MiniMax M3.1 Flash：中国 AI 价格竞赛远未见底

AI 输出能便宜到什么程度？中国：可以！MiniMax 发布了 M3.1 Flash，这是一款新的推理模型，在 Artificial Analysis Intelligence Index 上得分 42 分。这比其前代 M3 高 13 分，而每任务成本不到一半。该模型与 GLM-5.3-Flash 打平，略高于 Gemini 3.8 Flash（41），落后于 Deepseek V4.1 Flash 1017（45）。复杂推理提升最大。在“Humanity's Last Exam”上，M3.1 Flash 达到 48%，超过 Deepseek 和 GLM。它在 CritPt 基准上得分 22%，该基准测试跨 71 个复杂问题的研究级物理推理。这使它领先于 GLM-5.3-Flash（15%）和 Gemini 3.8 Flash（18%），仅落后于 Deepseek（24%）。在 AA-Omniscience 测试的事实准确性上，M3.1 Flash 正确回答 56% 的问题，远高于 GLM-5.3-Flash（28%）和 Deepseek（43%）。该模型使用的输出 token 也远少于竞争对手，使每任务成本降至约 0.22 美元。MiniMax 表示其运行速度是 M3 的三倍。一个弱点是其 93% 的幻觉率，因为据 Artificial Analysis 称，该模型试图回答每个测试问题，而不是在不确定时拒绝作答。该模型处理最多一百万 token 的上下文，并接受文本和图像。API 定价为每百万输入 token 0.15 美元、每百万输出 token 0.60 美元，缓存输入为 0.015 美元。MiniMax 计划于 10 月 23 日以开放权重发布该模型。API 已在 platform.minimax.io 上线，MiniMax 还提供名为 MiniMax Code 的桌面应用。与最近发布的 Deepseek V4.1 Flash 1017 正面对比，两个模型并非全面胜出。Deepseek 在 Intelligence Index 上以 45 分领先 MiniMax 的 42 分，并在 CritPt 基准上以 24% 对 22% 略有优势。MiniMax 在其他测试上领先。它在“Humanity's Last Exam”上达到 48%，而 Deepseek 为 43%。在 AA-Omniscience 测试的事实准确性上，MiniMax 正确回答 56% 的问题，而 Deepseek 为 43%。MiniMax 每任务成本也略低，为 0.22 美元，而 Deepseek 为 0.26 美元，因为它在基准测试中需要的输出 token 更少，约 1.89 亿，而 Deepseek 为 2.24 亿。两个模型都在进行开放权重发布。Deepseek 已在 Hugging Face 上，MiniMax 将于 10 月 23 日跟进。

MiniMax 发布 M3.1 Flash，推理指数 42，每任务成本约 0.22 美元，API 输入/输出每百万 token 为 0.15/0.60 美元，并计划 10 月 23 日开放权重；它与 DeepSeek V4.1 Flash 1017 各有胜负，但 93% 的幻觉率是明显短板。

• MiniMax 发布 M3.1 Flash，推理指数 42，每任务成本约 0.22 美元，API 输入/输出每百万 token 为 0.15/0.60 美元，并计划 10 月 23 日开放权重；它与 DeepSeek V4.1 Flash 1017 各有胜负，但 93% 的幻觉率是明显短板。
• 原贴提到：How cheap can AI output get? China: Yes! MiniMax has released M3.1 Flash
• 来源：the-decoder.com

这是什么信号：MiniMax M3.1 Flash 的核心信息是“性能不差、成本更低”。它在 Artificial Analysis Intelligence Index 上拿到 42 分，比前代 M3 高 13 分，每任务成本却不到一半；每任务约 0.22 美元，低于 DeepSeek V4.1 Flash 1017 的 0.26 美元。这说明中国模型厂商的竞争焦点不只是刷榜，而是把推理能力、输出 token 效率和 API 价格捆在一起打。

为什么重要：价格战真正影响采购决策的指标是“完成一次任务要花多少钱”，不是每百万 token 的标价。M3.1 Flash 的每任务成本较低，部分来自更少的输出 token；原文提到其基准测试中约使用 1.89 亿输出 token，而 DeepSeek 为 2.24 亿。同时，它在 Humanity's Last Exam 上达到 48%，在 AA-Omniscience 事实准确性上达到 56%，说明低价模型正在把复杂推理和事实问答推进到可用区间。但它并非全面领先：Intelligence Index 为 42，低于 DeepSeek 的 45；CritPt 为 22%，也略低于 DeepSeek 的 24%。

对谁有价值：对 AI 应用开发者、成本敏感的产品团队、需要私有化部署的企业，以及关注模型竞争格局的投资人都有直接价值。开发者可以用它做高吞吐推理、长上下文和多模态输入的备选；产品团队可以把它纳入成本优化与模型路由；企业可以关注 10 月 23 日的开放权重发布，评估私有部署可能性。但它不适合直接替代所有高可靠性场景，尤其是对事实准确性要求高、不能容忍编造的任务。

可以怎么行动：第一，用真实业务任务做 A/B，比较“每成功任务成本”，而不是只比较 token 单价。第二，重点压测不确定场景下的拒答与核验机制，因为原文指出其幻觉率为 93%，模型倾向于回答每个问题而不是在不确定时拒绝。第三，关注输出 token 消耗，若业务链路允许，可通过提示词和结构化输出降低冗余生成。第四，等待开放权重后核验许可证、部署成本和实际推理速度，再决定是否进入生产。第五，把 DeepSeek V4.1 Flash 1017 作为对照，按任务类型分流，而不是寻找单一全能模型。

风险或限制：基准分数不等于生产表现，尤其 93% 的幻觉率意味着必须加事实核验、拒答策略和人工兜底。原文只给出 API 标价和每任务成本，未说明长期价格承诺；开放权重也尚未实际发布。M3.1 Flash 的优势集中在部分推理与事实测试，整体智能指数仍落后 DeepSeek，CritPt 也未领先。对高合规、高风险行业，低价不能抵消错误成本。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《MiniMax M3.1 Flash：中国 AI 价格竞赛远未见底》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。

• Matthias Bastian 原帖