国庆期间在OpenRouter匿名测试的模型Space Bunny（玉兔）被确认是MiniMax M3.1 Flash。据量子位报道，该模型在Agents’ Last Exam上得分29.6%、Artificial Analysis榜单43分，输入每百万Token 1元、输出4元、缓存读取0.1元，综合成本为上一代M3的30%。
AI解读：量子位称正式版跑分高于匿名测试期，Agent能力是主要提升点。
据量子位列出的数据：ALE（Agents’ Last Exam）29.6%，为国产模型第一；AA榜单43分；DeepSWE v1.1 73.7%；CyberGym 82.2分；BankerToolBench 76.2分，与Claude Opus 5并列第一；OSWorld V2 61.7分。
量子位称综合成本压到上一代M3的30%，并称输出速度最快200+ TPS、中位数170+ TPS。
上述跑分与对比由量子位整理，部分基准的第三方复核情况、测试配置和对比模型版本未在来源中给出；单次基准成绩只能支持相应范围的判断。
国庆期间在OpenRouter上匿名出现的模型Space Bunny（玉兔），其身份已被确认为MiniMax的新模型M3.1 Flash。量子位报道称，正式版在Agent相关评测上的成绩高于匿名测试期。
正式版跑分与匿名期对比
据量子位报道，M3.1 Flash在Agents’ Last Exam（ALE）上得分29.6%，在国产模型中排名第一；在Artificial Analysis（AA）榜单上得43分。匿名测试期间社区曾反馈其在Three.js等3D渲染和复杂前端任务上细节处理较好。
量子位同时列出其他基准成绩：DeepSWE v1.1代码工程评测73.7%；加州大学伯克利分校主导的CyberGym网络安全基准82.2分；Zapier开源的AutomationBench-AA企业跨SaaS工作流评测位居前列；金融基准BankerToolBench 76.2分；OSWorld V2桌面操作61.7分。其中CyberGym成绩被描述为与GLM-5.3（84.5）和GPT-5.6 Sol（83.6）同处第一梯队，BankerToolBench与Claude Opus 5并列第一。
- ALE 29.6%，国产模型第一（量子位统计）
- AA榜单43分
- DeepSWE v1.1 73.7%
- CyberGym 82.2分
- BankerToolBench 76.2分，与Claude Opus 5并列第一
- OSWorld V2 61.7分
价格与速度
M3.1 Flash的API定价为：输入每百万Token 1元，输出每百万Token 4元，缓存读取每百万Token 0.1元。量子位称综合使用成本降至上一代M3的30%，并称该价格与DeepSeek V4.1 Flash相近。
速度方面，量子位称M3.1 Flash采用稀疏注意力架构，线上推理速度提升近3倍，输出最快200+ TPS，中位数（P50）170+ TPS。这些数字来自媒体转述，来源未给出各基准的完整测试配置与对比模型版本。
- 输入：每百万Token 1元
- 输出：每百万Token 4元
- 缓存读取：每百万Token 0.1元
- 综合成本为前代M3的30%（量子位说法）
- 输出最快200+ TPS，P50 170+ TPS
适用场景的范围
从量子位列出的评测看，M3.1 Flash的定位集中在需要多次调用工具、串联多个子任务的Agent类工作流：代码工程与修Bug、网络安全实战、跨销售/营销/客服/财务/HR的跨SaaS流程，以及桌面操作。报道给出的单任务成本示例是AutomationBench-AA中不到0.05美元。
这些成绩说明的是上述基准和演示范围内的表现。基准分数与厂商公布的定价不能直接换算为实际业务中的节省比例或替代效果；来源也未提供生产环境部署后的效果数据。