MiniMax等国产大模型迭代，复杂任务运行成本低70%

来源：东方财富网

10月19日晚，MiniMax正式发布新一代Flash模型M3.1 Flash。据MiniMax介绍，M3.1 Flash在复杂Agent任务、电脑操作、软件开发及网络安全等方面取得大幅提升，在面向需要多步规划、连续调用工具和长程执行的任务上表现效果突出，同时线上推理速度提升了近3倍，使用成本降低了70%。

值得一提的是，10月17日，DeepSeek也更新了其V4.1 Flash-1017，重点提升完整项目开发能力，并通过缩短输出长度和任务运行时间，提高任务执行效率。对于开发者而言，Flash模型意味着以更低的成本承担复杂工作。随着Flash的任务能力提升，模型竞争也进一步延伸到完整任务的交付效率。

性能全面提升，成本降低超70%

在复杂任务与自动化能力方面，M3.1 Flash在AutomationBench-AA中成绩位居最前列。在跨SaaS系统的真实企业业务工作流中，能完整解决销售、营销、运营、客服、财务、HR的真实问题。另外，模型在BankerToolBench中76.2分，擅长多步骤规划、跨文档/跨文件一致性、金融业务合规、工具链式调用等真实复杂问题。

M3.1 Flash在AutomationBench-AA中成绩位居最前列。

编程与软件工程能力上，M3.1 Flash在DeepSWE v1.1评测中取得73.7%的成绩，能够以更低的成本支持复杂的软件开发工作流。

电脑操作与专业任务执行能力上，M3.1 Flash在衡量AI电脑操作与跨应用任务执行能力的OSWorld V2中取得61.7分，在评估真实专业工作场景与复杂任务完成能力的Agents' Last Exam（ALE）中取得29.6分，这两项均位列国产模型第一。

在网络安全领域，M3.1 Flash在CyberGym基准测试中取得82%的高分。经内部安全专家深度评测，模型在代码审计、漏洞修补、渗透测试、恶意代码分析与逆向工程等场景下均表现出色，能够以低成本、高效率支持复杂的安全体系建设。

M3.1 Flash的推理效率得到进一步优化。模型使用了更激进的稀疏注意力架构，日常使用场景下的输出速度可达200+TPS ，中位数（P50）稳定达到170+TPS。在Agentic类任务中，模型的综合使用成本是前代模型的三成。

除能力提升外，M3.1 Flash此次还下调了API调用价格，每百万Tokens的输入费用为1元、输出费用为4元，缓存读取费用为0.1元。与M3（输入≤ 512K tokens）对应价格相比，输入和输出单价均降低50%以上，缓存读取单价降低超70%。

国产模型密集更新、处理复杂任务能力增强

一段时间以来，国内模型厂商不断更新模型进展。10月13日，面壁智能正式发布新一代端侧多模态大模型MiniCPM-V 4.7，包含35B-A3B与1B两个版本。其中35B-A3B采用MoE架构，总参数350亿、每次推理仅激活30亿，是首个可在端侧无损流畅运行的开源MoE模型，仅约3GB内存即可运行。

10月15日，阶跃星辰最新旗舰基座模型Step 5 Preview登顶全球大模型聚合平台OpenRouter Trending榜后进行了开源。该模型采用稀疏MoE架构，总参数量达6000亿，每个Token激活约270亿参数，对AI编程、软件工程和专业知识工作、金融等场景能力进行了优化。

10月17日，DeepSeek更新了其V4.1 Flash-1017，重点提升完整项目开发能力，并通过缩短输出长度和任务运行时间，提高任务执行效率。

多家模型更新中，一个明显的趋势是，模型处理复杂任务的能力越来越强。其中，DeepSeek与MiniMax都直接让原本轻量的Flash模型在复杂任务上上强度。另外从公开榜单测试结果看，国产Flash模型在编程和Agent评测中，已经能够与头部闭源模型竞争，同时保持较低的调用价格。

对于开发者而言，Flash模型意味着以更低的成本承担复杂工作。随着Flash的任务能力提升，模型竞争也进一步延伸到完整任务的交付效率：既要完成工作，也要减少重试、返工和人工接管。能力、速度与成本的同步改善，才有可能推动更多任务进入高频使用阶段。

在这一竞争方向上，DeepSeek与MiniMax呈现出各有侧重的优势。根据公开对比结果，DeepSeek V4.1 Flash-1017的软件工程评测得分更高，M3.1 Flash则在跨SaaS业务工作流、网络安全等领域表现更突出。

M3.1 Flash为市场重新评估MiniMax文本模型竞争力提供了具体依据，MiniMax同时也预告，其追求智能上限的Pro版本将在不久后推出。

（文章来源：南方都市报）