新版MiniMax，这么便宜，能和DeepSeek掰手腕吗？

　　出品 | 网易智能·今日硬核

　　作者 | 小小

　　编辑 | 王凤枝

　　同样做一张产品发布网页，Claude 花了 1.22 美元，新版 MiniMax 只花 0.014 美元，测试者也认可它的页面效果。

　　开发者@nutlope 公布的网页制作对比。左侧为 MiniMax，右侧为 Claude。

　　10 月 19 日晚，MiniMax 正式发布 M3.1 Flash，揭晓了此前匿名模型“太空兔”（Space Bunny）的身份。新模型主打编程和智能体任务，已接入 MiniMax API、M Plan 和 MiniMax Code。

　　MiniMax 官方发布帖

　　开头这组账单，来自 Together AI 开发者体验负责人@nutlope。他让 M3.1 Flash 和 Claude Opus 5.5 为同一款硬件设备制作发布网页，并称 MiniMax 的生成速度也更快。

　　从他展示的页面看，MiniMax 用了大块彩色卡片和像素风游戏图案，Claude 则把醒目的标题、产品展示和预订信息放在一起。

　　01 账单差了十几倍，画面差在哪？

　　在另一项 Roadster 场景测试中，开发者@narushima_用相同提示词和参考图片，让两款模型各做一版演示，全程没有追加修改：MiniMax 花了 0.71 美元，Claude 花了 11.27 美元。

　　他认为，MiniMax 已经完成了大部分视觉效果，但 Claude 做出的场景仍然更逼真。这次 MiniMax 的费用约为 Claude 的十六分之一。

　　@narushima_的对比：上方为 MiniMax，下方为 Claude

　　这些网页和演示，靠的是模型写出代码后运行，并非 M3.1 Flash 直接生成视频。它支持文本和图像输入、文本输出，可以参考图片来写程序；界面、图形和动画则由程序呈现。

　　开发者 Leo（@leo114119）则让 M3.1 Flash 配合 MiniMax Code 制作 SVG 鹈鹕动画。截图里，一只戴着帽子的鹈鹕骑在自行车上，背后是蓝天和太阳。

　　Leo 说：“原创度还挺高的，虽然不是很精致，但不差。”他另外提到，新模型生成速度挺快。

　　Leo 展示的鹈鹕骑自行车 SVG 动画静态截图

　　02 对上 DeepSeek，价格和速度各有胜负

　　换成同样主打低成本的 DeepSeek，费用差距就没有对比 Opus 时那么大了。

　　账号@atomic_chat_hq 展示了一组 Roadster 警车追逐场景：MiniMax M3.1 Flash 花费 2.34 美元，DeepSeek V4.1 Flash-1017 花费 3.07 美元。两个版本都呈现了车辆在公路上被追逐的画面。

　　@atomic_chat_hq 公布的对比。左侧为 MiniMax，右侧为 DeepSeek

　　账号@thehypedotnews 又给四款 Flash 模型出了同一道题：根据简短描述，制作潜艇在海底城市中逃跑的场景，放进一个 HTML 文件。测试包含四个阶段和修复轮次。

　　按该账号公布的结果，MiniMax 花了约 0.21 美元，用时 29 分 24 秒；DeepSeek 花了 0.38 美元，用时 27 分 09 秒。MiniMax 更便宜，DeepSeek 快了约两分钟。

　　Gemini 3.8 Flash 的账单是 1.43 美元，用时 40 分 50 秒。Claude Haiku 5.5 则花了约 0.17 美元，比 MiniMax 还便宜，只是用时更长，达到 35 分 27 秒。

　　@thehypedotnews 公布的四款模型成品、费用及耗时

　　四个版本的海底城市也各有样子：有的布满楼宇和管线，有的让大型水母漂在建筑上方。帖子给出了时间和费用，没有提供统一的成品评分，哪一种更符合需求，还得看具体画面。

　　另一个账号@SPAC89 比较了 MiniMax 与 DeepSeek 制作的晶体光学演示。他说，两款模型都在约 38 分钟内完成任务，自己更喜欢 MiniMax 的结果。

　　这次他使用的不是按次计费的 API，而是 MiniMax M Plan 中的 Go 订阅，每月 22 美元。他称，这项测试用掉约6% 的五小时额度，不到每周额度的1%。

　　@SPAC89 的个人测试与订阅额度记录

　　在 Artificial Analysis 公布的 Intelligence Index 综合评测中，MiniMax 得到 42 分，较上一代 M3 提高 13 分；同表中，DeepSeek V4.1 Flash-1017 为 45 分，GLM-5.3 Flash 为 42 分，Gemini 3.8 Flash 为 41 分。

　　同一份榜单里，Claude Opus 5.5 为 58 分，GPT-6 Astra 为 53 分。MiniMax、DeepSeek 与这两款模型均使用最大推理档位，Opus 的条目还注明了回退设置；Gemini 3.8 Flash 则使用高档位。

