MiniMax M3.1 Flash：成本再降 70%、OSWorld 与 ALE 两项国产第一——企业级智能体的性价比拐点

一、Flash 段位的竞争，从「谁更强」转向「每块钱能干多少活」

10 月 19 日晚，MiniMax 正式发布新一代 Flash 模型 M3.1 Flash。官方同时确认，此前以匿名身份处理超过 200 万亿 Token 的 Space Bunny（太空兔），正是该模型的早期版本。

两天前 DeepSeek 刚把 V4.1 Flash 更新至 V4.1-Flash-1017，两家国产厂商一周内接连出手，把 Flash 档位的竞争推向新维度：比的不再只是跑分，而是单位任务成本。

MiniMax 给出的口径很直接：M3.1 Flash 在 Agentic 任务、编程、电脑操作（Computer Use）与网络安全四个方向实现代际提升，同时线上推理速度提升近 3 倍、使用成本降低 70%。

二、四项能力：从「理解任务」走到「交付结果」

复杂任务与自动化是主线。官方称 M3.1 Flash 在 AutomationBench-AA 上位居前列，可跨 SaaS 系统完成销售、营销、运营、客服、财务、人力资源等真实流程；在 BankerToolBench 上取得 76.2 分，覆盖多步规划、跨文档与跨文件一致性、金融合规、工具链式调用等难题。

编程方向，模型在软件工程基准 DeepSWE v1.1 上取得 73.7%。该基准考察代码理解、功能开发、问题修复与测试验证的完整链路，要求模型自己跑完。

电脑操作方向，模型在衡量 AI 操作电脑与跨应用执行能力的 OSWorld V2 上取得 61.7 分，在评估真实专业工作与经济价值的 Agents' Last Exam（ALE）上取得 29.6 分，两项均为国产模型第一。网络安全方向 CyberGym 得分 82%，覆盖漏洞发现与验证；官方称其在代码审计、漏洞修补与渗透测试场景表现稳定。

三、速度与架构：稀疏注意力把单价压了下来

速度来自架构。M3.1 Flash 采用更激进的稀疏注意力结构：日常输出速度可达 200+ TPS，中位数（P50）稳定在 170+ TPS。对需要连续几十步工具调用的智能体，吞吐决定任务能否在会话窗口内跑完。

价格同步下调：API 每百万 Token 输入 1 元、输出 4 元、缓存读取 0.1 元，与 M3 相比输入输出单价降幅均超过 50%，缓存读取单价降幅超过 70%。

四、为什么这张账单改变了企业的决策逻辑

过去两年企业做智能体，成本大头是推理 Token，再叠加把知识搬进向量库的人力投入。当模型具备跨系统执行能力、且单次调用便宜到可以放心重试与并行时，问题性质就变了：从“这个场景值不值得做 PoC”，变成“这条流程要不要整体交给它”。

需要说明的是，公开评测多由厂商或第三方在限定条件下完成，企业引入前仍应以自身流程做对照测试。

五、企业接入要过的三道关

第一关是权限边界。具备电脑操作与跨系统执行能力的模型，一旦打通真实业务账号，出错代价就是真实的资金与数据损失。建议按最小权限授予，写操作保留人工确认。

第二关是过程留痕。每个动作记录输入输出、工具状态与降级原因，否则事后无法解释结果如何产生，也难以在审计中被采信。

第三关是成本治理。单价下降不等于总账下降。智能体常见失败模式是反复调用同一批资源，需要设步骤级预算与异常熔断。

六、对杭州及长三角企业的落地提示

杭州的制造、跨境电商与零售企业大多已有一两个智能体试点，下一阶段关键是把试点接进真实业务系统，先选一条价值明确、数据可得的流程切入。

在实际项目中，AI大模型定制与数据挖掘往往比直接采购标准产品更贴近业务：前者解决行业语义与流程理解，后者解决内部数据不可用的问题。杭州一道网络科技有限公司长期从事企业 AI 化定制与智能体开发，覆盖流程梳理、知识结构化、系统集成与成本治理，欢迎就具体场景探讨。