AI工具的门槛，又低了一截。
那个叫 Space Bunny 的匿名模型
昨天终于有人认领
它是 MiniMax 的新作
M3.1 Flash
10 月 19 日正式发布
定位轻量级
专攻编程和智能体
上下文塞到 100 万 token
一个中等项目的代码
能一次塞进去
DeepSeek 那款 Flash
两天前刚上线
发布时间只差 48 小时
跑分几乎追平
智能体任务有提升
编程有提升
操作电脑有提升
网络安全也有提升
比的是同一段位
都是轻量档
都要抢开发者的桌面
价格打得更狠
输入每百万 token 1 元
输出 4 元
缓存读取 0.1 元
这个价写一天代码
也就几块钱
个人开发者可以忽略不计
按官方的说法
智能体任务里的综合成本
比上一代降了七成
对手那边按段收费
闲时缓存命中 0.02 元
没命中 1 元
输出 4 元
高峰期价格翻倍
输出涨到 8 元
两家这么一让
国产模型在轻量档
第一次出现双强
先说成绩
智能体长程任务那一项
它跑出 29.6% 的通过率
总成本 739 元
这个组合站在最前沿
同价位里没有对手
智能体长程任务，Agents’ Last Exam 通过率对总成本
在跨应用自动化的测试里
它拿了 62.2 分
对方是 60.5 分
这一次反超了
评测的是真实业务流程
跨应用自动化，Automation-Bench 得分对单任务成本
AI编程这一项
两家各有侧重
对手拿 77.0 分排第一
它 73.7 分
离最强那款只差 0.3 分
编程测试，DeepSWE 得分对单任务成本
代码修复这一项
它拿到 23.0 分
是对方的两倍还多
金融工具调用
76.2 分并列第一
网络安全测试
它拿 82.2 分
和另一款国产模型同在第一梯队
这几项分数咬得很紧
没有一项掉队
不用工具的学术推理
它是 43.4 分
略高于对方
看完整张榜
这不是一个偏科的模型
智能体和自动化这两块
它已经追上旗舰
完整榜单在这里
完整成绩单，四家模型同框的 Agents’ Last Exam
这个档位一直没人看好
现在风向变了
DeepSeek 那款用稀疏架构
总参数 552B
推理时只激活 8B 到 16B
性能超了自家上一代
小模型跑出大模型的分数
成本还压得住
这一步把轻量档的天花板顶高了
顺着这道口子
这家公司又往前挪一步
匿名那几天
它在一个编程平台的调用榜排第二
在一个模型路由站上一度第一
有人拿它跟三款旗舰比
让它们各造一个火箭发射场景
它只花了三分钟
效果能跟最强那款放在一起看
Space Bunny 与三款旗舰，火箭发射场景
我们自己上手试过
效果直逼那一款旗舰
速度也保住了
日常场景输出 200+ TPS
中位数稳在 170+ TPS
底气来自更激进的稀疏注意力
定价上
它的输入输出
大约是对方高峰期的一半
跟闲时价格持平
MiniMax 与 DeepSeek 价格对照，智东西制表
两个模型像工具箱里的两把钳子
一把夹细活
一把拧粗活
要代码生成
要控缓存成本
选 DeepSeek 那款更顺手
要跑长程智能体
要跨应用自动化
就把 M3.1 Flash 放第一
说到这个大盘子
选择多是好事
多到看不懂就麻烦了
所以按任务挑
MiniMax 过去给人的印象
多在多模态那边
这次它把智能体的短板补上了
Pro 版本值得等
AI对话这件事
现在轻量模型也能扛
不必动辄上旗舰
贵的留给重活
省下的钱能跑更多任务
对天天写代码的人来说
变化更直接
同样一段活
成本可能只要原来的一半
Flash 这个档位
过去是预算不够才选的将就
现在它上了台面
核心指标能跟旗舰同框
国产模型走到这一步
第一次是两家一起站着
