MiniMax M3.1 Flash 每题便宜了近六成：省在降价上，用量反而多了五成

MiniMax 新 Flash 每题便宜了一半多，靠的是降价，它在同一套测试里用掉的词元其实涨了五成以上。10 月 19 日 MiniMax 正式发布 M3.1 Flash，当天 Artificial Analysis（下称 AA，一家独立评测机构）就挂出了复测结果，和它 6 月发布的上一代 M3 用的是同一版指数，可以直接对照。

先给结论。按 AA 的数，M3.1 Flash 每道指数测试题的加权平均成本是 0.22 美元，M3 是 0.51 美元，降了约 57%，分数从 29 升到 42。MiniMax 说的「智能体任务综合使用成本降 70%」，在 AA 的综合口径下没有到 70%，但方向成立。问题在于省下的钱从哪来：单价砍了一半到四分之三，用量却在涨。分析推断：按 M3 的单价去算 M3.1 Flash 的用量，每题要 0.58 美元以上，比 M3 实际花的还多。所以这次变便宜，是 MiniMax 定价的选择，不是模型干活更省。

发生了什么

据 MiniMax 官方博客（企业宣称），M3.1 Flash 的线上推理速度提升近三倍，智能体任务的综合使用成本比上一代低 70%，日常输出速度可达每秒 200 个词元以上，中位数稳定在 170 以上。博客还确认，此前匿名运行、处理过超过 200 万亿个词元的「Space Bunny」就是它的早期版本。模型已上线 MiniMax 接口、M Plan 订阅和 MiniMax Code，权重「稍后发布」。

MiniMax 开放平台价格页（官方文件）列出的单价是：M3.1 Flash 每百万输入词元 0.15 美元、输出 0.60 美元、缓存读取 0.015 美元，不分上下文长度；M3 在 51.2 万输入词元以内是 0.30、1.20 和 0.06 美元，超过后翻倍。也就是说，输入和输出单价各降一半，缓存读取降了四分之三。

AA 的 M3.1 Flash 模型页（北京时间 10 月 19 日晚读取，第三方评测）给出的读数：AA 智能指数 42；每题平均成本 0.22 美元；跑完整套指数共输出约 1.8 亿个词元，页面写明可比模型的中位数是 9900 万，归为「非常啰嗦」；输出速度一栏显示暂无数据。指数为 v4.3.2 版，由 Terminal-Bench 4.0、GDPval-AA、AutomationBench-AA、HLE、SciCode 等 10 项测试加权而成。AA 的 M3 模型页用同一版指数给出的对照是：指数 29，每题成本 0.51 美元，输出约 1.2 亿个词元，输出速度每秒 110.2 个词元。

拆开看：钱省在哪里

我把两张页面内嵌的图表数据逐项对了一遍（第三方评测）。

分数确实涨了，而且涨在智能体任务上。 Terminal-Bench 4.0 从 2.0% 升到 25.8%，AutomationBench-AA 部分得分从 21.3% 升到 72.5%，GDPval-AA 从 1242 分升到 1458 分，HLE 从 39.0% 升到 48.0%。长上下文推理 AA-LCR 是唯一明显下降的一项，从 83.0% 降到 79.7%。

用量涨了五成以上。 跑完整套指数，输出词元从约 1.17 亿涨到约 1.83 亿，多了约 56%；输入词元从约 53 亿涨到约 80 亿，多了约 52%。按每题平均算，输出从约 4.8 万个词元涨到约 7.9 万个。

成本的大头在输入，降价也主要降在这里。 M3.1 Flash 每题 0.22 美元里，输入侧（含缓存读取与写入）约 0.17 美元，占近八成，其中缓存读取一项约 0.12 美元；输出只有约 0.05 美元。M3 每题 0.51 美元里，输入侧约 0.45 美元，占近九成。分析推断：智能体任务要一轮轮重读上下文，账单主要花在「读」上，所以缓存读取单价从 0.06 降到 0.015 美元，比输出降价更关键；依据是上面两代模型输入侧都占每题成本的八到九成。

分析推断：把 M3.1 Flash 每题的缓存读取、非缓存输入和输出三项用量按 M3 的单价重算，分别约 0.48、0.006 和 0.09 美元，合计约 0.58 美元，已经高于 M3 实际的 0.51 美元，这还没算缓存写入。依据是 AA 页面写明每题成本按输入、缓存命中、缓存写入、推理和回答词元分别计价，以及价格页上两代模型的单价比例（输入与输出 2 倍、缓存读取 4 倍）。缓存写入的单价 AA 页面没有给出 M3.1 Flash 的数值，所以没有算进去，算进去只会让差距更大。

