MiniMax M3.1 Flash 解析：低單價能換到多少合格交付？（2026）

2026 年 10 月 19 日，MiniMax 在官方研究網站發布了〈MiniMax M3.1 Flash: Redefining Agent Performance and Cost〉。這篇 MiniMax M3.1 Flash 公告把重點放在能動手做事的 Agent：用更低的單價，跑完需要多次推理、工具呼叫與檢查的工作。真正值得追問的是：便宜的 tokens，能換到多少合格交付？

先看原文到底承諾了什麼，再拆開官方價目與獨立評測，最後判斷哪些工作值得試、哪些成本還要自己量。

MiniMax M3.1 Flash 的主張：把 Agent 能力與使用成本放在一起

原文的故事有三層：官方將先前匿名運作的 Space Bunny 認作這款模型的早期版本；展示自動化、寫程式、操作電腦與資安能力；再以價格和速度說明它適合反覆執行任務。匿名期間處理超過 200 兆 tokens，也是公司的自述，這個流量數字本身不能證明任務成功率。

MiniMax 報告的成績包括 BankerToolBench 76.2、DeepSWE v1.1 73.7%、OSWorld V2 61.7、Agents’ Last Exam 29.6，以及 CyberGym 82%。這些是公告列出的廠商評測值，各自對應不同考卷；本文不把它們合成「真實工作有八成會成功」。

For agentic tasks, the model’s overall usage cost is 70% lower than its predecessor.

中文：在 Agent 任務上，模型的整體使用成本比前一代低 70%。

MiniMax，2026 年 10 月 19 日公告

這句話的主詞是「任務的整體使用成本」，不是每一種 token 單價。MiniMax 同時宣稱線上推論接近快三倍，日常輸出可達每秒 200 多 tokens、P50 達 170 多；這些速度仍屬供應商陳述，不能直接換算成你的完整工作快幾倍。

價目能直接核對，但「省 70%」不能只靠除法

截至 2026 年 10 月 20 日，MiniMax 官方價目表列出 M3.1 Flash 每百萬 tokens：一般輸入 US$0.15、輸出 US$0.60、快取讀取 US$0.015。快取讀取適用的是命中的那部分輸入，不能把整段新資料都按 US$0.015 計算。

官方 API 項目	M3.1 Flash	M3 標準層，輸入 ≤512k
輸入／百萬 tokens	US$0.15	US$0.30
輸出／百萬 tokens	US$0.60	US$1.20
快取讀取／百萬 tokens	US$0.015	US$0.06

用表中這個 M3 標準層作基準，一般輸入與輸出單價各減半，快取讀取單價降低 75%。因此，要理解原文的 70%，還要知道比較時用了哪個前代服務層、多少輸入與輸出、快取命中多少，以及完成同一題需要幾輪。表裡的折扣與任務總成本，回答的是不同問題。

可以先算一個純 token 的假設例子：單輪讀入 10 萬個未快取 tokens、輸出 1 萬個，M3.1 Flash 為 0.1 × 0.15＋0.01 × 0.60＝US$0.021。按表中 M3 費率是 US$0.042。兩者都只算這組固定用量；若其中一個模型要多跑兩輪、呼叫付費工具或花更多時間修正，帳單就要重新加總。

供應商也不能省略。Venice 自己的模型頁在同日列出每百萬輸入 US$0.19、輸出 US$0.75、快取輸入 US$0.02。這證明上架多了一條取得途徑，卻不能把 MiniMax 直連 API 的價目套到 Venice，也不能把按量 API 費率當成 M Plan 訂閱報價。

獨立評測的 42 分與 US$0.22，支持了哪一部分？

2026 年 10 月 20 日讀取的 Artificial Analysis 模型頁顯示，MiniMax-M3.1-Flash 的 Intelligence Index 為 42，每個 Index 任務的成本為 US$0.22。這是評測機構自己公布的結果，能替「值得納入低成本候選」增加一份外部證據。

但 42 不是所有工作的 42% 成功率。依 Artificial Analysis 方法說明，Cost per Task 是按 Index 各項考試權重，加總實際輸入、快取與輸出 token 費用後計算的加權平均；它不是「每完成一個企業工作固定收 US$0.22」。答得更長、思考 tokens 更多，即使單價相同，也可能花得更多。

這裡要分清兩種證據：MiniMax 自己的 Agent 圖表談特定工作流；Artificial Analysis 的總指數談它選定的一組能力。兩者可以互補，卻不能把後者當成前者全部倍率的獨立背書。要選替自己工作的模型，下一步仍是把自己的考卷拿出來。

