之前挺长一段时间，DeepSeek V4.1 Flash在开发者圈的口碑不错， 性价比和综合效果实现了很好的平衡。
然后到了9月底，突然有一只叫「Space Bunny」太空兔的模型横空出世，隐隐把其他Flash模型的风头都给盖过去了。
直到最近，MiniMax官宣了全新的 M3.1 Flash，众多猜测才尘埃落定。
很多在 OpenRouter、OpenCode上用惯了太空兔的朋友发现，M3.1 Flash的正式版，似乎表现更稳定、效果更优异了。
MiniMax 这次的价格很有诚意：
输入每百万 Token 1 元，输出 4 元，缓存读取只要 1 毛钱（全天统一价，不搞峰谷浮动）
更关键的是，它在复杂 Agent 任务测试中，直接跑到了第一梯队甚至多项登顶。
以往认知里，Flash 模型更多满足短平快的需求，在相对轻、相对简单的场景更擅长。
但 M3.1 Flash 却是瞄准了很多旗舰模型才能扛住的复杂 Agent 任务、长链路交付。
距离「太空兔」首次现身过去的一个月，MiniMax又悄悄做了哪些打磨，到底进化到了哪一步？
今天想带大家试试，看看M3.1 Flash处理复杂任务，完成度能有多高……
01
高性价比，越用越觉得真香
「Flash」模型，一定意味着妥协吗？
便宜、快，但一遇到长链路推理、多步工具调用或者环境交互，时常会暴露出局限。
但这次 M3.1 Flash 亮出的两张牌，让很多人的印象有了变化：
第一张牌，是 Artificial Analysis（AA）全球排行榜。
在最新的 AA 综合评测中，M3.1 Flash 的智能指数直接冲到了 43 分（上一代 M3 仅为 29 分，代际跃升近 50%）。
再就是任务加权成本：
单次基准任务平均费用直接从 0.51 美元被拦腰斩断至 0.22 美元。
在代码、推理与工具调用全面逼近前沿梯队的前提下，把综合使用成本压低了整整 70%。
第二张牌，是被称为「AI操作电脑终极大考」的 ALE 与 OSWorld。
对于复杂 Agent 来说，光会做题没用，你得能「替人上手操纵系统」。
在加州大学伯克利 RDI 牵头、覆盖 13 大行业极其苛刻的 Agents' Last Exam（ALE） 评测中，M3.1 Flash 拿下了 29.6 分，位居国产模型第一。
同样考查跨应用真实电脑操作的 OSWorld V2，它取得了 67.1 分，同样名列国产第一。
数据背后，也是实实在在能省出来的成本。来算一笔账：
跑完整套由人类顶级专家设计的真实经济价值任务（ALE 完整集），调用高高在上的顶配Pro Claude Opus 往往需要消耗 7000 多元人民币。
而换成 M3.1 Flash，同样的通关规模只需要 700 多元——相近的能力区间，成本直接相差近 10 倍！
而在专攻企业复杂跨 SaaS 系统自动化的 Automation-Bench 上，它开到最高思考档位（max），解决单个长链路任务平均只需约 0.3 元（低档位甚至不到 0.2 元），直接超越了竞品在高峰期近 0.6 元与海外竞品 5 元的单任务花销。
对很多开发者来说，大规模投入日常任务、在真实生产线里来用，更可行、更敢上量去用了。
02
更复杂的场景，直接跑任务
来直接看几个实测例子。
在 MiniMax 还没正式发布之前，海外开发者社区就有人拿「太空兔」当顶级动效师在死磕了。
当时那个哥们就只丢了一句简单的英文指令：
「in one html file, make a dynamic 15-second motion graphics video that shows what an incredible motion designer you are, like it's your showreel for a résumé. go all out. 16:9 fullscreen, sound made with web audio, click to play」
「在一个单独的 HTML 文件中，制作一段极具动感的 15 秒动态动态图形（Motion Graphics）视频，展现出顶级动效设计师的 Showreel 水准。 16:9 全屏、每一帧画面与 Web Audio 音频全靠纯代码生成，点击即可播放。」
简单粗暴，一个单文件 HTML，做一段 15 秒的全屏动态视频秀，每一帧画面、甚至背景音效都得是纯代码跑出来的。
GPT-6 Astra 做视频效果很新颖，M3.1 Flash 不知道会怎样？
那不如让两个模型，都分别手搓一只「3D 毛绒蜘蛛」，来对比一下看看。