　　Artificial Analysis 发布时的综合指数及任务成本对比，各模型设置见图中标注

　　分项来看，MiniMax 在 Humanity’s Last Exam 测试中得到 48%，高于 DeepSeek 的 43%；在物理推理测试 CritPt 中得到 22%，低于 DeepSeek 的 24%。

　　Artificial Analysis 同时统计了评测任务的加权平均费用：MiniMax 约 0.22 美元，低于上一代 M3 的 0.51 美元，也低于 DeepSeek 的 0.26 美元、GLM-5.3 Flash 的 0.28 美元和 Gemini 3.8 Flash 的 1.24 美元。

　　按该机构发布时的记录，MiniMax 跑完整套 Intelligence Index 评测，累计生成约 1.89 亿个输出 token；DeepSeek 约 2.24 亿，GLM 约 3.24 亿，Gemini 约 3.34 亿。这里统计的是全套评测用量，前面的 0.22 美元则是单项任务的加权平均费用。

　　03 不只做网页，还要改代码、操作电脑

　　前面的开发者展示大多集中在网页和动画。MiniMax 这次发布的能力升级，还包括跨应用处理办公任务、修改已有代码，以及操作电脑。

　　在官方公布的 Automation-Bench v1.0.6 中，M3.1 Flash 得到 62.2 分，高于同表中 DeepSeek V4.1 Flash-1017 的 60.5 分。这项测试涉及销售、营销、运营、客服等业务流程，需要智能体在不同软件中连续完成操作。

　　BankerToolBench 则考察多步骤规划、跨文档信息一致性、金融合规和工具调用。MiniMax 得到 76.2 分，与官方表格中的 Claude Opus 5 持平。

　　MiniMax 公布的测试成绩。此表的部分对照模型是 Opus 5、GPT-5.6 Sol，并非开头开发者测试所用的 Opus 5.5

　　软件开发测试 DeepSWE v1.1 要求模型理解代码、开发功能、修复问题，并用测试验证结果。M3.1 Flash 取得 73.7%，接近同表中 Opus 5 的 74%，低于 DeepSeek V4.1 Flash-1017 的 77%。

　　电脑操作方面，MiniMax 在 OSWorld V2 中得到 61.7 分，在 Agents’ Last Exam（ALE）中得到 29.6 分。官方称，它在这两项测试中位居中国模型首位；但从公布的图表看，与 OpenAI、Anthropic 较强的模型相比，成绩仍有距离。

　　ALE 图里还给出了一笔完整评测的账单：MiniMax 跑完 152 项任务的评测，估算总成本约 111 美元，成功率 29.6%。图中的 Claude Opus 5.5 成功率更高，费用也更高。各模型使用的工具框架和推理设置不完全相同，不能把曲线直接当成换模型后的省钱比例。

　　MiniMax 发布的 ALE 对比图，横轴为整套任务的估算总费用，不是单次调用价格

　　网络安全方面，官方表格中的 CyberGym 成绩为 82.2%。MiniMax 还称，内部安全团队测试了代码审计、漏洞修补、渗透测试、恶意软件分析和逆向工程等能力。

　　这些升级同时伴随着降价和提速。MiniMax 称，面向智能体任务的综合使用成本较上一代降低 70%，线上推理速度接近原来的 3 倍，输出速度中位数超过每秒 170 个 token。

　　API 的每百万 token 价格为：输入 1 元、输出 4 元，缓存输入 0.1 元。官方还透露，“太空兔”是 M3.1 Flash 的早期版本，匿名运行期间累计处理超过 200 万亿 token。

　　MiniMax 官方发布帖

　　M3.1 Flash 支持 100 万 token 上下文窗口。MiniMax 计划在 10 月 23 日发布模型权重，能力更强的 Pro 版本也在后续计划中，尚未给出发布日期。

　　04 答对了不少题，却很少承认不知道

　　在 AA-Omniscience 事实问答测试中，M3.1 Flash 答对了 56% 的问题，高于 DeepSeek V4.1 Flash-1017 的 43% 和 GLM-5.3 Flash 的 28%。但该机构同时记录到，它的“幻觉率”达到 93%。

　　93% 并不是说全部回答中有 93% 错误。按照 AA 的定义，分母是所有未正确作答的题目，包括错误回答、部分回答和未作答；93% 表示其中绝大多数被明确答错，而不是只答出一部分，或者承认不知道。

　　Artificial Analysis 的发布帖，同时列出了正确率与幻觉率

　　AA 称，MiniMax 几乎尝试回答每一道题。它的正确率不低，但错误回答也多，因此在同时奖励答对、惩罚答错的 AA-Omniscience 综合指标中，最终得分为 16。

　　这项结果不能直接换算成写代码或操作电脑时的出错率，但给需要查证事实的任务提了醒。如果用它制作产品网页，除了检查版式和动效，页面里的产品参数、价格和客户案例，也要对照原始资料核对。