10 月 19 日晚，MiniMax 官方发布公告，正式认领了过去 13 天里开发者圈最大的悬念：在 OpenRouter 与 OpenCode 上以零定价匿名承接真实流量的 Space Bunny，就是 MiniMax M3.1 Flash。公告同时给出了基准成绩、API 定价与接入方式，并确认模型权重后续开源。几组关键数字先摆在这里：匿名期累计处理超 200T token（官方口径）、Agent 类任务综合使用成本较前代下降 70%、线上输出速度 200+ tok/s。一只没人知道出身的太空兔，先用 13 天无人监考的真实负载跑完一场大考，然后才交卷签名——这套打法本身，比任何一张跑分表都更值得拆解。
先说边界：本文事实基于算力豹、DOIT、PANews、腾讯新闻 2026-10-20 前后报道与 MiniMax 官方公告交叉整理；文中全部基准分数均为厂商自报（官方口径），尚无第三方复现；价格为快照，以官方页面为准；非投资建议。
一、13 天时间线：一只零定价太空兔的完整生命周期
先把时间线捋清楚。9 月 23 日，Space Bunny Alpha 在 OpenRouter 与 OpenCode 双平台上线：没有厂商署名，没有模型卡，输入输出定价为零，唯一的自我介绍是规格本身——1M 上下文窗口、文本/图片/视频三模态输入、工具调用、五档推理强度。免费、匿名、规格唬人，它迅速积累起第一批真实用户。
第二天社区就开始了指纹鉴定。9 月 24 日，有开发者通过分词器比对与 token 计数发现它与 MiniMax 家族高度吻合；同期还有人注意到，MiniMax Code 仓库的测试代码里提前写入了 MiniMax-M3.1 的配置。官方没有戳破悬念，猜测反而越滚越大。
9 月 27 日，MiniMax Code 平台静默上线了 M3.1-Flash-Preview——没有官宣，没有跑分，属于典型的「只做不说」。9 月 30 日，Space Bunny 录得 OpenRouter 当月单日最高调用量；第三方追踪数据显示，其峰值周 token 调用量超过 28T。注意区分这三个数字：单日纪录是平台侧可查的，28T 是第三方追踪口径，官方后来公布的「累计 200T+」是整个匿名期的总量——三者在时间维度上不是一回事，引用时不能混。
10 月 1 日，页面挂出下架预告横幅，宣布 10 月 5 日停止服务。这是 stealth 匿名系列里第一个提前公布「死期」的模型——此前几只匿名动物来去都不打招呼。10 月 5 日，Space Bunny 按预告下架。10 月 19 日晚，MiniMax 官宣认领，谜底揭晓；权重方面官方只说「后续开源」，未给确切日期，多家报道称或为 10 月 23 日——这一点在下文还会展开。
二、匿名灰度范式：免费送 13 天算力，厂商到底在买什么
Space Bunny 不是第一只匿名动物，却是动静最大的一只。这个范式此前已有三个前例：Pony Alpha 揭盅为智谱 GLM-5，Hunter Alpha 是小米 MiMo，Ox Alpha 则是 GLM-5.3 Flash。与它们相比，Space Bunny 承接的流量最大、匿名期最长——13 天，几乎是最短前例的两倍还多。
这套范式值得认真拆解，因为它本质是一场设计精巧的对照实验。匿名加免费，意味着用户的每一次调用都只基于模型体验本身：没有品牌光环加成，没有价格锚点干扰，没有粉丝滤镜。厂商由此拿到的是市面上最干净的评估数据——真实负载的构成、任务类型的分布、高峰时段的波动，以及最珍贵的长尾失败模式。这些数据靠内部评测永远造不出来，因为内部评测遇不到真实用户最刁钻的输入。发布后再公布跑分，顺序从「先承诺、后验证」变成「先验证、后承诺」，风险前置给了自己，可信度却指数级放大。
为什么 MiniMax 需要这一场？背景是 M3 的发布遇冷：Artificial Analysis 智能指数上仅列主流模型第九，摩根大通下调了评级，公司市值自高点缩水超过八成。在这样的口碑与资本市场环境里，任何高调发布会都会被放进既有的负面叙事里解读。匿名灰度恰好绕开了这个包袱：先让模型凭体验攒下 200T token 的成绩单，再揭晓身份，把「MiniMax 出了新模型」这个消息压到用户已经用过、已经认可之后才释放。对一家处在信任低点的公司，这是教科书级的公关工程。
