MiniMax M3.1 Flash 上线 Agent 成本降 70% 每百万 Token 输出 4 元

稀宇科技在10月19日宣布正式上线MiniMax M3.1 Flash模型，一句话概括这次发布的重点：线上推理速度较此前提升近3倍，在Agent类任务中的综合使用成本降低70%。此前以匿名身份处理超过200万亿Token的Space Bunny，正是该模型的早期版本，目前M3.1 Flash已经上线MiniMax API、MPlan和MiniMax Code，模型权重计划稍后开放。定价上，输入每百万Token 1元，输出每百万Token 4元，缓存读取每百万Token 0.1元。这三个数字是这次发布里被讨论最多的部分，尤其是缓存读取被单独定在0.1元这一档。

这一代模型瞄准的位置很明确，官方给出的适用场景包括复杂Agent任务、软件工程以及跨应用电脑操作三类。对做自动化的人来说，这三个词几乎对应着一张能力清单：在企业工作流中可用于跨SaaS系统调用工具，处理销售、营销、运营、客服、财务及人力资源等任务；在软件开发场景中可用于代码理解、功能开发、问题修复和校验验证；在Computer Use场景中可根据任务要求与真实桌面环境交互，执行跨应用操作。官方同时表示后续还将推出定位于更高智能上限的Pro版本，价格更高的Pro要补的，是把Agent任务做长、做复杂之后那部分稳定性的差距。

成绩单是这么一份：AutomationBench-AA中表现突出，BankerToolBench取得76.2分；软件开发评测DeepSWE v1.1取得73.7%的成绩；Computer Use方面在OSWorld V2和Agents Last Exam中分别取得61.7分和29.6分，官方称两项成绩均位列国产模型第一；CyberGym基准中取得82%的成绩，体现代码审计、漏洞发现与验证等网络安全能力。这几项的指向性比综合跑分更明确，它列出来的不是模型能不能聊天，而是能不能把一件需要多步协调的事情做完——BankerToolBench和OSWorld V2考的是工具调用和桌面操作，DeepSWE考的是真实软件工程任务，CyberGym考的是能不能审出漏洞并验证。这几条线正好对应了这次降价所瞄准的三类客户。

把这套定价换算到生意里，会更好理解它在打什么位置。Agent 类任务的特点是调用链长、每一步都要输出、上下文里塞满工具返回的中间结果，输入输出比往往远高于普通对话。输出每百万Token 4元、输入每百万Token 1元、缓存读取每百万Token 0.1元，这个结构给了缓存足够的杠杆——同样一段长上下文被反复读取二十次，和被完整重新输入二十次，成本差了不止一个数量级。所以缓存读取单独定到 0.1 元这件事，指向的是鼓励把系统提示词、工具定义、历史上下文这类固定部分做成可缓存的稳定前缀。对于要做长流程Agent的团队，这一个参数往往比标价本身更能决定月度账单。

速度提升近3倍这件事，在Agent场景里的价值会被进一步放大。单步推理省下来的时间，在多步流程里是线性累加的：一条要跑十几步的客服工单流程，每步省1秒，整条流程就少十几秒的响应延迟。在工具调用型任务里，模型等待工具返回往往是整条链路的瓶颈，把模型自身的等待时间压下去，直接影响的是工具调用能不能做成实时交互，而不是让人对着一个转圈的图标等下去。

需要留意的是发布之后社区反馈并不全是正向的。少数派派早报这条消息下面的评论区里，批评意见集中在实际使用体验上：有人反馈提示集群繁忙一直用不了，也有人表示M3都出现了降智的抱怨，还有人提到用过M3.1 Flash preview和Space Bunny的体验后对正式版持保留态度。这类反馈的参考价值在于，它提醒了同一件事——评测分数衡量的是能力上限，日常业务里真正决定体验的是稳定性、价格和上下文长度这三项。一个模型能把自动化成本降70%，但如果高峰期集群不稳、复杂任务上偶发降智，那么真正能压住账单、能在线上跑稳的仍然是那些把缓存策略和多模型兜底都写进架构里的团队，而不是把全部任务压在单一模型上的用法。

创业找资源，上乌鸦部落。