原文圖表把「能力—成本」畫成一條曲線，細節藏在座標與註腳

第一張圖想傳達的是：多花一些推理預算，可以換到更高分；同一個模型本身就有多個成本與能力位置。圖中紅點從 low 到 max 上升，所以「選哪個設定」也是比較的一部分。橫軸採對數刻度，兩點看起來只差一小段，金額比例仍可能差很多。

圖底註明 Automation-Bench v1.0.6、使用 Claude Code 作為評估 harness，資料截至 2026 年 10 月 18 日；並明寫 DeepSeek 使用尖峰費率。這些是 MiniMax 圖表的比較條件，不代表其他時段、其他執行系統也會得到同一條曲線。若你的對照服務在另一個時段有不同費率，成本位置應重新計算。

第二張圖換成程式工作，註腳也換成 mini-swe-agent。這提醒我們：模型外面的執行迴圈、工具與停止方式，都會影響最終結果。把兩張圖各自最高的一點抄進同一張排名表，會丟掉它們如何產生的資訊。這些圖適合提出「值得試哪組設定」的假設，還不足以替你的專案決定贏家。

原文的下一步：服務已推出，權重釋出另作承諾

Model weights will be released later.

中文：模型權重將稍後釋出。

MiniMax，2026 年 10 月 19 日公告

10 月 19 日公告把 API、M Plan 與 MiniMax Code 列為當下的使用入口，把權重與 Pro 列為後續計畫。這篇文章依這份公告區分「能呼叫服務」與「取得可自行部署的權重」；不把未來交付寫成已完成，也不替尚未驗證的授權或本機部署條件預填答案。

原文希望讀者相信，更低成本可以承接更多實務工作。最有用的後續對帳，是同一組任務、相同驗收要求下，總成本、完成時間和合格率能否一起改善。若你重視權重控制權，可用 Beam 權重開放的分析對照另一種交付狀態。

AlphaLab 的判讀：便宜的推理，仍要跨過四道關卡

一、便宜值得試，驗收成本決定能放多大

單價下降會降低探索成本：你可以負擔更多候選答案、測例與小任務。可是多產出一份檔案，接手者就要能判斷它對不對。若省下的模型費被更長的人工檢查吃掉，團隊並沒有省到同樣比例的總成本。應把人類閱讀、修正和回退各記一欄，才能看見瓶頸移到哪裡。

二、重試既是機會，也會放大失敗的代價

更便宜的模型有機會用重試補足單次表現，但要先設上限。對一批固定題目，可以把所有嘗試的模型費與工具費加起來，再除以通過驗收的交付數；失敗嘗試也留在分子。人工時間另外列示，若要換成金額，先明訂換算費率。這樣才不會只保留成功那次的漂亮帳單。

三、出字速度與完成時間，必須同時計

Agent 的等待還包括讀資料、執行工具、測試、遇錯返回，以及最後檢查。即使每秒產出的 tokens 變多，若它產出的總量或工具往返也增加，完整任務仍可能更久。對使用者最有意義的計時，是從提出需求到取得合格成果；首字等待與生成速度可另外保留，幫助找出原因。

四、先在容易判分的工作放大，再決定升級範圍

可重跑的資料整理、測試生成和小型程式修補，比模糊的「幫我搞定業務」更適合當第一份考卷。前者能指定輸出欄位、測試與失敗條件；後者往往還混著權限、外部承諾與組織決策。當單位成本下降，優先投資清楚的驗收規則，會讓更多廉價嘗試變成可用成果。

我同意把能力與任務成本放在同一張圖上，也同意這個價位值得加入候選。我存疑的是把廠商的 70% 擴成所有團隊的節省比例，或從幾張圖推出全面領先。官方價目和外部 Index 已給出試用理由；採用理由應由你的交付紀錄補齊。

MiniMax M3.1 Flash 下一步：先做一張同題成本單

選三類低敏感、能復原的小工作，每類準備幾題，先寫合格條件；再用目前模型與 M3.1 Flash 處理相同資料，固定工具與重試上限，保存提示、設定、失敗和修改紀錄。需要方法時，可從 AI Evals 教學建立考卷，再用 Agent Harness 的執行迴圈留下完整過程。這是建議的比較設計，本文未呼叫付費 API 重跑評測。

每題至少記下：一般輸入、快取讀取、輸出用量，模型費與工具費，完整經過時間，以及人工檢查分鐘數。先比較合格交付率，再比較每份合格成果的成本；若只是費用變少、錯誤卻更難找，就先縮小使用範圍。若品質維持而總成本下降，再把下一類工作加進來。

這次發布真正打開的，是更便宜地提出並檢驗方案的空間。今天先挑一件你知道如何判對錯的工作，把完整成本留到最後一輪；那張小表會比「每百萬 tokens 多便宜」更接近你該不該換模型的答案。