先说结论：MiniMax M3.1 Flash 是 MiniMax 在 2026 年 10 月 19 日发布的低价 Agent / 编码模型。官方价每百万 tokens 输入 $0.15、输出 $0.60，缓存读取 $0.015，上下文 1M。 第三方评测里，它的综合智能和 GLM-5.3 Flash 在同一档，略低于 DeepSeek V4.1 Flash 1017。
需要注意两点：它一直开着思考，关不掉，默认思考深度是最高档 max，所以默认设置下又慢又费 token；Artificial Analysis 测出它在知识类问题上幻觉率很高。适合当便宜的干活模型，不适合在没有校验的情况下回答事实类问题。
本文数字截至 2026-10-20，依据 MiniMax 官方 发布博客、模型调用文档、价格页，以及 Artificial Analysis、LMArena 等第三方页面。第三方榜单的分数会变动，以原页面为准。
M3.1 Flash 是什么
官方博客的说法：
- 2026 年 10 月 19 日正式发布，定位是新一代 Flash 模型，主打 Agent 任务、编码、Computer Use 和网络安全
- 之前以匿名身份跑了超过 200 万亿（200T）tokens 的 Space Bunny，就是 M3.1 Flash 的早期版本
- 官方称在线推理速度提升到原来的近 3 倍，Agent 任务的综合使用成本比上一代降低 70%
- 已经可以通过 MiniMax API、M Plan 订阅和 MiniMax Code 桌面版使用
- 模型权重“稍后发布”，更强的 Pro 版也会“稍后”推出，官方没有给具体日期
M Plan 文档还写明，MiniMax-M3.1-Flash-Preview 已下线，用旧名字发的请求现在由 MiniMax-M3.1-Flash 处理。
规格速查
| 项目 | 官方说明 |
|---|---|
| 模型名（MiniMax 官方 API） | MiniMax-M3.1-Flash |
| 上下文 | 1,000,000 tokens |
| 最大输出 | max_completion_tokens 推荐 131,072（128K），最大 524,288（512K），思考 token 也算在内 |
| 输入模态 | 文本、图像、视频 |
| 输出 | 文本 |
| 思考 | 一直开着，不能关；思考深度分 low / medium / high / xhigh / max 五档，不传时默认 max |
| 协议 | Anthropic 兼容（官方推荐）、OpenAI Chat Completions、OpenAI Responses |
模态这一项说法不一致：官方文档写支持视频输入，Artificial Analysis 的页面只列了文本和图像。要用视频的话，先用小样本确认你走的接口支持。
不同协议下，思考深度的字段名不一样：
| 协议 | 思考深度字段 | 思考内容返回位置 | 输出上限字段 |
|---|---|---|---|
| Anthropic 兼容 | output_config.effort | thinking 内容块 | max_tokens |
| OpenAI Chat Completions | reasoning_effort | reasoning_content 字段 | max_completion_tokens |
| OpenAI Responses | reasoning.effort | type: "reasoning" 输出项 | max_output_tokens |
想关掉思考是不行的：发 thinking: {"type": "disabled"} 或 effort: "none" 会直接返回 400，报错信息是 model "MiniMax-M3.1-Flash" requires adaptive thinking。官方的建议是调低 effort。
官方价格
官方价格页按每百万 tokens 计价，单位美元，固定价，不分时段和长度档位：
| MiniMax-M3.1-Flash | 价格 |
|---|---|
| 输入 | $0.15 |
| 输出 | $0.60 |
| 缓存读取 | $0.015 |
对比上一代 MiniMax-M3：M3 在 512K 输入以内是 $0.30 / $1.20，超过 512K 是 $0.60 / $2.40。M3.1 Flash 的单价是 M3 短上下文档的一半，而且长上下文也不加价。另外 M3.1 Flash 不支持 service_tier: "priority"（M3 的优先通道是 1.5 倍价）。
