AI news

Flash模型又添一员大将:实测MiniMax M3.1

By 夕小瑶科技说3 viewsSource: 夕小瑶科技说
Flash模型又添一员大将:实测MiniMax M3.1

MiniMax于9月27日上线Flash级别模型M3.1-Flash-Preview,本文通过试衣间项目改造、机器人视频拆解、北京夜光可视化和A股市场观测台四个实测任务,将其与DeepSeek V4.1 Flash和GLM-5.3-Flash对比,结果显示M3.1速度仅次于DeepSeek但成本最低,成为Flash赛道上DeepSeek的新对手。

The full text has not been translated yet. The Chinese original is shown below.

上周,OpenRouter 又来了一只飞快的兔子。

一个叫 Space Bunny Alpha 的匿名模型悄悄上线,1M 上下文,能看图、能看视频,思考强度五档可调,免费。

免费、1M 上下文,开发者当然不会放过。

文章配图

没几天,就蝉联OpenCode榜首第一名。

社区开始给它做指纹测试,一组 24 项的对比,全部对上了 MiniMax 家族的特征。

9月27日,MiniMax Code正式上线 M3.1-Flash-Preview,同样的 1M 上下文,同样原生支持文字、图片、视频输入,思考强度也同样五档可调。

文章配图

官方没有公布跑分,目前只能在MiniMax Code和Token Plan里用。模型定位是:

Flash级别,速度快,干活靠谱,主力场景是Coding。

这两个月,Flash这条赛道格外挤。DeepSeek V4.1 Flash占着位置,我们前阵子刚测过的 GLM-5.3-Flash(牛来)又把价格打到了地板。

既然没有跑分可看,我们就直接上实测。我在MiniMax Code里开了几个任务,全部拉到max档。

◈一、Coding:接手一个真实的线上项目

第一个是我自己的一个小项目,给服装店用的 AI 试衣间。

顾客上传全身照,挑一件衣服,一键看上身效果,项目已经上线,问题是衣柜太空了。

打开首页,一共就4件衣服。

文章配图

好在我手里还有一个NAS相册,存了这些天保存的衣服图片。不过,里面混着聊天截图、文档各种杂七杂八的东西。

文章配图

4000多张图片,首先需要把服装照片筛选出来,但是这个工作量可就大了去了。

我一想,这个筛选工作完全可以交给Flash级别的模型来做。

于是,我要求:

接手服务器上的 tryon-shop,从相册里筛出至少100件不同的衣服,去重、建档、上架,让首页从「四件样衣」变成一个真正能逛的衣橱。同一件衣服的不同角度只能算一件,不许拿重复照片凑数。

这是个很典型的真实工程活。

代码虽然是现成的,模型需要先读懂再修改,素材也是乱的,需要先认出哪张是衣服、哪几张其实是同一件。

先给大家看模型的产出结果,最终是这样的:

文章配图

我要的是至少 100 件衣服,改造后的首页真的给我补全了。分类标签也有了数字:上装 51、套装 45、裙装 36、裤装 23。每页 24 件,一共 8 页,非常完美。每件还配了中文名和品类角标。

M3.1是怎么完成的呢?

这 4000 多张图,模型先把照片压成缩略图,然后每200张拼成一张 20×10 的「联系表」,再把这些表分给一批子 Agent分头去看。

前前后后,它一共派出去 30 个子 Agent。

文章配图

每个子 Agent 只盯自己手里那几张表:哪一格是衣服,是上装还是套装,看完把结果交回主 Agent。

主 Agent 负责汇总、去重。

当然,看图只是前半截,后半截是实打实的代码活。

为了让网站兼容这些图片,它在原项目里补了一套批量导入:新增导入脚本和后台接口,每批 25 件自动拆开,还做了重复图片的去重。

除此之外,M3.1还在首页做了搜索、分类、分页的功能。

文章配图

非常实用,系统用起来也没什么特明显的bug。

接手复杂代码考的是细心。下一个任务,考验眼睛。

◈二、多模态:看懂一段机器人做饭的视频

前面筛衣服,它看的是一张张静态照片。这一次,换成连续的视频。

视频比照片多了一个维度:时间。

视频相对就更难一点。机器人采回来的视频,要有人一段段标记清楚:哪一秒拿起了什么,哪只手在动,这一步到底做成没有。

这是具身智能团队每天都在干的苦活。我找了斯坦福 Mobile ALOHA 的官方演示视频:机器人自己做一盘虾,77 秒,一镜到底。

文章配图

我要求:

完整看完这段视频,按实际动作变化拆解,每一段写清底座、左臂、右臂各自在干什么,物体处于什么状态。标出加油、放虾、拿铲、翻虾、倒入碗等事件;视频里没看清的写「无法确认」,不许补全。

M3.1 交回来的是一张 Excel:

文章配图

时间码表拆得很细。每一行都分开写了机器人底座、左臂、右臂各自的动作。

单看右臂,几乎每一格都写着「收拢待机」。

加油、放虾这几步,都是左臂一只手干完的。

这种细节,我们只看视频很容易滑过去,但一拆成表格就藏不住了。

表格最后,它还单独列了一页「关键事件」:加油、放虾、翻虾、倒进碗……

每件事从第几秒到第几秒,一眼就能找到。

文章配图

最有意思的是标粉的两行。一行是「翻虾」,它写的是:没看到,没法确认。

视频里虾始终没离开过锅面,它就不说翻过了。

另一行是「把锅放回灶上」,它写的是:没发生。锅最后被放在了台面上。

对标注数据来说,一格诚实的「无法确认」,比十格编出来的「是」更值钱。

接着,我让它把这张表做成一个能拖、能回放的网页。

基于时间码表,做一个单文件、离线可打开的「Cook Shrimp 任务回放台」。左边视频,右边事件时间轴,拖动时视频、关键帧、事件卡同步;四个任务阶段用不同颜色标出,无法确认的阶段显示灰色。不要伪造机器人控制器。

文章配图

页面左边播视频,右边是一条四色进度带,对应准备、翻面、移动、倒入碗四个阶段。「翻面」那一段是灰色的,还打了个问号,因为前面那张表里,它就没能确认。

视频往前播,右边的事件卡跟着一张张亮起来。每张卡都附了一行「无法确认」,写清这一步哪里看不清。

回放台把表格里的每一格诚实,原样搬进了交互里。

◈三、数据可视化:城市在夜里亮起来了吗

前两个任务,输入都是人眼能直接看懂的照片和视频。

这一次,我给它的是一堆人眼看不懂的数字。

同一片北京,我要求模型把 2015 年 11 月和 2020 年 11 月的两份卫星夜光栅格做一个对比。

文章配图

我要求:

先读文件、出数据质量报告,再做一个离线单页,标题叫「城市在夜里亮起来了吗?」。把夜光栅格抬成一块 3D 地形,拖动年份就能看到北京在夜里怎么亮起来;支持左右对比、拖动擦除和变化图三种模式。

文章配图

页面打开,一条竖线从左往右扫过去,线左边是2015,右边是2020。线扫过的地方,城区的光斑一下子铺开。

地图上还叠了一层北京的城市骨架:二环到六环、中关村、奥林匹克公园、天安门、CBD、首都机场,左下角有一个小地图,用橙框标出当前裁剪的范围。

看起来非常清晰。

◈四、金融:一个市场观测台

最后是金融场景。

我要求:

用本地的 A 股数据做一个「市场天气台」。先检查数据是否新鲜、字段是否齐全,再做页面。从市场宽度、波动、回撤、板块轮动一路点到单只股票,每个数字都要能说清怎么算的。数据过期就不许写「今日行情」,不给任何买卖建议。

文章配图

页面最顶上一行,先交代数据本身:数据截止2026年9月28日,标的4603只。

下面是四张卡片。

市场宽度:当天中位数收益 −1.71%,805只涨、3687只跌、100只平。

往下是一张「行业地图」。103 个行业,每个是一个圆点:越往右,最近一个月涨得越多;越往上,价格起伏越大。点哪个行业,哪个就亮起来。图下面还特意写了一句:右上角不等于「值得买」。

点进一个行业,比如林业,能看到它不同时间段的涨幅:近三个月涨了两成多,最近一个月却几乎没动。一眼就知道,这一波涨是之前的事了。

文章配图

再点一层,就是这个行业里的每一只股票,点哪只都能看它的 K 线。

◈五、速度与成本

跑完 M3.1,我们把同样的 prompt 原样交给 DeepSeek V4.1 Flash 和 GLM-5.3-Flash,各跑一遍。

试衣那个任务没放进对比,先看用时:

文章配图

单看用时,DeepSeek 最快,四项里拿了三个第一;GLM 最慢,北京夜光跑了一个半小时,最后也没把页面交出来。

不过三家都是几个任务同时开跑,用时里还混着跑命令、开浏览器、截图的时间,只能看个大概。

成品质量上,差距很小。

做虾视频,三家都拆出了带时间码的动作表,思路差不多。在最难判断的「翻虾」上,M3.1和DeepSeek标成了无法确认,GLM 则给出了翻面的判断。

文章配图

北京夜光,M3.1 和 DeepSeek 算出来的变亮比例都是 27.6%,数据完全对得上。

文章配图

回放台三家都做出了能拖、能回放的页面,交互也差不多,M3.1 的页面更简洁一些。

A 股观测台,三家都做到了先查数据、再出页面,各有各的细节。

文章配图

再看花费。

DeepSeek 这一批花了约 10 元,GLM 约 21 元。M3.1 用的是 Max 档 Token Plan,每月 119 元,一个下午用掉周额度的 10% 左右,折下来不到 3 元。

需要说明的是,GLM 这边走的是智谱官方 API 按量计费;如果换成智谱的 Coding Plan 包月套餐,同样的活会划算很多。

价格方面,M3.1 目前只能走 MiniMax Code 和 Token Plan,官方没有公布 API 单价。作为参照,上一代 M3 的 API 价格是每百万输入 0.3 美元、输出 1.2 美元。

文章配图

速度方面,直接说结论:这批任务里 DeepSeek 最快,M3.1 次之,GLM 最慢。M3.1 在 A 股观测台上是三家里最快的,其余三项排在 DeepSeek 后面。

把这几个成品放在一起看,M3.1的智力未必顶尖,但作为一个 Flash 档的干活模型,DeepSeek V4.1 Flash 这回,又多了一个对手。

文章来自于微信公众号 “夕小瑶科技说”,作者 “夕小瑶科技说”

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)