两天之内，DeepSeek与MiniMax接连更新Flash模型，国产大模型的竞争进一步延伸至复杂任务的执行能力与使用成本。

10月17日，DeepSeek更新V4.1 Flash-1017，主打“许愿式编程”，重点提升完整项目开发能力，并通过缩短输出长度和任务运行时间提高执行效率。10月19日晚，MiniMax正式发布M3.1 Flash，将复杂Agent任务、软件开发、电脑操作和网络安全列为此次升级的重点。

MiniMax同时揭晓，此前在开发者社区引发评测热潮的匿名模型Space Bunny，正是M3.1 Flash的早期版本。据官方介绍，Space Bunny在匿名运行期间累计处理超过200万亿Token。

把评测结构、定价和发布节奏叠在一起看，M3.1 Flash 的落点选得很准。Coding 性价比那把椅子 DeepSeek 坐着，而MiniMax 保持coding 竞争力的同时，Agent和跨系统工作流上的表现堪称亮眼。

开发者和企业现在选模型，就看两件事：复杂的活儿干不干得下来，账单扛不扛得住。资本市场最近也开始盯着这个指标看了。

花旗在报告中称，M3.1 Flash的推出突显了中国AI竞争的焦点正在加速向端到端智能体工作流以及推理成本效率转移。

杰富瑞同样在报告中表示，与同行相比，M3.1 Flash在Agent智能体任务、编程、计算机操作能力等领域中均展现顶尖的模型能力，具备强大的性价比。该模型在网络安全中，也展现出以高性价比完成代码审计、漏洞修复及恶意代码分析的能力；基于此，杰富瑞维持MiniMax“买入”评级及目标价533港元。

MiniMax 秀出Agent王牌，国产Flash模型双子星对比

彭博行业研究的数据显示，在 DeepSeek 9 月发布 V4.1 Flash 之后，中国顶尖模型在基准测试得分上仅落后美国竞争对手 3%。这一差距较 5 月份的约 9% 和今年早些时候的 15% 有所收窄。 V4.1-Flash-1017 性能更优，缩短了模型的任务运行时间与输出长度，让用户能够以更低成本、更快速度完成任务。

M3.1 Flash 接在这条裂缝后面，干了件性质一样的大事：证明 Flash 在“干活”这个维度上可以越级，越级的方向恰好是开发者日常体感最强的场景。两款 Flash 前后脚落地，双强格局也正式拉开帷幕。

先看这次最值得关注的Agent能力。MiniMax 的Agent能力国模第一：在ALE榜单上获得29.6%，高于Kimi K3。

具体看落点，在Agents’ Last Exam（ALE）专业任务评测中，M3.1 Flash取得29.6%的通过率，高于Kimi K3的28.3%，在此次展示的榜单中位列国产模型第一。Agent考察的是模型能否理解目标、规划步骤并调用工具完成任务，这更接近企业对“干活能力”的要求。

BankerToolBench 76.2 分，与 Claude Opus 5 并列第一；Automation-Bench v1.0.6 拿下 62.2 分，压过 DeepSeek V4.1 Flash-1017 的 60.5；CyberGym 安全评测 82.2 分，和 GLM-5.3 的 84.5、GPT-5.6 Sol 的 83.6 落在同一区间。DeepSWE v1.1 上，M3.1 Flash 约 74 分，仅次于 DeepSeek 1017 的 77.0，与 Opus 5 同档，压过 GPT-5.6 Sol、GLM-5.3 和 Kimi K3。

Coding 的极限分让 DeepSeek 拿走了，Agent 落地的综合分 MiniMax 咬住了，部分场景还反超。工具箱里多一个 Agent 顺手、Coding 性价比排第二的选项，采购决策的弹性完全不一样。 

价格对比上。

MiniMax M3.1 Flash 国内价是输入每百万 token 1 元，输出 4 元，缓存读取 0.1 元。官方没提分时段。模型的综合使用成本较前代模型降低了 70%。

DeepSeek V4.1 Flash 1017 分两档：北京时间工作日 9:00 到 12:00、14:00 到 18:00 是高峰，输入 2 元、输出 8 元；其余是空闲时段，输入 1 元、输出 4 元。

MiniMax 的输入输出价和空闲时段一样。缓存命中，MiniMax 是 0.1 元，DeepSeek 是 0.02 元（空闲）和 0.04 元（高峰）。

图：国内价对比：MiniMax 与 DeepSeek（元/百万 tokens）

鹈鹕骑自行车已经不够看了，Flash 开始交“作品”

测模型的梗换代很快。前脚大家还在让模型画“鹈鹕骑自行车”，后脚 Opus 5.5 的前端作品就刷了屏——一句话 Prompt 生成求职 Showreel，两百万人围观。前端成了这一代模型的开箱仪式，会不会写 HTML 早没人问了，现在大家比的是审美。

10 月初澎湃对 Preview 版的实测已显示其设计类场景能持平 Opus 5.5；10 月 19 日正式版发布，官方跑分显示它在办公自动化上反超 Opus 5、编程基本持平，同时成本只有前代的约三分之一——从媒体实测变成了官方叙事。

