输入每百万Token1元、输出4元，缓存读取一毛钱。M3.1Flash把价格压到旗舰模型的零头，却在复杂Agent任务榜上冲进第一梯队。作者用一款小游戏的开发全程，验了它的成色。

之前挺长一段时间，DeepSeekV4.1Flash在开发者圈的口碑不错，性价比和综合效果实现了很好的平衡。

然后到了9月底，突然有一只叫「SpaceBunny」太空兔的模型横空出世，隐隐把其他Flash模型的风头都给盖过去了。

直到最近，MiniMax官宣了全新的M3.1Flash，众多猜测才尘埃落定。

很多在OpenRouter、OpenCode上用惯了太空兔的朋友发现，M3.1Flash的正式版，似乎表现更稳定、效果更优异了。

MiniMax这次的价格很有诚意：

输入每百万Token1元，输出4元，缓存读取只要1毛钱（全天统一价，不搞峰谷浮动）

更关键的是，它在复杂Agent任务测试中，直接跑到了第一梯队甚至多项登顶。

以往认知里，Flash模型更多满足短平快的需求，在相对轻、相对简单的场景更擅长。

但M3.1Flash却是瞄准了很多旗舰模型才能扛住的复杂Agent任务、长链路交付。

距离「太空兔」首次现身过去的一个月，MiniMax又悄悄做了哪些打磨，到底进化到了哪一步？

今天想带大家试试，看看M3.1Flash处理复杂任务，完成度能有多高……

01高性价比，越用越觉得真香

「Flash」模型，一定意味着妥协吗？

便宜、快，但一遇到长链路推理、多步工具调用或者环境交互，时常会暴露出局限。

但这次M3.1Flash亮出的两张牌，让很多人的印象有了变化：

第一张牌，是ArtificialAnalysis（AA）全球排行榜。

在最新的AA综合评测中，M3.1Flash的智能指数直接冲到了43分（上一代M3仅为29分，代际跃升近50%）。

再就是任务加权成本：

单次基准任务平均费用直接从0.51美元被拦腰斩断至0.22美元。

在代码、推理与工具调用全面逼近前沿梯队的前提下，把综合使用成本压低了整整70%。

第二张牌，是被称为「AI操作电脑终极大考」的ALE与OSWorld。

对于复杂Agent来说，光会做题没用，你得能「替人上手操纵系统」。

在加州大学伯克利RDI牵头、覆盖13大行业极其苛刻的Agents’LastExam（ALE）评测中，M3.1Flash拿下了29.6分，位居国产模型第一。

同样考查跨应用真实电脑操作的OSWorldV2，它取得了67.1分，同样名列国产第一。

数据背后，也是实实在在能省出来的成本。来算一笔账：

跑完整套由人类顶级专家设计的真实经济价值任务（ALE完整集），调用高高在上的顶配ProClaudeOpus往往需要消耗7000多元人民币。

而换成M3.1Flash，同样的通关规模只需要700多元——相近的能力区间，成本直接相差近10倍！

而在专攻企业复杂跨SaaS系统自动化的Automation-Bench上，它开到最高思考档位（max），解决单个长链路任务平均只需约0.3元（低档位甚至不到0.2元），直接超越了竞品在高峰期近0.6元与海外竞品5元的单任务花销。

对很多开发者来说，大规模投入日常任务、在真实生产线里来用，更可行、更敢上量去用了。

02更复杂的场景，直接跑任务

来直接看几个实测例子。

在MiniMax还没正式发布之前，海外开发者社区就有人拿「太空兔」当顶级动效师在死磕了。

当时那个哥们就只丢了一句简单的英文指令：

「inonehtmlfile,makeadynamic15-secondmotiongraphicsvideothatshowswhatanincrediblemotiondesigneryouare,likeit’syourshowreelforarésumé.goallout.16:9fullscreen,soundmadewithwebaudio,clicktoplay」

「在一个单独的HTML文件中，制作一段极具动感的15秒动态动态图形（MotionGraphics）视频，展现出顶级动效设计师的Showreel水准。16:9全屏、每一帧画面与WebAudio音频全靠纯代码生成，点击即可播放。」

