MiniMax M3.1 Flash 評測：程式能力、API 費用、公開權重與硬體需求

更新：2026年10月23日

MiniMax M3.1 Flash 值得列入低成本程式設計與 AI 代理的試用清單。低 API 單價、百萬 Token 上下文與新公開的權重，對需要反覆修正程式、串接工具的團隊有吸引力；取捨則是推理無法完全關閉、事實回答容易過度自信，以及本機部署並不輕量。

我們的判斷是：適合有人驗收的開發及業務自動化，先比較通過測試的成果與整體成本，再決定是否切換。23B 啟用參數不等於小模型，Space Bunny 的流量也不能取代正確率。

428B／23B 是什麼意思？

託管服務於10月19日推出，權重於10月23日公開。MiniMax M3.1 Flash — Hugging Face列出約4,280億總參數、每個 Token 啟用約230億的 MoE 架構，接受文字、圖片、影片輸入，輸出文字。它不是 MiniMax H3，也不是直接生成圖片、影片或語音的模型。

新版本沿用 M3 系列架構，改為全層稀疏注意力、量化感知訓練，並附 DSpark 推測解碼草稿頭。這些設計減少推理計算量，但未啟用的專家權重仍須儲存。不能用23B直接推算完整模型所需記憶體。

公開權重與商用授權條件

官方權重已可下載，但MiniMax Community License是 MiniMax Community License，並非 MIT 或 Apache。商用時須顯示「Built with MiniMax M3.1-Flash」。相關產品或服務年營收超過2,000萬美元，須事先取得書面授權；低於門檻則須依指定方式寄送一次通知。

條款另有禁止用途，商用定義涵蓋微調後部署和商業 API。非商用使用同樣受條款約束。較精確的說法是附條件的公開權重；不能把它解讀成完全不受限制的開源，也不能以權重授權取代雲端 API 或訂閱的服務條款。

72小時、106兆與200兆 Token 如何解讀？

OpenCode原始公告將 Space Bunny 連續12天排名第一、累計106兆 Token，與新提供3天免費使用分開敘述。OpenRouter則說連續10天第一、56.7兆 Token，接著宣布72小時免費活動。這是不同平台、不同期間的數字。

MiniMax — M3.1 Flash的超過200兆 Token 指匿名運作的早期版本累計，不能據此寫成正式版「72小時處理超過100兆」。流量可能包含輸入、輸出、重複上下文與大量使用者並行，反映採用量，並非單一請求速度或有用答案的數量。免費期限與配額須查看實際供應商。

基準成績：自動化突出，程式並非全面領先

10月23日模型卡列出 Automation-Bench v1.0.6 62.8、DeepSWE v1.1 73.7、Terminal Bench 4.0 38.1。初期報導曾引用62.2；下表採最新模型卡，避免混用版本。這些比較是廠商公布的測試，不是本文自行重跑的數據。

MiniMax 在所選自動化項目領先，但 DeepSeek V4.1 Flash-1017 在 DeepSWE、Terminal Bench、NL2Repo 較高，Opus 5 的 Terminal Bench 也明顯較高。DeepSWE 使用 mini-SWE-agent 2.4.5 與512K上下文，Terminal Bench 使用 Codex 0.149.1。不同代理框架、工具、步數和基準版本會改變結果，不宜拿來排單一總名次。

採目前官方模型卡。破折號是未公布，並非零分；BabyVision 為使用工具的結果。

速度也須分清條件：MiniMax 宣稱輸出超過200 Token／秒、中位數超過170；核對時 Artificial Analysis 頁面顯示92.5 Token／秒。不同服務與量測條件不能當同條件對決。輸出吞吐不包含所有輸入處理、推理、工具與重試等待，應以自己的上下文和並行量測到可用成果的時間。

程式修正與代理工作的實際價值

適合優先試用的任務包括依日誌重現錯誤、實作範圍清楚的功能、核對試算表與來源文件，以及讓多個工具中的資料保持一致。MiniMax Code — M3.1 Flash展示支援工單介面效能分析等案例，但展示個案並不保證其他系統有相同改善幅度。

交付儲存庫、重現步驟、失敗測試和不可變更的資料，要求先解釋根據，再做最小修正並回報真實測試輸出。工具呼叫須由宿主執行；模型本身不會自動獲得電腦或企業系統權限。把可寫入範圍限制在任務所需，並驗收外部操作與程式變更。

圖片、影片與百萬 Token 上下文

介面截圖能提供畫面證據，錄影能表達互動順序。輸入圖片、影片不代表原生生成媒體；圖表、簡報或 Three.js 場景是透過程式與工具建立。這個權重的規格並未列出音訊輸入或語音輸出。

官方託管上下文上限為1,000,000 Token，API 生成上限524,288 Token，仍受請求及總預算限制，不宜直接當預設值。文件、圖片、工具歷史與推理都消耗資源。長視窗不保證記得每個細節；先提供相關檔案，要求標明來源位置，再核對跨文件一致性。公開資料未清楚標示知識訓練截止日。

推理強度與 API 整合細節

MiniMax API提供 low、medium、high、xhigh、max，預設 max，無法完全停用思考。Anthropic 相容介面使用 output_config.effort；OpenAI Chat Completions 使用 reasoning_effort；Responses 使用 reasoning.effort。客戶端若刪除不認識的欄位，可能與預期設定不同；none 或 disabled 也不受支援。

依MiniMax Tool Use保留完整助理訊息、reasoning_content 與工具呼叫 ID，再接續下一輪。部分直接工具回覆可能沒有推理欄位，程式須容許缺省。JSON 外觀仍須解析與 Schema 驗證，不代表嚴格結構保證。一般工作可從 medium 比較，難題再提高，同時限制輸出、輪數與重試。

