大模型价格战打到今天，数字早已让人麻木，但百亿参数级和千亿参数级的账本从来不是同一回事。
2026年10月19日，MiniMax正式上线M3.1 Flash，同步推向API、M Plan与MiniMax Code，并承诺后续开源权重。最刺激市场神经的是定价，输入每百万Token 0.15美元、输出0.60美元、上下文缓存输入低至0.015美元。乍看之下，一个标称428B体量的混合专家模型（MoE），价格直接击穿了常规认知的底线，似乎要给竞品带来一场降维打击。
但天下没有免费的午餐，激进定价背后往往藏着精密的工程剪裁。
428B背后的数学戏法
不少人看到428B的第一反应是旗舰级庞然大物，但官方在预览指南中曾披露过关键底细，模型总参数虽达到428B，实际单次调用的激活参数仅约为23B。
换言之，推理引擎在每一个Token生成时，真正跑在显存高频计算流水线上的，只是一个230亿参数级别的紧凑网络。这种极高稀疏度的MoE设计，让MiniMax宣称其中位数生成速度超过170 tokens/秒，峰值突破200 tokens/秒。官方在正式发布通告中拿掉了具体的参数标注，但技术底座的实质没有变，这本质上是用428B的容量来存储表征，拿23B的开销来做快速推理，以此换取极限压低的API单价。
商业竞争讲求借力打力，这种定价策略直接盯上了DeepSeek V4.1 Flash 1017与Google的Gemini 3.8 Flash。但决定工具能否落地的，从来不是纸面标价，而是任务完成率与隐性损耗。
跑分宣传与实测断层的落差
在宣发图表中，MiniMax展示了一组极具杀伤力的数据，M3.1 Flash在Max effort模式下，DeepSWE v1.1成功率达到73.7%，平均任务成本约为$0.28；以此对标DeepSeek 1017的大约77%成功率与约$0.20成本。
但这个73.7%需要仔细看清修饰词。它来自DeepSWE v1.1测试集，并非行业通用的SWE-bench Verified基准。很多二次传播将二者混淆，营造出一种其在严肃编程领域与顶尖水平平起平坐的错觉。
| 评估指标 | MiniMax M3.1 Flash | DeepSeek V4.1 Flash 1017 | Gemini 3.8 Flash |
|---|---|---|---|
| 综合智能指数 | 42 | 45 | 40 |
| Terminal-Bench 4.0 | 26% | 34% | - |
| AutomationBench-AA | 73% | 67% | 61% |
| 单任务加权成本 | $0.22 | $0.26 | $0.93 |
独立评测机构Artificial Analysis的数据给出了更冷静的参照。M3.1 Flash的综合智能指数为42，介于DeepSeek的45与Gemini 3.8 Flash Medium的40之间。
更关键的分歧在细分场景。在测试真实终端命令行交互与软件构建的Terminal-Bench 4.0上，M3.1 Flash仅拿到了26%，明显落后于DeepSeek的34%；而在考察SaaS工作流编排的AutomationBench-AA中，它跑出了73%，反超了DeepSeek的67%与Gemini的61%。
便宜的单价换不来免费的智力，评测基准换个名字，差距依然在终端里显形。
目前Artificial Analysis尚无M3.1 Flash的实测延迟数据，官方宣称的极速表现仍需第三方独立验证。但单从能力分布来看，它更像一个擅长业务流组装的自动化助手，而非能独当一面的终端级硬核程序员。
隐形账单与工具调用的老毛病
很多开发者被低单价吸引接入，却在工程落地时踩到了意料之外的坑。
社区反馈与GitHub Issues暴露出模型在推理机制上的硬伤。在预览版中，如果调用方未显式配置思考级别，模型会默认开启Max深度思考；这种机制甚至曾强制使用自适应思考模式，导致不兼容的第三方客户端直接抛出HTTP 400错误。
更棘手的是Token预算吞噬。在默认高强度思考下，M3.1 Flash可能在16,384个Token上限内将配额全部消耗于内部Thinking，最终直接向用户返回一个毫无实质内容的空回答。你以为单价只有$0.15，但如果一次空转就烧掉一万多Token，端到端完成真实任务的有效账单反而被大幅拉高。
- 风险.强制思考模式若未在正式版中彻底理顺配额策略，会把名义上的超低单价稀释成极不确定的工程隐性开销。
工具调用（Tool Calling）上的历史包袱同样存在。从早期的M2.5、M2.7到M3，MiniMax在多工具顺序调用丢失上下文、格式异常上就时常困扰集成方。GitHub Issue #29显示，M3.1 Flash预览版在结构化工具调用时，依然会出现未声明根键item以及数组类型校验失败的Validator错误。
虽然部分开发者认可其单次Bug修复的速度比M3有明显提升，但在Agent体系极其看重的长流程状态机与高并发工具集成里，语法层面的偶发脱靶足以让流水线整体崩溃。
- 建议.将M3.1 Flash接入Cursor或自动化管线前，应优先用小流量压测Schema校验与思考预算，而非直接作为生产主路由。
古人讲「欲速则不达，见小利则大事不成」。大模型价格竞争从输入输出计费走向Agent深水区后，开发者真正买单的维度已经改变，不再是看谁标出来的百万Token最便宜，而是看跑完一个复杂的软件重构任务，究竟谁能一次成功。
在Artificial Analysis的混合评测中，M3.1 Flash的单任务加权成本确实做到了$0.22，优于DeepSeek的$0.26和Gemini 3.8 Flash的$0.93，在自动化工作流里展现了成本优势。然而，只要终端编程的确定性差距还在，只要强制思考与结构化调用的工程毛刺未消，这种低价就依然是局部优势。
大模型没有神话，只有架构取舍后的账单。