一个 Flash 级别的模型，在需要审美和结构感的任务上追到旗舰水位，说明能力边界在往真实交付物迁移。Vibe Coding 圈流行的一句话来说——前端就是生产力。

Agent 这条线更值得展开。

Automation-Bench 覆盖销售、营销、运营、客服、财务、HR 六条业务线，M3.1 Flash 单任务成本不到 0.05 美元，就能端到端跑完跨 SaaS 系统的真实企业工作流。

BankerToolBench 考的是金融场景的多步骤规划、跨文档一致性、合规和工具链式调用，76.2 分与 Opus 5 并列第一。MiniMax 身上“文本能力补课”的旧标签，这次换成了“Agent 场景有硬成绩”。

电脑操作与专业任务执行也是此次更新的重点。M3.1 Flash 在衡量 AI 电脑操作与跨应用任务执行能力的 OSWorld V2 中取得 61.7 分，在评估真实专业工作场景与复杂任务完成能力的 Agents' Last Exam（ALE） 中取得 29.6 分，均位列国产模型第一。

价格和速度是最后两块拼图。M3.1 Flash 的输入输出定价，等于 DeepSeek V4.1 Flash-1017 高峰期价格的一半——等于把高峰期的成本打到了对手空闲期的水位。

速度也没丢。

官方披露数据显示，日常输出速度可达200+ TPS，输出速度中位数（P50）达到170+ TPS。

此前 Space Bunny 以匿名身份在 OpenRouter 和 OpenCode 上口碑炸了，社区测出来 token 计数行为和 MiniMax M 系列一致，“量大管饱速度快”的标签被 M3.1 Flash 原样继承。

再加上 1M 上下文、原生图片视频输入、low 到 max 五档思考深度，长代码库分析、截图排错、视频理解这些活，它都能接。“Flash 只能做轻任务”这个旧框架，可以换了。

价格战的终局，是谁能让自己最强场景里的单位智能成本先击穿规模化阈值。DeepSeek 守住了 Coding 的性价比标杆，M3.1 Flash 在 Agent 场景和高峰定价上，把标杆往前推了一步。

资本市场的锚，从“模型叙事”切到“收入斜率” 

如果只把这次升级读成“又一个跑分更新”，会漏掉几件事。

第一，评测的坐标系换了。 过去比的是静态问答，现在比 AutomationBench、ALE、OSWorld——给一个目标，让模型在真实环境里动手做完。评价标准从“答得对”挪到“做出来的东西能用吗”。Flash 段的竞争焦点随之转向任务完成率，参数效率退到第二位。

第二，Flash 段的每个百分点，含金量不一样。旗舰模型贵，贵得更心安理得；Flash 模型要在同样的中低位价格带上交付接近旗舰的效果，靠的只能是推理架构和工程优化。M3.1 Flash 把这部分做成了明牌，这也解释了为什么 Agent 场景先跑出来——它对成本的敏感度最高，收益也最直接。

第三，开放权重是下一道分水岭。官方口径是“稍后开放权重”。Flash 模型一旦放出权重，芯片适配、推理框架、开发者工具的接入速度，会决定它停留在“榜单上的靠前选项”，还是变成“工具箱里的默认选项”。

MiniMax 在 H3 上已经跑通过一遍开源接力，路径是现成的。

第四，双强格局是分工，不是抢椅子。 DeepSeek V4.1-Flash-1017 在 Coding 性价比上的位置暂时没人动得了，MiniMax 补的是 Agent、Computer Use、安全这几块。工具箱里多一个Agent 表现突出 ，coding 也有竞争力的选项，采购决策的弹性完全不一样——估计大部分团队最后的结果是把两个都留下，按场景切着用。

后面的具体节点更值得关注。

第一是开放权重落地的时间点，它决定 M3.1 Flash 能从自家生态走出去多远。

第二是Pro级别的模型，官方这次只给了“稍后”两个字，这条线对应的是能力上限。

第三偏市场：10 月 7 日恒生指数公司公布编制方法修订，成份股由 30 只扩至 50 只，引入“市值+收入增长”双组别选股机制，11 月 20 日公布调整结果，12 月 7 日生效，科技主题整合为数码平台及解决方案、人工智能、先进硬件、机器人及自动化、云端与前沿科技六大类。指数在补“含科量”，被动资金的再平衡还在路上。

十月的板块震荡，本质上是在等一个能讲清楚“谁在什么场景真正拿到增量”的故事。对一个刚上线的模型，现在就去算它能撑起多大的收入曲线为时过早，能确认的是另一件事：做 Agent 选型的时候，MiniMax 已经位列清单里了，选型会上不用先回答一句“那你为什么不用 DeepSeek”。

对一个估值锚正在从模型叙事挪向收入斜率的标的来说，这个位置的分量，比任何单点跑分的胜负都要靠前。

（个人研究与分享，不构成投资建议。市场有风险，决策需谨慎。）