和几个同档 Flash 模型的官方价对比（每百万 tokens，输入 / 输出，来自 VentureBeat 整理的价格表）：
| 模型 | 输入 | 输出 |
|---|---|---|
| MiniMax-M3.1-Flash | $0.15 | $0.60 |
| DeepSeek V4.1 Flash 1017（空闲时段） | $0.15 | $0.60 |
| DeepSeek V4.1 Flash 1017（高峰时段） | $0.30 | $1.20 |
| MiMo-V2.6-Flash | $0.14 | $0.28 |
| Gemini 3.8 Flash（至 2026-12-31） | $0.75 | $3.75 |
AI Code With 上架后会在这里补充我们的价格。
官方公布的基准分数
以下全部是 MiniMax 自己测的，没有经过第三方复核，测试设置也和其他厂商不完全一样，仅供参考：
| 基准 | 测什么 | M3.1 Flash |
|---|---|---|
| DeepSWE v1.1 | 真实软件工程任务 | 73.7% |
| Automation-Bench v1.0.6 | 销售、运营、财务等 SaaS 业务流程 | 62.2 |
| BankerToolBench | 多步骤金融工作流、工具调用 | 76.2 |
| OSWorld V2 | 操作电脑、跨应用任务 | 61.7 |
| Agents' Last Exam（ALE） | 真实专业工作任务 | 29.6 |
| CyberGym | 漏洞发现与验证 | 82% |
官方称 OSWorld V2 和 ALE 两项都是国产模型第一。
拿来对比时要看清楚。VentureBeat 转述的官方对比图里，DeepSWE 上 Claude Opus 5 是 74%，GPT-5.6 Sol 是 73%，DeepSeek V4.1 Flash 1017 是 77%。M3.1 Flash 和前两者接近，比 DeepSeek 低一点。 它在 Automation-Bench 上的 62.2 是几项里领先最明显的。
第三方评测
Artificial Analysis
Artificial Analysis 的独立测试结果（截至 2026-10-20）：
- 智能指数 43，在同价位的 173 个模型里排第 4；上一代 M3 是 29。VentureBeat 10 月 19 日的报道里写的是 42，说明这个分数发布后还在调整
- 跑一个指数任务平均花 $0.22，M3 约 $0.51
- 输出速度 122.8 tokens/s，首 token 延迟 1.12 秒，高于同档平均。官方宣传的 200+ TPS 是官方自己的口径
- 很啰嗦：跑完整套指数产出约 180M tokens，同档中位数是 99M
VentureBeat 转述 AA 的数据：Humanity's Last Exam 48%（M3 是 39%），物理推理 CritPt 22%（M3 是 4%）。智能指数上，GLM-5.3 Flash 是 42，DeepSeek V4.1 Flash 1017 是 45，Gemini 3.8 Flash 是 41。
幻觉率 93% 是什么意思
这是这次评测里最需要讲清楚的一点。
在 AA 的知识可靠性测试 AA-Omniscience 里，M3.1 Flash 答对了 56% 的问题，比 DeepSeek V4.1 Flash 1017（43%）和 GLM-5.3 Flash（28%）都高。但它几乎每题都作答，幻觉率是 93%，这项测试的综合分只有 16。
93% 不是说它 93% 的回答都是错的。AA 的幻觉率算法是：在所有没答对的题里，有多少是“给了错误答案”，而不是“说不知道”或只答对一部分。也就是说，它不知道答案的时候，绝大多数情况会编一个答案，而不是承认不确定。
实际使用的影响：写代码、跑测试这类有反馈的任务受影响较小；查事实、读财报、更新记录这类任务，最好配上检索、来源核对或人工复核，不要直接相信它的结论。
LMArena 与 Design Arena
- LMArena Code Arena：WebDev（截至 2026-10-20）：1587 分，还是初步分数（1,853 票），总榜第 33，开源许可模型里第 12。同类里 DeepSeek V4.1 Flash 1017 是 1664，MiMo-V2.6-Flash 是 1634，GLM-5.3-Flash 是 1607；上一代 M3 是 1482
- Design Arena 官方账号发帖称，它在 Overall Frontend 榜排第 26/183，比 M3 上升 29 位（来源）
社区实测怎么说
评价是两极的，好坏都列出来：
