MiniMax M3.1 Flash 的 benchmark 与口碑温差

---

先把窗口钉住。MiniMax M3.1 Flash 的官方博客于 2026 年 10 月 19 日发布，同日 Hacker News 上出现讨论帖，故事 ID 50154540，快照时已有 324 个支持票、140 条评论。按栏目 48 小时窗口计算，首发时刻是 2026-10-19，本稿写于同日，尚在窗内。需要前置的口径也先写清楚：官方宣称的 benchmark 与社区实测口碑之间存在落差，这是本篇主线；但 weights 尚未发布，普通用户和第三方还无法独立复现这些数字，所以全文不会把官方数据当定论，只会逐条标出来源并保留怀疑空间。

发生了什么

MiniMax 在 2026 年 10 月 19 日发布了 M3.1 Flash，定位是一款面向 agentic tasks、coding、computer use 和网络安全场景的快速模型。官方给出的核心卖点非常响亮：推理速度比前代快近 3 倍，使用成本低 70%，在多个 benchmark 上达到领先水平，并且此前以 Space Bunny 匿名运行时已经累计处理了超过 200 万亿 tokens。

从产品线看，MiniMax 同时推出了 API、M Plan 订阅和 MiniMax Code 桌面客户端三条路径。API 面向开发者按量计费，M Plan 面向高频用户按月订阅，MiniMax Code 则直接对标 Cursor、Windsurf 等 AI 编程工具。这种「模型 + 应用 + 订阅」的组合，说明 MiniMax 不只想卖 tokens，还想把用户留在自己的工作流里。对观察者来说，判断 M3.1 Flash 是否成功，不能只看模型 leaderboard，还要看 MiniMax Code 的留存和 M Plan 的转化率。

具体定价上，M3.1 Flash 定价为每百万输入 tokens 0.15 美元、每百万输出 tokens 0.60 美元、每百万缓存输入 tokens 0.015 美元。官方列出的性能数据包括：BankerToolBench 76.2 分、DeepSWE v1.1 73.7%、OSWorld V2 61.7 分、Agents’ Last Exam 29.6 分、CyberGym 82%，同时在输出速度上宣称超过 200 TPS，P50 中位数达到 170 TPS 以上。这些数字共同指向一个结论：这是一款又快又便宜、在某些场景下能跟头部模型掰手腕的产品。

可获得性方面，API、M Plan 和 MiniMax Code 已经上线，weights 稍后会发布。也就是说，目前能直接验证的主要是 API 体验，而想复现官方 benchmark 还需要等权重开放。

从发布策略看，MiniMax 选择先用 Space Bunny 匿名测试再揭牌的路线。匿名运行期间累计处理 200 万亿 tokens 这个数据，一方面说明测试规模足够大，另一方面也说明厂商在发布前已经收集了大量真实反馈。问题在于，这些反馈由厂商单方面掌握，外界看不到原始日志，也无从判断「200 万亿」与「质量好坏」之间的具体关系。对于技术社区来说，这种「内部跑分」只能算侧面证据，不能替代公开可复现的 benchmark。

benchmark 与口碑温差

官方数据看起来很满，但 HN 讨论区的早期反馈并没有全盘照收。温度差主要体现在三个地方。

第一是直接对比。评论者 johnnyApplePRNG 提到，M3.1 Flash 在 DeepSWE 上的分数不如 DeepSeek V4.1 Flash 1017，除非 MiniMax 能把价格做到一半以下，否则很难构成吸引力。这条评论的言外之意很清楚：benchmark 领先是有条件的，一旦放到同价位或同生态里比较，优势会收窄。

第二是匿名测试期的口碑。评论者 walrus01 指出，DeepSWE 和 TerminalBench 4.0 的分数，与 OpenCode 用户之前实测的 Space Bunny 体验并不完全吻合， anecdote 层面曾出现过明显错误。也就是说，在官方跑分之外，早期用户已经攒下了一批「它其实也会犯低级错误」的实际记忆。

第三是验证条件。评论者 terhechte 注意到 weights 还没发布，只能根据官方口径推测这可能是一个约 150B 参数的模型，或许能在消费级硬件上运行。在权重开放之前，所有 benchmark 都只能视为厂商单方面提供的结果，第三方无法独立完成复现。

把这三点合起来看，温差的核心不是「官方数据一定造假」，而是「官方给出的高光数字」与「早期用户可感知的实际表现」之间存在一条解释裂缝。模型是否真有那么快、那么准、那么便宜，还要等更多第三方测评和 weights 开放之后才能下定论。

官方口径对不上

这一节不是 accusations，而是把官方自己说的话和没说全的话摆在一起看。

官方博客的核心叙事是：更快、更便宜、多个 benchmark 领先。但「领先」这个词本身没有给出对照组。是比 MiniMax 自己的前代？还是比同价位的 DeepSeek Flash？还是比 GPT-4 级别的旗舰模型？不同的对照组会让「领先」的意义完全不同。

进一步说，官方在多个 benchmark 上给出的是绝对分数，而不是与竞品同条件下的 head-to-head 对比。BankerToolBench 76.2、DeepSWE v1.1 73.7%、OSWorld V2 61.7 这些数字，单独看都很高，但如果我们不知道它们是在哪个版本、哪个 prompt、哪个评测脚本下跑的，就很难判断其实际含义。benchmark 的可复现性不仅取决于模型是否公开，还取决于评测环境是否透明。

官方同时提到 Space Bunny 匿名运行期间已处理超过 200 万亿 tokens。这个数字很有传播力，但它描述的是累计调用量，而不是模型能力本身。一个模型被调用了多少次，与它每次回答的质量没有直接换算关系。

