MiniMax M3.1 Flash 发布 智能体与编码能力跃升

今天，我们正式发布 MiniMax M3.1 Flash。

Space Bunny 🐰 是 MiniMax M3.1 Flash 的早期版本，它在匿名运行期间处理了超过 200 万亿个 token。

作为新一代 Flash 模型，M3.1 Flash 在智能体任务、编程、计算机使用（Computer Use）和网络安全方面实现了代际飞跃，同时将在线推理速度提升近三倍，并将使用成本降低 70%。

全面增强的能力

M3.1 Flash 在众多基准测试中均有显著提升，在复杂智能体任务（协作办公）、计算机使用、软件开发（编程）和网络安全等领域达到了领先模型的水平。

复杂任务与自动化：

• M3.1 Flash 在 AutomationBench-AA 上名列前茅。它能够完成跨 SaaS 系统的真实企业工作流，端到端地解决销售、市场营销、运营、客户服务、财务和人力资源等领域的实际问题。
• 在 BankerToolBench 上得分 76.2，它在多步规划、保持文档和文件一致性、金融合规以及链式工具调用等复杂的现实世界挑战中表现出色。

编程与软件工程：

• 它在 DeepSWE v1.1 上达到 73.7%，跻身顶级模型行列。DeepSWE 专注于需要模型独立理解代码、开发功能、修复问题并通过测试验证工作的复杂软件任务。M3.1 Flash 展示了在长序列步骤中的强大执行能力，能够以更低成本支持复杂的软件开发工作流。

计算机使用（Computer Use）：

• 它在 OSWorld V2 上得分为 61.7 分，该基准测试衡量 AI 计算机操作和跨应用任务执行能力；在 Agents’ Last Exam (ALE) 上得分为 29.6 分，该基准测试评估其在真实专业工作和复杂任务上的表现。在这两项基准测试中，它均位列中国模型第一。
• M3.1 Flash 在与真实环境交互、使用工具以及执行长序列任务方面展现出强大能力——从单纯理解任务迈向采取行动并交付结果。

网络安全：

• 在 CyberGym 上取得了 82% 的强劲得分，展现了在漏洞发现与验证方面的领先能力。
• 经内部安全专家深入评估，该模型在代码审计、漏洞修补、渗透测试、恶意软件分析及逆向工程等方面表现卓越，能够以高效、低成本的方式支持复杂安全系统的构建。

我们通过更激进的稀疏化策略，进一步优化了 M3.1 Flash 的推理效率。在日常使用中，输出速度可达 200+ TPS（每秒 token 数），中位数（P50）速度稳定保持在 170+ TPS。

定价：最具性价比

对于 Agent 任务，该模型的整体使用成本较前代降低 70%。

每百万 token 统一价格：输入 $0.15 · 输出 $0.60 · 缓存输入 $0.015。

重新定义 Agent 任务的能力与成本

在三大基准测试——用于复杂 Agent 任务执行的 Automation-Bench、面向真实世界编码的 DeepSWE，以及评估具有经济价值的真实世界计算机操作任务的 Agents’ Last Exam (ALE) 中，M3.1 Flash 以极低的任务成本实现了与顶级模型相当的性能，为性能与成本树立了极具竞争力的新标准。

M3.1 Flash 现已通过 MiniMax API、M Plan 和 MiniMax Code 提供服务。模型权重将于后续发布。

下载桌面版 MiniMax Code：https://agent.minimax.io/download