简单粗暴，一个单文件HTML，做一段15秒的全屏动态视频秀，每一帧画面、甚至背景音效都得是纯代码跑出来的。

GPT-6Astra做视频效果很新颖，M3.1Flash不知道会怎样？

那不如让两个模型，都分别手搓一只「3D毛绒蜘蛛」，来对比一下看看。

搞过设计和前端的都知道，3D几何结构、「软萌、毛茸茸、蓬松」的触觉质感，都不容易实现。

把代码写出能让人伸手想摸一把的毛绒感，挺考验模型的审美和执行精度。

看结果，M3.1Flash拿出的动态呈现，很细腻。

尤其是看蜘蛛的眼睛，有那种复眼的密集感觉，像活的一样。

我在想，有了这样的动态交互能力，其实很多游戏都能做到不错的水准。

于是我尝试从零开发一款叫《旅行喵喵冒险记》的2D像素冒险游戏。

我自己只负责在旁边监工、提需求和做QA验收，所有游戏代码、程序化像素绘制和原创背景音乐，100%由MiniMax独立完成。

带大家看看整个流程：

一、11轮概念设计+10个独立目录并行开启

开工前，我们先调动MiniMaximage-01跑了11轮视觉迭代，敲定了主角小猫「栗团」和地图的概念设定。

接着，我们在MiniMaxCode桌面端一口气建了10个独立工作目录，把M3.1Flash全部拉到max推理档位和1M超大上下文——主循环、像素资产、原创音乐、地图碰撞、9条剧情手记、手机触控适配……十条线各司其职。

[Figma里的概念图合集（栗团角色+地图设定）]

最早几版小猫、树木和随身小物。

后来调整过的猫咪动作、场景和地面，其中有些没用进游戏。

校园、树林和小镇画面逐渐丰富起来。(先用MiniMaximage-01跑了11轮概念图定调子，连每一轮废稿和Prompt都全归档在Figma里了。)

二、不求「一把过」，看它怎么改Bug

做过真实项目的都懂，写复杂工程不可能一遍完美。首轮代码跑起来时，我们也遇到了让人头大的翻车现场：

地图因为drawImage类型错误直接黑屏：

走到咖啡店门口，关键NPC“桂婆婆”居然被一棵大树的树冠挡得严严实实，根本看不见人：

甚至通关重开后，本该断开的木桥居然还能直接穿过去：

换作以前的轻量模型，改这种跨文件的逻辑Bug基本就是「摁下葫芦浮起瓢」。

但我把报错和截图甩回给主程M3.1Flash后，它迅速修好了黑屏，老老实实把挡住桂婆婆的树冠清出了开口，连断桥重置的底层状态缓存也一并打通了。

M3.1Flash修完后的实机画面，不仅清出了路口，连断桥开闸逻辑也全部跑通。

三、45项测试全通，手机电脑都能直接玩

经过几轮严苛的冻结验收，现在这只叫「栗团」的小猫，已经可以丝滑地走完「小镇→林缘溪流→钟塔校园」三张连通地图，完成撬木闸、找故事册等9处独立互动，并在钟塔下触发完整的温柔结局。

不仅电脑端键盘能玩，连手机竖屏、横屏的双指触控和方向键适配也全部跑通。

让游戏动起来[钟塔校园结局实机图+手机横竖屏触控运行图]

开始旅程：栗团在暖阳小镇的街道上走动。

与桂婆婆对话，再查看手记、地图和暂停菜单。

林缘小径：完成小镇委托后，栗团继续向森林深处出发。

钟塔校园：穿过森林后，栗团沿校园道路探索。(从PC端跑通三张地图触发结局，到手机端横竖屏触控适配，全套代码、像素小猫和音乐全由MiniMax一手包办。)

目前，我们团队甚至已经基于这套代码启动了第二轮迭代——准备给「栗团」加一个叫「糯米」的小伙伴，塞进一套类似《旅行青蛙》的准备便当、离线旅行、寄明信片的新循环。

口说无凭，第一版游戏和全套工程证据我们已经全部开源上线，点开链接直接就能玩：

游戏公开试玩（电脑/手机浏览器直开）：

https://kingkazmax.github.io/travel-meow-adventure/

03更复杂的任务，不妨试一试

AI圈的版本迭代足够快。

模型在持续提升，而开发者、创业者实际业务中的算力用量也在增加。

Agent真进了日常业务，一天几百次外部工具调用、几十轮长链路，很多时候收益还没拿到，成本已经快兜不住了。

更理性、更均衡好用的模型，是我和身边很多朋友都

MiniMax官方有这样一句话，让我印象很深：「Flash是对效率与能力平衡的持续探索」。

在M3.1Pro到来之前，这只成本砍掉70%、速度快了近3倍的兔子，已经足够扛下我的大部分工作日常。

目前，MiniMaxM3.1Flash已经全量开放，模型权重也将在稍后正式开源：

MiniMaxCode桌面端下载：https://agent.minimax.io/download

MPlan订阅入口：https://www.minimax.io/m-plan

API调用直达：platform.minimax.io

「IntelligencewithEveryone.」