社区 13 天的实测也值得如实记录，正反两面都有。正面：多位开发者观察到模型的自我核验行为——执行任务途中主动截图检查中间结果，在宣告完成之前先修掉自己发现的问题，这在同档位模型里并不多见。负面：幻觉率偏高被反复提及；同一提示词多次运行的一致性差，结果稳定性存疑；默认推理档位是 max，简单任务也会烧掉大量推理 token——免费期无所谓，付费后这就是实打实的账单。这些观察来自社区开发者，样本有限，但与「五档推理强度」的产品设计放在一起看，档位选择的必要性倒是被反面验证了。
三、成绩单与价格：官方口径的数字，先对齐再判断
10 月 19 日公告给出的基准成绩如下（全部为厂商自报的官方口径，尚无第三方复现，引用时请注意）：
| 基准 | M3.1 Flash 成绩 | 备注 |
|---|---|---|
| DeepSWE v1.1 | 73.7% | 编程 Agent |
| OSWorld V2 | 61.7 | 官方称国产第一 |
| Agents' Last Exam | 29.6 | 官方称国产第一 |
| CyberGym | 82.2 | 安全任务 |
| Automation Bench v1.0.6 | 62.8 | 部分媒体引 62.2 |
| BankerToolBench | 76.2 | 金融工具调用 |
| LOCA 256K | 60.3 | 长上下文 |
| Terminal Bench 4.0 | 38.1 | 终端任务 |
| HLE | 43.4 | 通用推理 |
两个细节必须交代。其一，「国产第一」的官方说法仅覆盖 OSWorld V2 与 Agents' Last Exam 两项，不可外推为全面领先。其二，Automation Bench 存在 62.2 与 62.8 两个数字在媒体间流传，来源是表格口径与 max 档复测口径的差异——62.8 为官方表格数字，62.2 来自另一口径，本文并写供读者自行判断。另外，官方口径还给出一个有意思的推算：Agents' Last Exam 的 152 道题全部通过，预估成本约 739 元（官方口径，参考第三方复现前作的方法）。
效率与成本方面，官方口径的数据是：线上推理速度较前代提升近 3 倍，输出速度 200+ tok/s（P50 为 170+）；Agent 类任务综合使用成本下降 70%。
价格是本次发布媒体引用最多的部分，但存在两套口径，需要并写。英文报道（PANews）口径：输入 0.15 美元、输出 0.60 美元每百万 token；中文报道（腾讯新闻）口径：输入 1 元、输出 4 元、缓存读取 0.1 元每百万 token。两套数字按汇率并不能完全对上，档位定义也可能存在差异，官方未逐一说明对应关系，本文不做取舍，采购评估时以官方定价页面为准。
还有一个容易被忽略、但直接影响采购决策的细节：M3.1 Flash 的思考过程不可关闭——在 API 里尝试关掉推理会直接报错，只能调节推理档位。对确定性要求高、预算敏感的场景，这意味着即便简单任务也会产生推理开销，接入前需要把这一条算进成本模型。
再说说规格组合意味着什么。1M 上下文窗口加视频输入，给 M3.1 Flash 在 Agent 任务面上划出了明确的差异化：一整段屏幕录像、一个完整会话的操作轨迹、甚至几十页的产品文档，都可以塞进同一次请求。对需要「先看屏幕、再动手」的自动化场景，传统做法是把视频切片、抽帧，分别跑 OCR 与描述再喂给文本模型；单一模型原生吃下输入，流水线的搭建成本和逐级误差传递就都省掉了。这也是它在跨 SaaS 自动化基准上领先的铺垫——不过这仍是从官方基准出发的推断，真实上限还有待第三方评测验证。
四、架构底座：MSA 稀疏注意力的延续，Flash 改动没有技术报告
M3.1 Flash 延续了 M3 的 MoE 规格：4280 亿总参数、230 亿激活，并采用自研的 MSA 稀疏注意力。官方对 MSA 的描述是两阶段设计：先用轻量索引筛出 top-k KV 块，再由主分支对入选内容精算，单 token 计算量约为前代的二十分之一，预填充加速超 9 倍、解码加速超 15 倍。这套架构是「Agent 类任务综合成本降 70%」的技术来源——长上下文、多轮工具调用的 Agent 场景，恰好是稀疏注意力收益最大的地方。
