MiniMax M3.1 Flash：单任务 0.22 美元，与 93% 幻觉率的两面账
10 月 19 日，MiniMax 发布 M3.1 Flash：428B/23B 多模态 MoE，API 定价 $0.15/$0.60 每百万 token（缓存输入低至 $0.015），单任务平均成本 $0.22——第三方转述口径约为 Gemini 同级的六分之一。速度较 M3 提升约 3 倍，智能指数 42（+13 分），10 月 23 日开放权重。但同一批评测还给出了一个刺眼的数字：93% 幻觉率。这篇文章把这份便宜的正反两面都算清楚。
一、价格表：它到底多便宜
M3.1 Flash 定位是旗舰 M3 的轻量推理版本，主打智能体与编程场景的性价比。先把账面摆全：
| 项 | 数值 | 参照 |
|---|---|---|
| 输入 | $0.15 / 百万 token | 约为 M3 的 1/3（厂商口径） |
| 输出 | $0.60 / 百万 token | — |
| 缓存输入 | $0.015 / 百万 token | 仅为标准输入的 1/10 |
| 单任务平均成本 | $0.22 | 第三方转述：约为 Gemini 同级的 1/6 |
| 速度 | 较 M3 提升约 3 倍；输出中位数 170+ token/s，峰值 200+ | 厂商口径 |
| 上下文 | 100 万 token（文本 + 图像输入） | — |
对照 10 月的中档市场：Kimi K3.1 Pro 是 $2/$10，GPT-6.1 Terra 是 $1/$5，DeepSeek-V4.1-Flash 与 M3.1 Flash 同处 $1 以下档。在「能用价格」这个梯队里，M3.1 Flash 把输入价压到了 0.15 美元——每百万 token 一毛五，这是按亿级 token 采购时才有实感的价格。
二、能力：分数全面，但要分清口径
| 基准 | M3.1 Flash | 口径 |
|---|---|---|
| Artificial Analysis 智能指数 | 42（较 M3 +13 分） | 第三方评测转述；另有追踪口径记 43 |
| Automation-Bench（企业流程） | 62.2% | 略高于 DeepSeek 同级（转述） |
| OSWorld 2.0（计算机操作） | 61.7% | — |
| CyberGym（漏洞挖掘） | 82.2% | — |
| DeepSWE v1.1（软件工程） | 73.7% | 接近 Claude Opus 5 / DeepSeek 一级水平（转述） |
| 人类终考评测（复杂推理） | 48% | 超过 DeepSeek 与 GLM 同级（转述） |
| Code Arena WebDev 榜 | 公开模型第 12 | LMArena 第三方榜单 |
这些分数合起来的画像很清晰：在企业流程自动化、计算机操作、常规软件工程这类「定义良好的中等难度任务」上，它已经摸到了旗舰级别的下沿；智能指数 42 距离 M3 只有代内差距，而价格只有三分之一。
三、93% 幻觉率：这份便宜的另一半
同一批第三方评测里，有两个数字必须和上面的分数放在一起看：事实准确性测试正确率 56%，幻觉率 93%。后者意味着模型在不确定时倾向于生成一个答案而不是拒答。
这两个数字并不矛盾，它们描述的是同一种模型性格：高服从性、低拒答率。对客服话术生成、营销文案初稿、运营数据分析这类「有人兜底」的场景，这种性格是优点——永远给结果，效率拉满；但对订单处理、库存判断、财务数据这类「错误有真实代价」的场景，93% 的幻觉率意味着每一条输出都可能言之凿凿地错。
把成本账算完整：$0.22 的单任务成本里，如果没有预算一行人工复核，实际成本是「$0.22 + 错误内容的处理成本」。对错误容忍度低的数据流，更贵的模型（拒答率更高、事实准确性更高）反而是更便宜的——这和我们在《Fable 5.1 成本账》里的结论一脉相承：单任务成本永远要按「任务 + 兜底」一起算。
