CN China量子位10-20 21:29

国模Agent第一！MiniMax爆改Flash战力，全时段大肥鱼谷价

国庆期间在OpenRouter上横空出世、匿名屠榜的神秘模型Space Bunny（玉兔），马甲终于被扒下来了。

而这个正式版的跑分能力，比Space Bunny还要猛一点，尤其是Agent这个技能点——

Agents’ Last Exam (ALE)得分29.6%，斩获国模第一。

AA榜单上也是拿到了43分，Flash能有这个成绩还是可以。

除此之外，Coding、网络安全、Computer Use……也全部杀进全球第一梯队。

在此基础上，「玉兔」时期的速度也是依然保持住的，输出最快可达200+ TPS。

输入每百万Token 1元，输出4元，缓存读取只要0.1元。

太仁义了嗷，我宣布，以后闲时梁文谷，忙时闫俊峰！（bushi）

继DeepSeek之后，硅谷一众大参数旗舰，又被国产Flash架上了一条全新的性价比斩杀线o(╥﹏╥)o。

多模态和视频生成确实很顶，但纯文本大模型这边吧，不知道从什么时候开始就没动静了。。。

在DeepSWE v1.1评测里，M3.1 Flash拿下了73.7%。

GPT-6.1 Sol、Claude Opus 5、Claude Fable 5……居然被一款Flash跑分反超。

排在它前头的，只剩下DeepSeek V4.1 Flash 1017的77分。

这也印证了玉兔匿名测试期间社区的反馈：在处理Three.js这类3D渲染和复杂前端任务时，它对细节的把控极其变态。

在加州大学伯克利分校主导的CyberGym基准测试中，M3.1 Flash斩获82.2分，稳稳跟GLM-5.3（84.5）以及GPT-5.6 Sol（83.6）并排坐在全球第一梯队。

在自动化巨头Zapier开源的AutomationBench-AA评测中，M3.1 Flash位居前列。

单任务成本不到0.05美元，就能自己串起横跨销售、营销、客服、财务和HR的复杂工作流。

在容错率极低的金融专属基准BankerToolBench上，M3.1 Flash更是直接飙到了76.2分，与公认的天花板Claude Opus 5并列全球第一。

在衡量真实并有经济价值场景的ALE上，M3.1 Flash也以极低的任务成本，实现了顶尖模型级别的性能表现。

两件事：无休止的转圈等待，以及月底让人心惊肉跳的API账单。

一个真正的企业级Agent，在后台往往要调几十次工具、在好几个子Agent之间反复传话。

模型吐字慢，用户看着界面转圈直接关掉网页；调用单价贵，财务看一眼账单当场就能把项目叫停。

线上推理速度直接拉升将近3倍，输出速度最快可达200+ TPS，中位数（P50）也稳稳维持在170+TPS。

你在MiniMax Code桌面端、Claude Code或者各种本地Coding工具里派发一个重构任务，屏幕上的代码几乎是以倾泻的状态瞬间刷满。

以前串联四个子Agent像是在等红绿灯，现在几乎做到了无感刷新。

过去大家有个默认共识：Flash模型无非就是旗舰大模型的廉价阉割版。

选Flash是因为囊中羞涩或者任务太水，真到了关键、复杂的硬核场景，最后还得加钱上大参数旗舰Pro。

DeepSeek V4.1 Flash 1017前脚刚立下性价比标杆，MiniMax M3.1 Flash后脚就紧跟杀到，一个斩完另一个接着斩。

小尺寸模型根本不是玩具，完全可以正面PK数倍参数、十倍价格的旗舰模型。

更有意思的是，这两个国产Flash模型，走出了极其漂亮的互补路线：

MiniMax M3.1 Flash则在跨SaaS企业工作流、金融工具链调用等综合Agent维度上有所强化。

大肥鱼不是有谷价和峰价吗，但之前苦于一直没有同等级性价比模型，峰价咬咬牙也吃了。

我直接一个路由，忙时MiniMax，闲时大肥鱼，彻底将Token红利吃干抹净。

泪目了，这就是咱激动人心的国产Flash组合技（bushi）。

这样一来，我觉得，API其实也是普通用户可以考虑一下的选择了。

毕竟大模型这玩意儿嘛，迭代实在有点太快了，就算买的只是包月。

你像Opus 5.5一发，Astra那一波的订阅用户，也是基本翻车了。

又是5小时限额，又是半夜Reset背刺，动不动还要提防后台的降智偷袭。。。

买API，充个几十块钱，哪个拉胯了随时拜拜，简直不要太舒服。

不知道大家有没有相同感受，说实话，这一个月来我是有点憋屈得慌的。

A社、OpenAI、谷歌疯狂发布旗舰模型，反观国产阵营这边，啥动静也没有啊。

不少大佬也在说，LLM这一战基本结束了，硅谷靠Scaling杀死了一切。

— 完 — 量子位 QbitAI · 头条号签约关注我们，第一时间获知前沿科技动态