200 万亿个 token 在所有人眼皮底下被悄悄处理完毕。全球数以万计的开发者此时才发现，自己充当了数个月的「盲测考官」。在第三方调用平台上，此前出现过一个代号「太空兔」（Space Bunny）的神秘模型。它没有任何厂商标注，却接连承接了海量的高强度编程与排错任务。2026 年 10 月 20 日，谜底终于揭晓。这个低调的模型来自中国大模型公司 MiniMax，正式命名为 M3.1 Flash。
官方随之公布的核心数据引发了行业震动。它的在线推理速度提升近 3 倍，综合调用成本直接下降 70%。长久以来，许多模型热衷于展示考题分数。企业在实际引入时，却要面对高昂的账单。M3.1 Flash 把竞争焦点拉到了台前：模型既要答对难题，也要让普通企业在算力账本上用得起。
匿名跑完200万亿字符：太空兔摘下面具
在今天的人工智能领域，公开测试集的刷分早已屡见不鲜。不少团队专门针对考试题反复调优。模型在榜单上的分数节节攀升，实际运行却经常报错。面对这种局面，MiniMax 选择了一条反其道而行的测试路径。
他们把早期模型化名「太空兔」，直接接入第三方代码平台接受真实工况考验。真实用户在长达数月的盲测里，累计调用了超过 200 万亿个 token。这种无光环的长周期实战，抹平了实验室测试的偶然误差。毫无防备的真实调用记录，比精心挑选的测试题更有说服力。
伴随正式发布，MiniMax 开放了 API 接口、M Plan 会员计划与编程工具 MiniMax Code。官方还承诺，后续将向技术社区开源模型权重。技术团队的动作非常明确：他们要交付的是随时能进工位干活的数字员工。
让AI真正接管电脑，企业账本扛得住吗
普通用户对人工智能的认知通常停留在聊天对话框。企业真正需要的，是能够连续执行数十步操作的智能体（Agent）。以银行业务为例，系统帮客户处理一笔跨国汇款，绝非生成一段回复即可了事。它需要登录后台调取资料，核验合规名单。系统还要查询即时汇率，最后提交交易记录。
这一连串步骤环环相扣。每走一步，模型都需要把之前所有步骤的历史记录重新送入系统计算。在冗长的调用链路中，单次业务排查很容易消耗数百万字符。如果调用的单价居高不下，企业每处理一单业务就要支付数美元的算力账单。
图：MiniMax M3.1 Flash 与同类前沿模型的基准测试成绩与推理成本对比。来源：MiniMax（官方技术博客）
M3.1 Flash 对这种成本结构进行了重构。官方定价里，每百万 token 输入只需 0.15 美元，输出 0.60 美元。若开启上下文缓存，输入费用会降到 0.015 美元。在考察银行业务工具调用能力的 BankerToolBench 测试中，它拿下了 76.2 分。低价调用加上稳健的工具控制，帮自动化任务跨过了盈利门槛。
输出飙过200字每秒：多步操作免去等待
在自动化执行任务时，除了成本，另一个关键瓶颈是响应延迟。AI 接管桌面处理表格时，若每点一次鼠标都卡顿，操作连贯性就会碎掉。等待时间过长，还会显著增加网络超时和动作脱节的概率。
M3.1 Flash 将输出速率提升至每秒 200 个 token 以上，中位数 P50 速度稳定在每秒 170 个 token。一段数百字的结构化操作指令，一秒多就能完整生成。对需要连续点几十次的自动化任务，这段等待时间就是动作能不能接上的分界线。
图：MiniMax M3.1 Flash 在各类实际操作与自动化测试集中的得分表现。来源：MiniMax（官方技术博客）
高速吞吐带来了明显的工程优势。在模拟真实操作系统环境的 OSWorld V2 测试中，M3.1 Flash 取得了 61.7 分。在软件工程排错基准 DeepSWE v1.1 上，它跑出了 73.7% 的解决率。在网络安全模拟靶场 CyberGym 中，解决率同样达到 82%。高响应频率减少了串联任务中的停滞等待，让自动化流程具备了连贯作战的节奏。
考场刷分到头了：真金白银只买实际产出
近几个月来，技术圈对「基准测试虚标」的讨论日益热烈。在各类技术交流区中，不少开发者指出行业正面临信誉透支。一些模型在公开题库里被喂养成了做题家，遇到真实的工程代码依然频繁报错。高分低能的落差，让很多企业对采购模型产生了犹豫。
为了洗掉水分，业界设计了考核更严格的「智能体终极考核」（Agents’ Last Exam，简称 ALE）。该基准排除了可以靠记忆背诵的常识题，专门测试未见环境下的复杂推理。M3.1 Flash 在 ALE 测试中取得 29.6 分，在 AutomationBench-AA 上进入最强模型的行列。官方说明它在 ALE 与 OSWorld V2 两项上都位居国产模型首位。这些实打实的攻坚数据，构成了抵御刷分质疑的凭据。
追求实用与低价的探索并非个例。同期团队 Inception 推出了 Mercury 3 模型。它采用扩散架构把速度拉高到每秒 1068 个 token，每百万输入价格压到 0.10 美元。底层路线或许各有取舍，但在压低使用门槛这一点上，行业达成了罕见的一致。单纯靠高成本堆砌参数的模型，正在面对市场的冷遇。
从天价跑分到平价劳力：赛局规则变了
技术的神秘光环正在退去。任何工具最终都要回答一个问题：它能否用划算的成本，把活稳定干完。MiniMax M3.1 Flash 的意义，在于把行业的注意力拉回到日常运营的真实账本上。
70% 的降价幅度叠加近 3 倍的速度提升，改变了模型竞争的衡量尺度。在未来的产业生态里，决定产品生死的关键已不再是宣传演示。在千万次普通的点击、查询与搬运中，谁能为使用者省下真金白银，谁才能站稳脚跟。这场从考场奔向工位的转移，才刚刚开始。
参考链接：
- MiniMax 官方技术博客：M3.1 Flash 发布公告与技术指标
- 匿名上线期间的真实调用数据：Space Bunny
- Hacker News 社区技术探讨：关于模型推理速度与基准真实性
- Inception Mercury 3 技术发布报告
