10 月 19 日,MiniMax 官宣 M3.1 Flash,顺手揭晓了一个悬念:此前以 Space Bunny Alpha 之名在 OpenRouter 匿名上线、并连续 12 天占据 OpenCode 榜首的神秘模型,就是它的早期版本——匿名运营期间处理了超过 200 万亿 token。这不只是一次发布:模型先不带厂牌下场,拿真实负载证明自己,再亮明身份,等于把发布会的说服成本转嫁给了 200 万亿 token 的匿名用量。
数字面:agentic 四线自报成绩
按官方博客口径(以下均为厂商自报),M3.1 Flash 在四条 agent 赛道交卷:软件工程基准 DeepSWE v1.1 拿下 73.7%;电脑操作基准 OSWorld V2 61.7 分、Agents' Last Exam(ALE)29.6 分,官方称这两项在中国模型中排名第一;网络安全基准 CyberGym 82%;金融工具基准 BankerToolBench 76.2。效率侧,官方称靠「更激进的稀疏化」把在线推理提速近 3 倍,输出速度 200+ TPS、P50 稳定在 170+ TPS;第三方 CellCog 转述发布帖还标注了 100 万 token 上下文。
价格与开放度
定价为每百万 token 输入 0.15 美元、输出 0.60 美元、缓存命中 0.015 美元,官方称 agent 任务整体使用成本较上代降 70%。目前只能通过 MiniMax API、M Plan 与 MiniMax Code 使用;官方博客对权重只写了「稍后放出」,CellCog 读到的发布帖标注 10 月 23 日——兑现之前,「开源」仍是待兑现承诺。
泼冷水:自报跑分与真实手感
两个独立信号值得记下。其一,CellCog 整理的横向对比表里,M3.1 Flash 并非全面领先:DeepSWE v1.1 上 DeepSeek V4.1 Flash 报 77.0、Opus 5 报 74.0,都高于它的 73.7;Terminal Bench 4.0 它也明显落后 Opus 5(38.1 对 51.8)。其二,首批实测用户反馈偏冷:有开发者在 X 上表示在 OpenCode 写日常代码「感觉不如 GLM-5.3 Flash」,另一位用户反映它在工具调用长链路上会卡住,「单 token 便宜,但会话在第 40 步挂掉就没意义」。而 OpenCode 官方账号披露,Space Bunny 曾连续 12 天居其榜首、服务了 106 万亿 token。
所以呢
Space Bunny 这套「匿名先行、亮牌收尾」的打法,聪明之处在于把跑分的公信力问题换成了一道更难的题:200 万亿 token 的真实用量很难造假。但自报 benchmark 尚无人独立重跑,匿名端点与正式 API 的表现是否一致也待验证;等权重(若如期在 10 月 23 日)落地,自己跑一遍 DeepSWE,才算真正交卷。
参考:MiniMax 官方博客 https://www.minimax.io/blog/minimax-m31f ;CellCog 分析 https://cellcog.ai/blog/minimax-m3-1-flash