搞过设计和前端的都知道，3D 几何结构、「软萌、毛茸茸、蓬松」的触觉质感，都不容易实现。
把代码写出能让人伸手想摸一把的毛绒感，挺考验模型的审美和执行精度。
看结果，M3.1 Flash 拿出的动态呈现，很细腻。
尤其是看蜘蛛的眼睛，有那种复眼的密集感觉，像活的一样。
我在想，有了这样的动态交互能力，其实很多游戏都能做到不错的水准。
于是我尝试从零开发一款叫《旅行喵喵冒险记》的 2D 像素冒险游戏。
我自己只负责在旁边监工、提需求和做 QA 验收，所有游戏代码、程序化像素绘制和原创背景音乐，100% 由 MiniMax 独立完成。
带大家看看整个流程：
一、 11 轮概念设计 + 10 个独立目录并行开启
开工前，我们先调动 MiniMax image-01 跑了 11 轮视觉迭代，敲定了主角小猫「栗团」和地图的概念设定。
接着，我们在 MiniMax Code 桌面端一口气建了 10 个独立工作目录，把 M3.1 Flash 全部拉到 max 推理档位和 1M 超大上下文——主循环、像素资产、原创音乐、地图碰撞、9 条剧情手记、手机触控适配……十条线各司其职。
【Figma 里的概念图合集（栗团角色 + 地图设定）】
最早几版小猫、树木和随身小物。
后来调整过的猫咪动作、场景和地面，其中有些没用进游戏。
校园、树林和小镇画面逐渐丰富起来。(先用 MiniMax image-01 跑了 11 轮概念图定调子，连每一轮废稿和 Prompt 都全归档在 Figma 里了。)
二、不求「一把过」，看它怎么改 Bug
做过真实项目的都懂，写复杂工程不可能一遍完美。 首轮代码跑起来时，我们也遇到了让人头大的翻车现场：
地图因为 drawImage 类型错误直接黑屏：
走到咖啡店门口，关键 NPC“桂婆婆”居然被一棵大树的树冠挡得严严实实，根本看不见人：
甚至通关重开后，本该断开的木桥居然还能直接穿过去：
换作以前的轻量模型，改这种跨文件的逻辑 Bug 基本就是「摁下葫芦浮起瓢」。
但我把报错和截图甩回给主程 M3.1 Flash 后，它迅速修好了黑屏，老老实实把挡住桂婆婆的树冠清出了开口，连断桥重置的底层状态缓存也一并打通了。
M3.1 Flash 修完后的实机画面，不仅清出了路口，连断桥开闸逻辑也全部跑通。
三、45 项测试全通，手机电脑都能直接玩
经过几轮严苛的冻结验收，现在这只叫「栗团」的小猫，已经可以丝滑地走完「小镇 → 林缘溪流 → 钟塔校园」三张连通地图，完成撬木闸、找故事册等 9 处独立互动，并在钟塔下触发完整的温柔结局。
不仅电脑端键盘能玩，连手机竖屏、横屏的双指触控和方向键适配也全部跑通。
让游戏动起来【钟塔校园结局实机图 + 手机横竖屏触控运行图】
开始旅程：栗团在暖阳小镇的街道上走动。
与桂婆婆对话，再查看手记、地图和暂停菜单。
林缘小径：完成小镇委托后，栗团继续向森林深处出发。
钟塔校园：穿过森林后，栗团沿校园道路探索。(从 PC 端跑通三张地图触发结局，到手机端横竖屏触控适配，全套代码、像素小猫和音乐全由 MiniMax 一手包办。)
目前，我们团队甚至已经基于这套代码启动了第二轮迭代——准备给「栗团」加一个叫「糯米」的小伙伴，塞进一套类似《旅行青蛙》的准备便当、离线旅行、寄明信片的新循环。
口说无凭，第一版游戏和全套工程证据我们已经全部开源上线，点开链接直接就能玩：
游戏公开试玩（电脑/手机浏览器直开）：
https://kingkazmax.github.io/travel-meow-adventure/
03
更复杂的任务，不妨试一试
AI圈的版本迭代足够快。
模型在持续提升，而开发者、创业者实际业务中的算力用量也在增加。
Agent 真进了日常业务，一天几百次外部工具调用、几十轮长链路，很多时候收益还没拿到，成本已经快兜不住了。
更理性、更均衡好用的模型，是我和身边很多朋友都
MiniMax 官方有这样一句话，让我印象很深：「Flash 是对效率与能力平衡的持续探索」。
在M3.1 Pro 到来之前，这只成本砍掉 70%、速度快了近 3 倍的兔子，已经足够扛下我的大部分工作日常。
目前，MiniMax M3.1 Flash 已经全量开放，模型权重也将在稍后正式开源：
MiniMax Code 桌面端下载：https://agent.minimax.io/download
M Plan 订阅入口：https://www.minimax.io/m-plan
API 调用直达：platform.minimax.io
「Intelligence with Everyone. 」
少花冤枉钱，今天就去工位上把这只兔子拉出来跑跑看。