四、生态节奏：一次教科书式的开源发布
比模型本身更有参考价值的是 MiniMax 的发布打法：
- 匿名预榜：正式发布前，M3.1 Flash 以假名 "Space Bunny" 登上 OpenRouter 榜单接受盲测——先在无品牌偏见环境下验证能力，再揭晓身份。这套打法正在成为新模型发布标配
- 首发即全渠道：发布当天 API 上线，OpenRouter 正式版 72 小时免费、OpenCode 限时免费 3 天、Ollama 首日支持、GMI Cloud 当天可用于生产、Cline 同步接入——API 触达基本没有时间差
- 四天后开放权重：10 月 23 日权重上架（对比 K3.1 Pro 发布当天无权重，「发布到可下载」的间隔是观察厂商诚意的直观指标，这次 MiniMax 做到了 4 天）
五、单任务成本怎么算：输出主导的新阶段
沿用我们在 Fable 5.1 一文给出的四桶公式，代入 M3.1 Flash 的价格：
单次调用成本 =（未缓存输入 token × $0.15）+（缓存读取 token × $0.015）+（缓存写入 token × 写入价）+（输出 token × $0.60），单价均为每百万 token
当输入价压到 $0.15、缓存读取压到 $0.015 后，输出价（$0.60）与输入价的比值达到了 4:1——输入侧怎么优化都省不了几个钱，输出长度成为唯一的成本杠杆。一个输出 2000 token 的任务，仅输出侧就花 $0.0012；而它可能只读 500 token 输入（$0.000075）。这组比值对提示词工程的启示很直接：在这个价位的模型上，与其优化输入前缀，不如硬性约束输出长度——给 max_tokens 设上限、要求「先结论后理由」，比任何缓存优化都有效。
170+ token/s 的输出速度让这个杠杆还有第二重意义：输出 2000 token 只要约 12 秒。对高频 Agent 调用，速度本身就是成本——同样的并发吞吐下，3 倍速度意味着 3 倍的任务完成率，等待时间也是钱。
六、选型建议
- 放心交给它的：客服回复初稿、营销文案辅助、运营数据分析、商品描述批量生成、销售/营销/运营/客服/财务/人力岗位的流程自动化（Automation-Bench 覆盖面）——前提是链路里有人工复核或规则校验
- 谨慎交给它的：订单与库存决策、财务数字生成、对外发布的最终文案、医疗法律类结论——幻觉率 93% 意味着这些场景必须配校验工具或换拒答率更高的模型
- 长文档任务：1M 上下文 + $0.15 输入价的组合，一次性塞进长手册/长反馈再做提取，是它的舒适区；缓存命中时输入侧成本近乎归零（$0.015）
- 自部署评估：10 月 23 日已开放权重，Ollama 首日支持——高频场景跑一个月真实流量，对比 API 账单再决定是否自持
七、数据来源与口径说明
- 厂商口径（官方发布/官宣转述）：428B/23B MoE 与多模态输入、100 万上下文、API 定价（$0.15/$0.60/$0.015）、速度 3 倍与输出中位数 170+ token/s、价格约为 M3 的 1/3、10 月 23 日开放权重、匿名假名 Space Bunny 与各渠道首发节奏
- 第三方评测转述（亿邦动力 10 月报道）：智能指数 42（+13 分，另有追踪口径 43）、Automation-Bench 62.2、OSWorld 2.0 61.7、CyberGym 82.2、DeepSWE v1.1 73.7、人类终考评测 48%、事实准确性 56%、幻觉率 93%、单任务平均成本 $0.22 及「约为 Gemini 同级 1/6」的比较
- 第三方榜单：Code Arena WebDev 公开模型第 12（LMArena）
- 幻觉率与事实准确性的评测方法原文未详述，样本构成未知；本文将其作为「风险量级」而非「精确指标」使用。跨厂商基准不可直接相减，本文未做外推