分项各不相同。每题成本最高的 Terminal-Bench 4.0 从 3.04 美元降到 0.92 美元，降了约 70%，与 MiniMax 说的 70% 相当；AutomationBench-AA 降了约 42%；GDPval-AA 几乎没降，只少了约 2%。在 AA 的数里，70% 只在个别分项出现，综合读数是 57%；MiniMax 博客没有说明它的 70% 是怎么算的。

一个要先知道的变化：不会的题几乎都硬答

AA-Omniscience 的幻觉率（没答对的题里，硬答而不是承认不知道的比例），M3 是 18.4%，M3.1 Flash 是 92.8%；同时答对率从 16.7% 升到 56.2%。分析推断：新版几乎不再说「不知道」，答对率是原来的三倍多，但没答对的题里九成以上是硬答错了；依据是这两个分项同向上升，且这项测试对答错扣分、对承认不知道不扣分，AA-Omniscience 指数仍从 1.35 升到 15.55，说明多答对的部分抵过了多答错的部分。对要把模型接进客服、知识库或审核流程的人，这个变化比分数更值得先测。

放在同档里看

AA 的 M3.1 Flash 页面把 DeepSeek V4.1 Flash 1017（最高推理档）放在同一张对照图里：指数 45，每题 0.26 美元。同一机构、同一版指数下，M3.1 Flash 分数低 3 分，每题便宜约 4 美分。我们在 deepseek-flash-1017-third-party-cheaper-not-faster 里写过，DeepSeek 的单价没变，节省来自用量；MiniMax 这次正好相反，用量涨了，节省来自单价。两家都把每题成本压到了 0.2 美元出头，路径不一样。据 MarkTechPost 的对照表，DeepSeek 非高峰时段半价，AA 用的是高峰价，这里只比 AA 的同口径读数。

最强反方

最有力的反驳是：用量涨了不等于浪费。M3 在 Terminal-Bench 4.0 上只做对 2%，很多题可能早早放弃，用的词元自然少；M3.1 Flash 做对了四分之一，多出来的词元是把题做完的代价。拿「按旧单价更贵」来说它没变省，等于惩罚它多做成了事。再说，降价本身也是真实的，用户付的就是新单价，节省是实打实的。

我部分让步：用量上涨里确实有一部分是「做成更多题」的正常代价，我不能说它浪费。我的论点也不是说节省是假的，用户付的就是 0.22 美元。但我仍坚持核心判断：这 57% 是定价带来的，不是单位工作更省带来的。证据是按同一单价比较，新版每题更贵；GDPval-AA 分数涨了，每题成本却几乎没降，单价减半在这类任务上被用量增加抵消了。分析推断：这关系到可持续性，靠单价换来的便宜取决于 MiniMax 能不能长期维持这个价格，靠用量换来的便宜换了平台也带得走；依据是权重发布后第三方托管方会按自己的成本定价。权重发布后如果第三方在自有硬件上测出单位任务用量下降，我会改口。

我们不知道什么

我们不知道 AA 复测用的是 M3.1 Flash 哪一档推理深度。MarkTechPost 报道称它的推理不能关闭、分五档、官方建议默认用最高档，但 AA 页面的名称没有像 DeepSeek 那样标注档位。我们不知道「近三倍速度」在第三方测法下是否成立，AA 速度一栏暂无数据，MiniMax 的每秒 170 个词元和 AA 测 M3 的每秒 110.2 个词元不是同一种测法，不能直接相除。我们不知道 0.015 美元的缓存读取价是长期价还是促销价，价格页没有写期限。MarkTechPost 报道权重 10 月 23 日发布，MiniMax 博客只写「稍后」，许可证也未公布。该报道还指出 MiniMax 成本图里 Automation-Bench 最高档画的是 62.8，表格写的是 62.2，原因不明。

接下来看什么

三件事。AA 补上 M3.1 Flash 的输出速度与每题用时后，「近三倍」还剩多少；权重发布后，第三方在自有硬件上跑出的单位任务成本，那时才能把定价和模型本身分开；以及 MiniMax 的缓存读取价会不会调整，因为它决定了这类智能体任务账单的近六成。