过去几天，一个没有名字的模型在 OpenRouter 上掀起了风暴：社区根据蛛丝马迹叫它"太空兔"（Space Bunny），它一度冲上平台调用量榜首，在 OpenCode 的调用量榜单稳居第二，匿名期间累计处理了超过 200 万亿 token。有开发者用它和 Claude Opus 5、GPT-6 Sol 同场构建火箭发射场景，三分钟交出的作品效果堪比旗舰模型。10 月 19 日，谜底正式揭晓：MiniMax 发布 M3.1 Flash，并确认"太空兔"就是这款新模型的早期构建版本。
这不是一次简单的版本号迭代。M3.1 Flash 把输出速度卷到每秒 200 个 token 以上，把 Agent 类任务的综合使用成本较前代打下七成，并以 100 万 token 的上下文窗口直面长程智能体任务。更重要的是，它和两天前落地的 DeepSeek V4.1 Flash-1017 形成国产 Flash 模型的"双强"格局——轻量级模型正在摘掉"预算不足才退而求其次"的旧标签。
"太空兔"落位：M3.1 Flash 正式发布
根据 MiniMax 官方信息，M3.1 Flash 定位为 Coding 与 Agent 优化的轻量级模型，参数量约 4280 亿，支持文本、图像和视频输入，上下文窗口长达 100 万 token，开发者可以在低到高五档推理努力等级之间自由选择。新模型通过 MiniMax API、M Plan 订阅计划以及 MiniMax Code 桌面应用提供服务，匿名期在 OpenRouter 上积累的口碑被完整承接。
速度是这次更新最直观的卖点。MiniMax 团队透露，M3.1 Flash 的线上推理速度较前代提升近三倍，日常使用场景下输出速度可达 200+ TPS，中位数（P50）稳定在 170+ TPS 以上，团队将提升归因于推理阶段更激进的稀疏注意力架构。成本端的变化同样剧烈：由于单个 Agent 任务往往需要数十次模型调用，MiniMax 称新模型在 Agentic 类任务中的综合使用成本较前代降低了 70%，峰值输出速度与成本控制同时改善，在轻量级模型里并不多见。
基准成绩单：Automation-Bench 反超 DeepSeek
从公开基准看，M3.1 Flash 是一张没有明显短板的成绩单。在考察真实业务流程跨应用自动化的 Automation-Bench v1.0.6 中，它拿下 62.2 分，反超 DeepSeek V4.1 Flash-1017 的 60.5 分，也把 Claude Opus 5 甩在身后；在评估智能体长程、多步骤真实任务的 Agents' Last Exam 中，M3.1 Flash 跑出 29.6% 的通过率，总成本约 739 元，处在"低成本-高通过率"的最前沿区间。计算机操作基准 OSWorld 2.0 上 61.7 分的成绩，被 MiniMax 称为中国模型在该项测试中的最好成绩。
编程与专业领域同样挤进第一梯队。DeepSWE v1.1 软件工程测试中，M3.1 Flash 取得 73.7 分，与 Claude Opus 5 仅差 0.3 分，仅次于榜首 DeepSeek V4.1 Flash-1017 的 77.0 分；代码修复测试 SWE Refactor Bench 上 23.0 分约为 DeepSeek 同项成绩的两倍以上；金融工具调用 BankerToolBench 以 76.2 分与 Opus 5 并列第一；网络安全 CyberGym 测试 82.2 分与 GLM-5.3 同处第一梯队。多项成绩超过 Kimi K3 和 GLM-5.3，让这款轻量模型在 Agent 与自动化方向直接跻身旗舰模型的同台对比序列。
国产 Flash"双强"：两天之内，两款轻量旗舰接连落地
把镜头拉远，M3.1 Flash 的真正背景是国产 Flash 模型的集体上桌。10 月 17 日，DeepSeek 发布 V4.1 Flash-1017：稀疏 MoE 架构，总参数量 5520 亿，推理时输入仅激活 80 亿参数、输出激活 160 亿，在 DeepSWE v1.1 上以 77.0 分登顶，并把"许愿式"自然语言编程能力带进开发者的日常。两天之后，M3.1 Flash 接棒出场，两者在基准成绩上互有胜负，定位却高度重合。
价格战同步开打。M3.1 Flash 输入定价为每百万 token 1 元、输出 4 元、缓存读取 0.1 元；DeepSeek V4.1 Flash-1017 闲时输入（缓存命中）每百万 token 0.02 元、未命中 1.0 元、输出 4.0 元，高峰时段价格翻倍。对比之下，M3.1 Flash 的输入输出价格约为 DeepSeek 高峰期的一半，与闲时基本持平。对开发者而言，两套工具的组合拳已经清晰：追求代码生成效率与缓存成本控制，可以选 DeepSeek；面对长程 Agent 任务、跨应用自动化或多模态驱动的开发流程，M3.1 Flash 则成为第一选项。国产模型第一次在 Flash 段位形成"双强并立"，另据行业媒体盘点，M3.1 Flash 的权重版本预计将在 10 月 23 日跟进开放。
