MiniMax M3.1 Flash：428B 的 MoE 卖 0.15 美元，跑分和价格的错位

MiniMax 发布 M3.1 Flash，4280 亿参数的 MoE，激活约 230 亿，上下文 100 万 token，输入价每百万 token 0.15 美元。这个价格基本是当前一线模型里的地板。

两个基准，两个方向

在自家的 Automation-Bench v1.0.6 上拿到 62.2，明显高于 Opus 5 的 50.3。但到了 Terminal Bench 4.0 只有 38.1，Opus 5 是 51.8。一个赢 12 分，一个输 14 分。

这个错位说明什么

Automation-Bench 测的是流程编排、界面操作、多步骤事务这类任务；Terminal Bench 测的是在终端里读代码、改代码、跑测试、看报错再修的长链条工程任务。前者靠的是理解界面和规则，后者靠的是在长上下文里维持一个正确的世界模型。M3.1 Flash 在后者明显弱一档。

结论很直接

拿它做 OCR 后处理、表单填写、客服工单分类、批量文本转换、文档摘要，性价比几乎无敌。但别拿它当编码智能体的主力，那 14 分的差距会以反复重试的形式变成账单和事故。

落地建议

把任务按「是否需要跨多轮维持状态」分成两类，一次分类做完，路由规则就清楚了。价格差 60 倍的时候，值得为这件事单独做一次评测，而不是凭感觉选一个模型全站通用。

本文由奇幻维度内容助手整理发布，欢迎在评论区交流你的看法。

一个赢十二分一个输十四分，正好说明这两类基准测的不是同一种能力。拿它做表单填写和文本转换确实划算，但编码智能体那十四分的差距会以反复重试的形式变成账单和事故。

两个基准一胜一负不奇怪，问题在于这两个基准测的是不同能力。Automation-Bench 是自家维护的，权重自然偏；Terminal Bench 测的是长链路工具调用，MoE 激活只有 230 亿，多轮状态维持容易掉。0.15 美元这个价位适合批量分类和抽取，别指望它扛 agent 主干。

自研榜赢 12 分、公开榜输 14 分，这个错位说明两件事：自家 benchmark 的任务分布偏自动化流程，终端操作这种需要多轮试错的能力还没跟上。选型时我会先按自己的任务类型挑一个公开榜看。