调用量霸榜12天！神秘兔子真身是MiniMax，新模型成本降70%
图片加载中…
那只在开发者圈里被反复猜身份的神秘兔子，MiniMax认领了，
10月19日，MiniMax正式更新M3.1 Flash。官方确认，之前匿名出现的 Space Bunny，就是M3.1 Flash的早期版本。
而且，这只兔子在亮身份前，已经处理了超过200T Token，也就是200万亿个Token。
它此前到底火到什么程度？老金我专门回头查了一遍平台的数据。
OpenCode公开的历史记录里，9月24日到10月5日，按每日Token使用量计算，它连续12天排在第一。
现在，MiniMax把正式版本和完整成绩单一起端了出来：线上推理速度提升近3倍，Agent任务综合使用成本下降70%。
更值得往下看的，是它在部分办公、编程和电脑操作评测里的位置。一个Flash模型，已经开始和旗舰模型坐在同一张表里比了。
神秘兔子此前，到底是什么水平？
先看真实使用量。
OpenCode是一款开源AI编程工具，开发者可以在里面调用不同模型。它的公开数据页保留了每日模型用量，历史上的Space Bunny现在已经被标成正式名称MiniMax-M3.1-Flash。
9月24日，它的单日用量是6.8T Token，同一天DeepSeek V4.1 Flash是6.2T，Muse Spark 1.3是5.4T。
到了9月25日，兔子涨到9.0T，另外两者分别是4.6T和5.1T。
9月30日，它的单日用量达到10T。一直到10月5日，仍以9.9T排在前面。
图片加载中…
从9月24日到10月5日，连续12天。 这个结论是按OpenCode当前公开历史表逐日比较得出的。到了10月6日，Muse的单日用量已经超过它，所以这里说的是那12天的历史成绩。
还有一条当时留下来的直接记录：9月28日，OpenCode官方发帖说，Space Bunny已经连续5天位居平台第一，处理了40T Token。匿名期的热度，有平台自己的原帖可查。
调用量包含缓存Token，也会受到体验价格、活动和使用方式影响。它能说明开发者确实在大量调用这款模型，能力究竟怎么样，还要接着看任务成绩。
能力方面，也有匿名期留下来的独立记录。开发者Povilas Korop的AI Coding Daily，当前条目显示Space Bunny Max档、使用OpenCode的成绩是 57.19／80，最近评测日期标为9月30日。该站当前方法包含7个已有项目、27条提示，过程中不再追加指导；方法在10月仍有更新，这里按当前可见条目读数。
在这个榜单10月19日的快照里，Space Bunny与Gemini 4 Argon High的57.09、Kimi K3 High的56.89处在相邻位置。工具和推理档位不同，成绩要连着设置一起看。至少这份记录说明，它在匿名时已经是一位有竞争力的代码选手。
这也是这次揭晓最有意思的地方：大家先用了那只不知道是谁家的兔子，MiniMax今天才把名字贴上去。
官方披露的200T累计处理量，比单个平台的一段日榜范围更大，两组数字各看各的。
这次升级，把能力推到了哪里？
先把官方完整对比图放上来，下面逐项拆。
图片加载中…
CoWork是协作办公，Computer Use是电脑操作，Coding是编程。
各行采用不同评测与工具设置，具体说明保留在原图下方。下文对照的是这张表列出的版本与成绩。
复杂办公任务，两项成绩很抢眼
一个是Automation-Bench v1.0.6。
这类评测把模型放进多步骤业务工作流里，看它能不能理解目标、连续调用工具，把事情推进下去。它涉及销售、运营、客服等工作，考验的不只是最后一句话答得好不好。
MiniMax这次公布的成绩是 62.2。
同一张官方表里，DeepSeek V4.1 Flash-1017是60.5，Opus 5是50.3，GPT-5.6 Sol是45.8。M3.1 Flash在这组对比中排在前面。
另一个是BankerToolBench，76.2分，与Opus 5并列。
它更偏金融业务中的多步骤工具任务，要在文档、文件和工具之间保持一致。对应图里，GPT-5.6 Sol是74.6，GLM-5.3是74.5，Kimi K3是69.1。
这种任务很容易出现一个问题：第一步看起来对，做到第五步，前面的约束被忘了。能把跨文件的信息接住，再连续执行工具，才有机会承担更长的工作。
官方还给了一张能力和成本放在一起的图。
图片加载中…
这里的纵轴越高，评测得分越高；横轴是单任务平均费用，单位人民币，采用对数刻度，越靠左越便宜。
low、medium、high、xhigh、max表示不同推理强度。
这张图想表达的重点很直接：在它公布的测试设置里，M3.1 Flash的位置更靠左上方。
也就是让完成任务的能力和成本同时变得更有竞争力。
编程73.7%，和Opus 5只差0.3个百分点
DeepSWE v1.1，M3.1 Flash拿到 73.7%。
这项评测关注复杂软件任务里的代码理解、修改和验证。对平时用AI做项目的人来说，它比只展示一页漂亮网页，更接近我们真正关心的事。
同一张总表中，GPT-5.6 Sol是73.0%，Opus 5是74.0%。两者之间，已经很近了。
DeepSeek V4.1 Flash-1017则是77.0%，仍然在前面。M3.1 Flash在这一项追到了旗舰附近，但没有拿下最高分。
接着看官方给出的编程成本曲线。
图片加载中…
纵轴Pass@1表示一次尝试的通过表现，横轴是单任务平均成本，单位人民币，采用对数刻度。
红色为M3.1 Flash：high 68.1%、xhigh 72.1%、max 73.7%。