需要如实说明的是：Flash 变体相对标准版 M3.1 的具体改动，官方目前没有技术报告，本文不做推测。权重开源方面，官方表述是「后续开源」，确切日期未公布，多家报道称或为 10 月 23 日。协议条款、是否含商用授权等关键信息，以权重正式放出时的官方说明为准——参照行业惯例，这类细节在放出前都存在变数。
五、Flash 双子星：一个把代码做到极限，一个押注业务闭环
把 M3.1 Flash 放到同价位带的对照系里，最合适的标尺是 DeepSeek-V4.1-Flash-1017。按官方表格口径的对照如下：
| 基准（官方口径） | MiniMax M3.1 Flash | DeepSeek-V4.1-Flash-1017 |
|---|---|---|
| Terminal Bench 4.0 | 38.1 | 42.3 |
| DeepSWE v1.1 | 73.7% | 77.0% |
在编程向的基准上，DeepSeek 更强——Terminal Bench 4.0 与 DeepSWE 两项都领先，而且其权重以 MIT 协议开放、可自行部署，工程自主性更好。MiniMax 的优势在另一侧：跨 SaaS 的自动化与 Computer Use 类任务领先，并且是同档位里唯一支持视频输入的模型——浏览器操作、界面理解、多模态 Agent 这些「端到端业务闭环」场景是它的主场。
两条路线的分化其实很清晰：DeepSeek 把工程代码做到极限，MiniMax 押注端到端的业务自动化。对读者来说，这不是二选一的问题，而是工作负载画像的问题：写代码、改仓库、跑终端任务，DeepSeek 这条线更对口；操作软件、跨系统跑流程、看懂界面和视频，MiniMax 这条线更对口。本站此前已对 DeepSeek-V4.1-Flash-1017 的权重更新有过专文拆解，两篇对照阅读，正好覆盖这个价位带的两条路线。
一个可操作的选型建议：先把负载清单列出来。如果团队日常八成是代码评审、仓库重构、终端操作这类编程任务，选编程基准更强的 DeepSeek 是更稳妥的路径；如果核心流程是在网页版 SaaS 工具之间搬数据、截图、点按钮、填表单，那视频输入与 Computer Use 的差异化就比单项基准的几分差距更值钱。预算允许的话，拿自己的真实任务把两个模型各跑一周，比任何成绩单都有参考价值——毕竟 Automation Bench 上 62.2 与 62.8 的出入，已经足够说明评测口径之间的方差可以有多大。
六、合规注脚：匿名期的免费，条款里藏着代价
匿名灰度的范式价值讲完了，必须补上它的另一面。Space Bunny 匿名期的服务条款写明：用户的提示词与补全内容可能被留存。同时，匿名期服务没有 SLA 保障、没有故障兜底机制、没有支持渠道，出问题无处申诉；数据归属与安全责任的主体在匿名期是模糊的——你不知道自己在跟谁签这份事实上的数据协议。
13 天里 200T token 的真实流量，意味着有大量企业与开发者在不知情或半知情的状态下，把真实业务数据送进了一个无厂商署名的黑箱。个人开发者用免费模型跑玩具任务无可厚非，但如果你的调用里包含客户数据、内部代码或敏感信息，匿名期的「免费」其实是以数据流向不透明为代价的。这个范式已被验证是流量引爆器，大概率还会被复用——所以这份合规注脚不仅写给这一只太空兔，也写给下一只。
一句话收尾：当匿名期的 200T token 先替跑分表说话、揭盅时价格已经砍到输入 1 元级，「先用后评」的发布范式第一次跑通了全流程——但免费的对照实验，代价是参与者的数据流向没人替你看守。
参考来源
- MiniMax 官方公告（2026-10-19）：M3.1 Flash 发布与 Space Bunny 认领
- 算力豹（2026-10-20）：M3.1 Flash 发布报道
- DOIT（2026-10-20）：M3.1 Flash 发布报道
- PANews（2026-10-20）：M3.1 Flash 定价与基准报道
- 腾讯新闻（2026-10-20）：M3.1 Flash 中文口径定价报道
延伸阅读
- DeepSeek 又上新：权重免费下，任务账单砍六成：DeepSeek 又上新：权重免费下，任务账单砍六成
- 终端里的开源对手：MiniMax 摊开 mcode 底牌：MiniMax Code 命令行上手：把 M 系模型装进终端
- Seedance 2.5 vs MiniMax H3 横评：30秒长叙事 vs 带声多镜头：Seedance 2.5 对阵 MiniMax H3：视频生成双雄横评