- 前端和多模态理解不错：品玩测 Preview 版时，做了 SVG 联动动画、地球模拟、手绘地图转 3D 导览、根据 NASA 训练视频写维修手册。结论是前端审美好、多模态理解扎实，写手册时会区分“画面可见”和“无法确认”，没有编造细节
- 想太多、完成慢：同一篇测评提到，它在 MiniMax Code 里能稳定输出约 100 tokens/s，但遇到简单问题也会反复截图自检，项目完成得并不快。linux.do 的讨论里也有人说能当称职的 worker 修 bug，但设计类任务一直在自我检查，非常耗时
- 默认档位又慢又贵：X 用户 @bitsquin 做了一个 Python 修 bug 测试（215 个隐藏测试），默认设置下用了 56 秒、$0.0045，调到 low effort 后是 9.5 秒、$0.0006，原帖
- 指令遵循和复杂交互有短板：AI 产品狙击手用自己的六道测试题跑正式版（Max 档），得分 29/60，Preview 版是 23/60。强约束造句、3D 赛车、看板拖拽都有明显问题
以上都是个人或媒体的测试，题目和环境各不相同，只能当参考。
怎么用更省
结合官方文档和上面的测试：
- 日常改 bug、小任务把 effort 调低。默认是
max，最慢也最费 token。上面那个修 bug 测试里，low 档耗时只有默认档的约六分之一 - 输出上限别设太小。思考 token 也算在
max_tokens/max_completion_tokens里。设太小时，可能思考完就到上限了，返回finish_reason: "length"，content是空的 - 上下文不一定要开满 1M。官方在 Codex 接入文档里建议，日常编码可以把工具的上下文窗口设成 512K。官方的 ProgramBench 对比显示，512K 和 1M 表现接近，估算费用低约 20%
- 事实类输出要核对，原因见上面的幻觉率一节
怎么接入
AI Code With 上架后会在这里更新 Claude Code 和 Codex 的配置示例。
想现在直接用 MiniMax 官方 API 的，可以看官方的 Claude Code 接入文档 和 Codex 接入文档。第三方 API 的通用配置方式见《Claude Code 如何接入第三方 API》和《Codex config.toml 配置指南》。
常见问题
MiniMax M3.1 Flash 能关掉思考吗？
不能。官方文档写明它一直开着思考，发 disabled 或 none 会返回 400。想快一点、省一点，就把 effort 调到 low 或 medium。
和 DeepSeek V4.1 Flash 1017 选哪个？
两者官方价一样（DeepSeek 按空闲时段算）。第三方数据里，DeepSeek 的 AA 智能指数（45 对 43）和 WebDev Arena 分数更高；M3.1 Flash 在官方 Automation-Bench 上更高，AA-Omniscience 准确率也更高，但幻觉率高。建议用自己的任务各跑一遍再定。
支持视频输入吗？
官方文档写支持文本、图像、视频输入，但 Artificial Analysis 只列了文本和图像。用之前先拿小样本测一下。
开源了吗？
截至 2026-10-20 还没有。官方称权重“稍后发布”，没给日期，许可证条款也还没公布。
之前用的 MiniMax-M3.1-Flash-Preview 还能用吗？
官方 M Plan 文档写明 Preview 已下线，用旧名字的请求会由 MiniMax-M3.1-Flash 处理。建议把配置改成正式名称。
来源（核对于 2026-10-20）
- MiniMax：M3.1 Flash 发布博客
- MiniMax：模型调用（规格、思考深度）
- MiniMax：Create Chat Completion（输出上限）
- MiniMax：OpenAI SDK 参数
- MiniMax：价格总览
- MiniMax：M Plan 概览（Preview 下线说明）
- MiniMax：Codex 接入（512K 上下文建议）
- MiniMax：Claude Code 接入
- Artificial Analysis：MiniMax-M3.1-Flash
- VentureBeat：M3.1 Flash 与幻觉率报道
- LMArena：Code Arena WebDev 榜
- 品玩：MiniMax 杀进 Flash 混战，我拿五个项目试了试
- AI 产品狙击手：Minimax M3.1 Flash 测评报告
- linux.do：minimax 3.1 flash 骑自行车测试
- X @bitsquin：Python 修 bug 测试
- X @DesignArena：Design Arena 排名