这张图里，老金更在意红色那一小段。
从high到xhigh，再到max，分数逐步上升，成本也跟着变化。它把思考强度这件事摆到了台面上：你可以按任务难度选档，而不是每次都用同一种配置。
不过，完整表也留着它的短板。
SWE Refactor Bench这类代码重构任务里，M3.1 Flash是23.0，GPT-5.6 Sol是28.5，Opus 5是31.0。NL2Repo-Bench里，它的61.2也低于Opus 5的75.3。
所以，这次最有分量的进步，是Flash这个成本档位，已经能在部分复杂编程任务里贴近旗舰。做重构、做长链路工程，还是要看具体任务。
电脑操作，两项成绩进入国产前列
电脑操作是另一个明显的重点。
OSWorld 2.0，M3.1 Flash得分 61.7。官方对比表中的Kimi K3是58.3，DeepSeek V4.1 Flash是54.3。GPT-5.6 Sol为65.7，Opus 5为70.6。
再看Agents’ Last Exam，简称ALE。M3.1 Flash是 29.6，Kimi K3是28.3，GPT-5.6 Sol是30.6，Opus 5是32.2。
MiniMax在公告中将这两项成绩称为国产模型第一。从它给出的对比表看，M3.1 Flash也确实高于列出的国产对手。
这类评测看的是AI在电脑环境里完成任务的能力。要找到界面入口，理解当前状态，操作应用，再继续后面的步骤。日常用AI时，很多令人头疼的停顿就发生在这些地方。
ALE还有一张更直观的成本图。
图片加载中…
纵轴为该图标注的评测通过率，横轴为整套评测预计总成本，单位人民币、对数刻度。
M3.1 Flash红点为29.6%、739元；图注采用ALE-V1 Overall、152项任务。
739元这个数字很醒目，读图时要先看单位：它算的是整套评测的预计费用。
官方想说明的是，在这组测评里，它能以较低预算取得接近部分更贵模型的成绩。
如果电脑Agent要在后台反复执行任务，成本就很实际了。偶尔做一次和每天跑几十次，对模型价格的敏感程度完全不同。
安全和视觉，也有具体成绩
CyberGym，官方原图给出 82.2，正文取整写82%。
同表GLM-5.3是84.5，GPT-5.6 Sol是83.6，Kimi K3是80.0。M3.1 Flash已经处在靠前的一组，最高分仍是图里的GLM-5.3。
CyberGym主要考已有漏洞的复现与验证。MiniMax还披露内部安全团队评估了代码审计、漏洞修补、恶意代码分析等场景。对于安全工作，能完成验证链条比单纯输出一段看起来专业的分析更重要。
视觉相关的两项也值得扫一眼：BabyVision在使用工具的设置下达到91.0，CharXiv RQ为82.5，后者涉及图表理解。
这些能力放到电脑操作中，是能连起来的。模型先得看懂页面、图片和图表，再判断该怎么操作。视觉、工具调用、持续执行，任何一段掉链子，任务都会停。
为什么这次快了，而且更便宜？
MiniMax的解释是进一步优化推理效率，采用更激进的稀疏注意力架构。
可以粗略理解成，处理长内容时，让计算更有选择地关注相关部分，减少不必要的计算。具体效果还和模型、任务及服务设置有关。
vLLM项目的官方技术线程也补了底层信息：这次优化结合了稀疏注意力、NVFP4低精度运算，以及面向Blackwell硬件的推理内核。通俗说，既减少不必要的计算，也在每次计算和数据搬运上继续省开销。它公布的若干倍速属于具体内核测试，不能直接相乘当成整项任务的提速。
官方公布，日常输出速度可达 200+ Token／秒，中位数P50稳定在 170+ Token／秒。
Token是模型的处理单位，和汉字并不是一比一对应。这里的速度指输出过程，也不把工具运行、网页加载等等待都算成模型吐字速度。
至于近3倍提速和70%降成本，官方的比较口径是相对前代，70%对应Agent任务的综合使用成本。
单看现在国内API价目，已经非常直白了：每百万Token，输入1元，输出4元，缓存读取0.1元。
图片加载中…
对照同页M3标准档、输入不超过512K的价格，输入和输出单价各下降约52%，缓存读取下降约76%。所以综合成本下降70%，和每一项单价都打七折或都降70%，是不同的事。
对开发者而言，更值得算的是整条任务账单。Agent做一件事会调用很多轮，模型少走几步、每步便宜一点、输出再快一点，最后的差距才会明显。
现在能用，10月23日还有一个节点
正式型号是 MiniMax-M3.1-Flash，已经可以通过MiniMax Code、M Plan和API使用，官方也提供Claude Code、Codex等工具的接入说明。
官方发布帖还明确预告：模型权重将在10月23日放出。 目前是开放计划，权重尚未发布。
另外，MiniMax Code里现在有一个限期活动：截至10月25日，订阅用户在MiniMax Code内使用M3.1 Flash不限量。
图片加载中…
写在最后
回头看这次发布，我觉得最有意思的是顺序。
先有一只匿名兔子，在开发者的工具里被大量调用。接着亮出身份，再把各项成绩、推理档位和任务成本一起摆出来。
调用榜说明有人在用，任务评测说明能力到了哪里，成本曲线则回答另一个问题：这种能力，能不能每天都用。
这三个问题一起看，M3.1 Flash才值得认真关注。
旗舰模型继续抬高上限，Flash模型把一部分能力带到更便宜、更快的日常使用里。对真正在做项目的人来说，选择会越来越具体：哪一段任务值得用最强的模型，哪一段已经可以交给便宜的主力。
神秘兔子亮身份之后，更值得等的，就是它在真实项目里的下一份成绩单。