另一个未解口径是「比前代快近 3 倍」的测量条件。同样的模型，在不同输入长度、不同并发、不同硬件配置下，TPS 可能相差数倍。官方给出的 200 TPS 以上的峰值和 170 TPS 的 P50 中位数，在缺少测试环境描述的情况下，也很难判断其普适性。

最后，weights 尚未发布这件事，本身就让官方 benchmark 处在不可独立验证的状态。对技术社区来说，这不是小问题。可重复性是 benchmark 公信力的基础，缺少这一点，再漂亮的数字也只能先放进「待验证」文件夹。

评论区怎么说

HN 140 条评论里，声音大致分成四类，全部按转述处理。

第一类是对比派。除了前面提到的 johnnyApplePRNG 拿 DeepSeek V4.1 Flash 1017 作比较，swiftcoder 也好奇 M3.1 Flash 与 DeepSeek Flash 的价格/性能是否真的能打。这一类评论的核心是：官方 benchmark 需要放在竞对坐标系里看，而不是孤立地宣称「领先」。

第二类是质疑派。walrus01 把官方分数与 Space Bunny 匿名期的用户 anecdote 对照，认为二者之间存在落差。terhechte 则指出 weights 没发，连模型规模都只能猜。两条评论合在一起，指向同一个问题：在可以独立验证之前，官方 benchmark 的可信度只能打折。

第三类是信息整理派。有评论者关注模型是否能在消费级硬件运行，以及定价是否真如官方所说比竞品低 70%。这些问题的答案目前都不完整，但反映了社区最关心的两个落地指标：能不能本地跑、实际账单贵不贵。对开发者来说，这两个指标比任何 leaderboard 分数都更直接。

第四类是 meta 讨论派。theanonymousone 指出这是重复发帖，已有多个同题帖，侧面说明 MiniMax 这次发布在 HN 上确实刷了屏，但也让人怀疑讨论热度是否被营销操作放大。重复发帖本身不证明产品质量，但它提醒我们：热度和质量是两件事，不能混淆。

普通用户能做三件事

第一，对官方 benchmark 先存疑，等第三方复现。在 weights 和独立评测出来之前，把官方数据当作参考值而不是定论。尤其注意「领先」「快 3 倍」「成本低 70%」这类相对值，它们的对照组往往藏在脚注里。

第二，如果想试用，先用小流量 API 实测自己的场景。模型在公开 benchmark 上高分，不等于在你自己的代码库、文档结构或业务流程里好用。MiniMax Code 和 API 已经上线，可以挑真实的任务跑一遍，再决定要不要把主力工作流迁过去。

第三，把 M3.1 Flash 放进「候选清单」而不是「唯一答案」。同级别的快速模型不止一家，DeepSeek Flash、GPT-4o mini、Claude Haiku 等都在持续迭代。MiniMax 这次的定价和纸面性能确实有竞争力，但竞争格局变化很快，等两周到一个月的社区反馈沉淀后再做长期投入会更稳。

最后补充一句：对中小企业和独立开发者来说，选择模型时最容易被「便宜」吸引，但真正的成本往往是隐性的。迁移集成、提示工程、错误兜底、合规审查，这些后续支出可能远超 token 账单本身。如果只是为了省几分钱而频繁切换模型，最后可能得不偿失。建议把 M3.1 Flash 当作一个值得观察的新选项，而不是立刻替换现有工作流的充分理由。

从更宏观的视角看，MiniMax 这次发布也是国内大模型厂商「卷价格、卷速度、卷 benchmark」的一个缩影。当各家都在强调自己「更快更便宜」时，用户真正需要警惕的，是把单点指标当成整体体验的错觉。模型选型不是买彩票，不能只凭一张 leaderboard 就下注。

结语

分寸声明：本篇不定罪 MiniMax，也不否定 M3.1 Flash 的技术价值。官方发布的 benchmark 和性能数据来自 MiniMax 博客，已逐条标注；HN 评论区的对比和质疑来自社区转述，同样逐条归属；Space Bunny 匿名运行期的用户反馈属于 anecdote，不能用来证明模型好坏，只能用来解释「温差」的来源；weights 尚未发布、第三方无法独立复现，这一点贯穿全文。

已核验的事实包括：MiniMax 官方博客于 2026-10-19 发布 M3.1 Flash；HN story 50154540 同日提交，快照 324▲/140💬；定价为 0.15/0.60/0.015 美元每百万 tokens；API、M Plan、MiniMax Code 已上线，weights 稍后发布；官方列出的 benchmark 包括 BankerToolBench 76.2、DeepSWE v1.1 73.7%、OSWorld V2 61.7、ALE 29.6、CyberGym 82%、输出速度 200+ TPS。

待盯节点有两个：其一，weights 正式发布后，社区能否复现官方 benchmark；其二，第三方测评机构或开发者对 DeepSeek Flash、GPT-4o mini 等同级别模型的横向对比结果。任一出现足以改变当前判断的新证据，即出 v2。

参考来源

• MiniMax 官方博客 2026-10-19「MiniMax M3.1 Flash」：模型发布、性能数据、定价与可获得性来源，https://www.minimax.io/blog/minimax-m31f
• HN story 50154540：2026-10-19T16:39:09Z 提交，标题「MiniMax M3.1 Flash」，快照 324▲/140💬；评论区 swiftcoder/terhechte/johnnyApplePRNG/walrus01/theanonymousone 均为评论者自述，正文逐一归属
• 事实包 /Users/kael/xhs-content/drafts/2026-10-20-facts-packages.json 中「hot」条目：本稿唯一事实来源，写作全程禁网，未二次联网核验