價格與成功完成任務的成本

官方每百萬 Token 單價為未快取輸入 US$0.15、輸出 US$0.60、快取輸入 US$0.015。輸入100萬加輸出10萬，模型費用 US$0.21；若所有輸入符合快取命中，則為 US$0.075。計算不含工具、主機、稅費或重試，快取也非一律適用。這是美元價格，並非固定新臺幣收費。

應計入課金推理 Token，並以驗收成功的結果計算平均成本。便宜模型若重試多次，總費用可能反而較高。廠商稱代理任務成本減少70%，不等於所有 API 單價打三折。M Plan、MiniMax Code 與第三方免費端點有各自配額、日期和服務規則。

本機部署需要多大的硬體？

官方發布包含 MXFP8 路徑及 NVFP4 MoE 專家的混合量化，並非單純 BF16。10月23日檔案列表中的48個主要 safetensors 合計約250.1GB（十進位），另有約2.3GB DSpark 權重及其他檔案。這是下載容量加總，不是實測顯存。打包 U8 張量的元素數也不能用來否定架構標示的428B。

vLLM列出支援 Blackwell、AMD MI355X 的 TP4，以及 H100/H200 的 TP8 等伺服器方案。Hopper 範例將上下文限制到262,144、停用影片與 DSpark，顯示功能須按部署確認。還要保留 KV cache、影像處理、並行請求與執行額外空間，不能宣稱單張24／32GB完整載入。SGLang也是官方連結的路線；更低位量化與卸載需另測品質及速度。

幻覺、多語言、NSFW 與社群反應

10月23日Artificial Analysis頁面顯示 Intelligence Index 43、評測平均每任務約 US$0.22。發表時的 max 評估為42，AA-Omniscience 答對56%，幻覺率93%。依AA-Omniscience，幻覺率分母是全部非正確回覆，包含部分回答與未回答，並不是所有答案93%錯誤；它提醒我們模型遇到不知道的問題仍傾向作答。

Reddit — LocalLLaMA既有期待，也有對下載容量、推理支援的疑慮；Reddit — OpenCode有免費使用到期的使用者回報，屬個案而非控制實驗。七種語言尚沒有同樣完整的獨立結果。繁中使用者應另測臺灣用語、人名、日期、數字、程式註解及文件措辭，不要把英文基準當成繁中正確率保證。

公開權重不等於無審查或可靠的 NSFW 能力，授權有禁止用途，託管服務另有審核政策。雲端推理也不是本機處理。傳送內部程式或客戶資料前，應確認所選服務的保留、處理地區與帳戶條款；能回答繁中，不代表有繁中介面、臺幣帳單或指定地區服務。

切換前的實務試用方法

準備兩個附失敗測試的真實錯誤、一次截圖 UI 診斷、多文件數值核對，以及一個來源不足的問題。使用相同檔案、工具權限與時間預算比較，並加入繁中規格或客服內容，才能知道語言是否適合團隊。

提示詞可寫：「先重現錯誤，為每個診斷提供檔案和行號，做最小可行修正，執行相關測試並回報未解決失敗。缺少事實時請說明不足，不要猜測。」記錄通過驗收數、重試、輸入／快取／推理／輸出 Token、第一個可用結果與總耗時。這是建議測試流程，並非 AirMore 已執行的實測。

常見問題

M3.1 Flash 是完全開源嗎？

權重已公開，但 Community License 有商用標示、通知／事先授權及用途限制。部署前應讀目前版本的完整授權，用「附條件的公開權重」較精確。

一張24GB顯卡可以跑嗎？

官方完整權重遠大於此。23B指每個 Token 的啟用計算規模；卸載後能載入，不保證有可用速度、長上下文或完整多模態功能。

可以關閉推理嗎？

不行。降低 effort 可減少等待與 Token 使用，並須使用協定對應欄位。none、disabled 不是這個模型可用的無思考模式。

可以直接生成影片或配音嗎？

這個模型接受文字、圖片、影片，回傳文字。MiniMax 其他產品或外部工具可生成媒體，不能把它們的能力算成本模型輸出。

是否永久免費？

限時活動不代表永久無限使用。官方隨用隨付、M Plan 配額及第三方試用須分開查看，使用前確認目前價格及限制。

一定比 DeepSeek 或 Claude 好嗎？

不一定。廠商表格也顯示自動化部分勝出、程式部分落後。以相同工具和重試次數比較驗收結果，會比只看單一分數更有意義。

結論與資料來源

M3.1 Flash 的優勢是低價代理工作、長上下文及可下載權重。最務實的導入方式是先以託管服務做有限範圍試用，檢查正確性、測試結果及完成成本，再評估是否部署到自有硬體。自建方案還須符合 GPU、維運與授權條件。

如果需要小型桌機模型、原生影音生成、嚴格 Schema 保證或無需驗證的事實答案，它不會自動滿足這些需求。影像創作用途可另看屬不同類別的MiniMax H3，避免把模型和工具環境混為一談。

資料核對日期2026年10月23日：MiniMax M3.1 Flash — Hugging Face、MiniMax Community License、MiniMax — M3.1 Flash、MiniMax API、MiniMax Tool Use、vLLM、SGLang、Artificial Analysis及Artificial Analysis — 2026-10-19、AA-Omniscience、OpenCode、OpenRouter、Reddit — LocalLLaMA。VentureBeat亦關注費用與事實可靠性的取捨。本篇是公開資料技術評估，不是 AirMore 自行執行的 GPU 速度測試或程式模型對戰。