旗舰暗战：Anthropic"读心"模型、谷歌 Carbon 与 OpenAI Terra
轻量模型打得火热，旗舰阵营的暗战同时升级。据 The Information 10 月 19 日报道，Anthropic 正在准备一款新模型，其推理与直觉判断表现可能超过目前已经商业化的产品：在用户提供的信息有限、甚至没有明确说明最终目标时，它能推断用户真正想解决的问题——比如修复一个软件漏洞时，不只修补该漏洞，而是进一步识别导致问题的一整类潜在缺陷，并主动询问是否需要一并处理。报道称，该模型在创造性思考上也有改进，目前正式名称尚未确定。
另外两巨头的新牌也在路上。谷歌被曝正开发代号 Gemini 4 Carbon 的新模型，作为 9 月 30 日发布、10 月 13 日扩大开放的 Gemini 4 Argon 的升级版本，视觉任务仍是其强项；OpenAI 则被曝筹备 Terra 系列新模型，预计未来数周内发布，将以低于 GPT-6.1 Sol 的价格提供更强的性能，另有社区消息称 OpenAI 的新模型曾在深夜短暂上线。过去一个月，OpenAI、Anthropic、谷歌已累计发布超过 12 款新模型，开发者的评估标准也随之变化：成本效益与特定任务的表现，正在取代对"整体智能"的单一追求。
Agent 经济的账本：Anthropic 季度营收 168 亿美元
模型竞赛的背后，是一门越算越清的账。Anthropic 已告知投资者，公司季度收入从二季度的 115 亿美元升至三季度的 168 亿美元，调整后已实现盈利；其中蒸馏相关收入占比约 5% 至 7%。同一时间，Anthropic 工程师的日常工作方式也成为行业样本：7 位工程师利用 Claude 在 5 个月内开发出一个单体代码库接替 Git，以应对日均合并量从 5 月的 2500 次激增至 3 万次以上的内部压力。
更激进的变化发生在 Claude Code 内部：据披露，Claude Code 目前差不多 90% 的代码由 Claude 自己编写，"自产自审"正在从演示变成常态。当模型开始批量生产供模型自己使用的代码，Agent 任务的边际成本曲线会被重新绘制——这正是 M3.1 Flash 们把"综合成本下降 70%"当作核心卖点的原因：轻量模型的单位智能成本，直接决定 Agent 经济的规模边界。
算力底座与行业花边
模型层的降本，离不开算力层的卡位。国内 AI Infra 企业无问芯穹完成 23 亿元 C 轮融资，累计融资达 43 亿元并启动 IPO 筹备，投资方涵盖社保中关村基金、腾讯、百度、红杉中国等；公司脱胎于清华电子系，深耕"多模型×多芯片"异构调度，全网部署触达超 37000P 算力、覆盖 16 种主流芯片，旗下布局跑通超 4000 公里跨域混训，日均 Token 调用量增长 40 倍、推理成本压降 10 倍。海外阵营同样密集：英伟达发布 Nemotron 3.5 系列模型，包含 1200 亿参数旗舰视觉模型 Super VL 与两款轻量级边缘模型；微软发布 2.8T/80B 的 MoE 模型 MAI-Base-2，称其预训练 FLOPs 效率比 DeepSeek-V4-Pro-Base 高 4 至 12 倍。
花边新闻同样精彩。Viggle 发布 JST-2 物理原生世界基础模型，完全在 3D 中构建，约 1 秒生成 3D 场景、单场景成本低于 0.01 美元，可通过 PINOC 在浏览器免费使用；xAI 的 Grok Voice 3.0 把语音交互延迟压到 1 秒以内，较上代降低 40%，已能自主解决 70% 的 Starlink 支持来电，API 定价维持每分钟 0.08 美元；一款被称作 AI"朝阳群众"的反诈系统与骗子周旋 250 万次，顺手套出 25 万条诈骗情报；库克则确认国行苹果 AI 将于 10 月底上线，首批测试涵盖写作工具等功能，不含 Siri AI 助手，计划 12 月通过 iOS 27.3 正式推送。
从"太空兔"的落位可以看出，当下的模型竞争已经分成两条战线：旗舰模型比拼推理与意图理解的深度，轻量模型比拼单位智能的成本。对开发者与企业来说，真正重要的不是谁跑分第一，而是工具箱里终于有了可以按需调度、且不再心疼账单的选项——接下来 M3.1 Flash 的权重开放与 OpenAI Terra 的正式发布，值得继续观察。
暂无评论内容