数字是否意味着所有任务都通过了？

不是。它是完成 152 个尝试任务的预计总成本。报告的通过率为 29.6%，该金额不包括图表假设之外的成本。

指南支持哪些输入和多长的上下文？

官方指南列出了文本、图像和视频输入，并支持最多一百万 Token 的上下文。理解输入并不意味着支持图像或视频生成。

如果省略思考设置，会发生什么？

文档说明默认值为 max。如需选择较低级别，应使用正确的协议专用字段；思考功能无法关闭。

模型权重在发布时已经可用了吗？

发布公告称模型权重将在之后发布。托管 API 访问权限与承诺发布模型权重，是两项不同的可用性说明。

相关工具

• MiniMax API 平台：提供 MiniMax 模型和开发者服务的托管访问。
• MiniMax Code：发布公告中提供的桌面端编程应用。
• M Plan：公告中提到的 MiniMax 访问订阅方案。
• DeepSeek Flash-1017 仓库：对比模型发布的代码仓库。

相关链接

• BAAI Hub 上的所提供文章：CNY 成本比较和图示示例的来源。
• MiniMax 的 M3.1 Flash 公告：官方发布定价、访问方式和公司基准测试声明。
• MiniMax 模型调用指南：已确认的上下文、输入格式和协议专用思考控制设置。
• MiniMax API 平台：官方开发者入口。
• MiniMax Code 下载页面：官方公告链接的桌面产品页面。
• DeepSeek V4.1 Flash-1017：与本文比较相关的模型仓库。

总结

M3.1 Flash 将低廉的 Token 定价与公司报告的、具有竞争力的编码、自动化和计算机使用结果结合起来。它的价值取决于推理力度设置、缓存行为，以及模型能否以可接受的返工成本完成实际工作流。

使用基准测试图表确定需要测试的对象，然后让成功结果、耗时和完整账单来决定模型。