← 返回 Siami 首頁

MiniMax M3.1 Flash 正式上線:自爆 Space Bunny 匿名模型,推論快 3 倍、成本砍 70%

▲ 461 💬 197
MiniMax M3.1 Flash 正式上線:自爆 Space Bunny 匿名模型,推論快 3 倍、成本砍 70%

編按:本文綜合整理自 MiniMax 官方部落格、VentureBeat、MarkTechPost、Techmeme、Unite.AI、Artificial Analysis、Eesel AI 評測,並加入 Siami 編輯部觀點與分析。

一隻跑了 200 兆 tokens 的兔子

2026 年 9 月起,OpenRouter 上悄悄出現一個匿名模型「Space Bunny 🐰」,連續 10 天霸佔排行榜第一、總計處理 56.7 兆 tokens,社群猜了整整一個月到底是哪家模型。10 月 19 日 MiniMax 官方正式揭曉答案:Space Bunny 正是新一代 Flash 模型 M3.1 Flash 的早期匿名版本,整個匿名期間實際處理量超過 200 兆 tokens。

這個「先匿名上線、靠用戶實測累積真實口碑、再揭曉身份」的策略,是中國 AI 廠近半年罕見的精準操作——直接用 OpenRouter 真實流量取代 benchmark 自我宣傳。


Flash 從邊緣配角升級成主場

M3.1 Flash 不是 M3 的小幅更新,而是 MiniMax 把「Flash 系列」從「便宜版」重新定位為「Agentic AI 性價比之王」的轉捩點。官方資料顯示它有四個關鍵升級:

領域表現對手參考
自動化任務(AutomationBench-AA)頂級分群組SaaS 跨系統工作流
銀行業務(BankerToolBench)76.2 分—
Coding(DeepSWE v1.1)73.7%跟頂級模型並列
Computer Use(OSWorld V2)61.7 分中國模型第一
Computer Use(ALE Agents’ Last Exam)29.6 分中國模型第一
資安(CyberGym)82%漏洞挖掘頂級
物理推理(CritPt)22%(從 M3 的 4%)超 GLM-5.3 Flash 的 15%、Gemini 3.8 Flash 的 18%

推論效率也透過更激進的稀疏化最佳化,輸出速度達 200+ TPS、中位數 P50 穩定 170+ TPS。VentureBeat 進一步指出 M3.1 Flash 在「Humanity’s Last Exam」拿到 48%(M3 是 39%),但同時強調「高 hallucination rate」是這個模型最大的警示。

定價:Flash 系列史上最便宜

新模型對 Agentic 任務的整體使用成本比上一代低 70%。平價定價:

  • Input:$0.15 / 1M tokens
  • Output:$0.60 / 1M tokens
  • Cached input:$0.015 / 1M tokens

換算下來,input 直接砍 50%、cache read 也降 50%(從 20% 變 10%),所以 70% 整體降本是合理的數學——這跟 HN 資深評論 minimaxir 的拆解一致。對照同類 Flash 級對手:DeepSeek V4.1 Flash 是 $0.20/$0.60、GLM-5.3 Flash 是 $0.15/$0.50。MiniMax 在 output 上持平 DeepSeek 但比 GLM 貴 20%,在 cached input 上則是三者最低。

模型權重預計 2026 年 10 月 23 日開源,採 MoE 架構(428B 總參數、約 23B active),具稀疏注意力、原生視覺能力、1M token context window。


為什麼這件事重要

這是中國 AI 廠第一次把「價格的邊界」推進到 frontier 模型 1/3 的位置,而且是用 Agentic Coding / Computer Use / Cybersecurity 這些真正能接到企業工作流的能力作賣點,不是純粹刷 benchmark。過去 Flash 級定位是「便宜但弱」,M3.1 Flash 直接把這個定位撕掉。

對台灣與國際 AI 應用開發者來說,這代表兩種新規 1:第一,建構 agent pipeline 時成本計算要重做——過去用 Claude Haiku 做 router、用 GPT-4.1 nano 做子任務的架構,可能直接被 M3.1 Flash 的 cached input 價格($0.015,是 M3 的 25%)取代;第二,開源 MoE 權重 10/23 釋出後,本地部署的性價比會再上一階(HN 預測若精簡到 ~150B 可在 DGX Spark 或 128GB Mac 上跑)。

Space Bunny 匿名實驗本身也是重要訊號:當 frontier 模型的 benchmark 越來越難分辨真假時,讓用戶在不知道模型身份的情況下免費用、累積真實反饋,可能是新一代產品驗證機制。

