两天内国产 Flash 双子星连发：DeepSeek V4.1-Flash-1017 刚把「许愿式编程」摆上台面，MiniMax 就甩出 M3.1 Flash。本文从工程视角拆一下它为什么快、为什么便宜，以及我们怎么用。
一、关键数字先摆出来
- 输出速度：>200 TPS（tokens per second），约为主流旗舰模型的数倍；
- 价格：输入 ¥1 / 百万 token，输出 ¥4 / 百万 token，已上线 API、MPlan、MiniMax Code，并宣布稍后开放权重；
- 架构：更激进的稀疏注意力（sparse attention），在保持长上下文的同时压低了每 token 的计算量；
- 基准：
- DeepSWE v1.1（软件工程全链路）：73.7%，压过 GPT-5.6 Sol 的 73.0%；
- Automation-Bench（Zapier 开源，600 个真实企业流程）：62.8%，全场第一，把 Opus 5 甩开近 12 分；
- ALE（Agent 终极考试）：单任务成本仅 ¥739。
一句话总结：旗舰级的分数，一两块钱的价格。
二、为什么它能又便宜又快
核心在工程优化，不是凭空变出来的：
- 稀疏注意力减少了不必要的全量注意力计算，长上下文场景下收益明显；
- MoE / 条件计算思路让每次推理只激活部分参数，单位算力产出更高；
- 推理栈优化（批处理、KV cache、量化）把吞吐推到 200+ TPS。
这意味着它的「便宜」不是补贴战，而是单位时间内能服务更多请求——成本结构本身就更好。
三、开发者怎么接：API 调用示例
通过 OpenAI 兼容接口即可接入，切换成本很低：
from openai import OpenAI
client = OpenAI(
api_key="YOUR_MINIMAX_KEY",
base_url="https://api.minimax.io/v1",
)
resp = client.chat.completions.create(
model="M3.1-Flash",
messages=[
{"role": "system", "content": "你是一个高效的代码助手。"},
{"role": "user", "content": "用 Python 写一个快速排序。"},
],
max_tokens=1024,
temperature=0.4,
)
print(resp.choices[0].message.content)
如果你在做 Agent 编排，Automation-Bench 第一的成绩值得重点关注——它意味着在「跨 SaaS 系统把一件活干完」这类场景，M3.1 Flash 的性价比目前很难被同价位对手替代。
四、实战建议
- 批量 / 副业任务：成本砍半，原来不敢跑的批量 pipeline 现在可以放手试；
- Agent 产品：把高并发、低延迟的环节切到 M3.1 Flash，旗舰模型只留给最难的一步；
- 注意上限：Flash 定位是「快而省」，超长推理、极强推理的任务仍建议旗舰模型兜底；
- 等权重开源：一旦开放权重，本地 / 私有化部署会成为最香的选型。
五、结语M3.1 Flash 给我的信号不是「又强了」，而是AI 红利正从「更聪明」转向「更便宜、更能干活」。当模型比人便宜、比人快地把事干完，我们该重新算的，是自己的时间和它的账单，到底谁更贵。
你会把哪类任务切到 M3.1 Flash？欢迎在评论区聊聊你的实测。