數據解讀與質疑

正面訊號:CritPt 從 M3 的 4% 跳到 22%,是這次最大的驚喜——物理推理一向是中國模型的弱點。Artificial Analysis Intelligence Index 給 M3.1 Flash 43 分(M3 為 30 分、中位數為 13),確實是「中位數 3 倍以上」的頂級表現。

質疑點 1:benchmark 與實測落差。多位 HN 用戶反映,Space Bunny 階段的 opencode 體驗普遍不如 DeepSeek V4.1 Flash 跟 GLM 5.3 Flash——「DeepSWE 73.7 分但實際寫程式會犯離譜錯誤」、「token 用量極大使它變成測過最慢的模型」。DCKing 直接質疑「benchmaxed」,認為官方挑的對照組(Opus 5 而非 Opus 5.5)有選擇性呈現。

質疑點 2:Hallucination。VentureBeat 標題直接寫「at lower cost but with a high hallucination rate」,這對企業落地是致命傷——成本再便宜,產出不能用就沒意義。

質疑點 3:模型權重 vs API 綁定。M3.1 Flash 雖然標榜 1M context 跟視覺能力,但開源版本是否保留完整 sparse attention 機制、原生視覺編解碼?還是要等 10/23 開源後才能驗證,現在所有 benchmark 都是 MiniMax 自報。


後續觀察重點

M3.1 Flash 已經在 MiniMax API、M Plan、MiniMax Code 上線,模型權重 10/23 開源。下一波觀察點:

  1. 開源權重後社群實測——是否真的能在 128GB Mac 量化部署、推理速度能不能維持 200+ TPS
  2. DHS 態度——HN 已有人提到 MiniMax 模型有被美國監管機構列入限制清單的風險,跨境企業採用要留意合規問題
  3. M3.1 Pro 何時上線——MiniMax 在公告結尾預告「Pro 系列將稍後推出」,會是跟 Claude Opus 5.5、Gemini 3 Pro 直接對打的 frontier 模型

對 Siami 受眾(科技菁英、投資人、開發者)來說,M3.1 Flash 是 2026 年第四季 AI 模型軍備競賽的關鍵指標:當中國廠能以 1/3 價格做到 frontier 模型 90% 能力時,美國前沿廠商的定價權正面臨結構性壓力。

網友熱門留言 (5)

#1 Hacker News 用戶 minimaxir ▲ 187
關於 70% 降本的計算:用 $0.15 input/$0.60 output/$0.015 cache 對比 M3 的 $0.30/$1.20/$0.06,input 直接砍 50%、cache read 也降 50%(從 20% input 變 10% input),所以 70% 整體降本說得通。但 70% 降本有趣的是,正逢外界批評 LLM 越來越貴的時刻,這應該是為了對抗 DeepSeek。
#2 Hacker News 用戶 chriddyp ▲ 142
我們用資料分析基準測了,它是所有中國模型裡得分最高的,跟 Opus 5.5 和 Argon 打成平手(41/43 題正確)。但它的 token 用量極大,是我們測過最慢的模型;不是推論速度慢,是它寫太多 token。同樣基準下 Space Bunny 早期版本每題 30 秒,M3.1 Flash 變成 3 分鐘,但正確率明顯提升。
#3 Hacker News 用戶 DCKing ▲ 98
這個模型看起來很 benchmaxed(針對 benchmark 過度優化)。實際使用上它撐不起跟 benchmark 圖表裡其他模型的比較。Space Bunny 階段在 OpenCode Go 是免費的(雖然有限制),但社群反應普遍失望,比不上 GLM 5.3 Flash 跟 DeepSeek V4.1 Flash。
#4 Hacker News 用戶 LaurensBER ▲ 76
又一天,Pareto frontier 往左上移動!但說真的,DeepSeek 跟 GLM 5.3 系列對很多工作已經「夠用」,看到更便宜更好的模型持續出現確實驚喜。我只希望廠商多關注 wall clock time。對個人專案我不介意便宜模型慢一倍,但工作上要用「便宜」模型就得說服主管任務時間沒有比 frontier 模型高出太多。
#5 Hacker News 用戶 walrus01 ▲ 64
DeepSWE 跟 TerminalBench 4.0 的分數跟 opencode 使用者的實際體驗對不起來。我看到很多人試 Space Bunny 後回去用 Qwen 3.8-flash-next 或 DeepSeek V4 Flash,因為 Space Bunny 會犯一些很離譜的錯誤。