10 月 19 日 MiniMax 发了 M3.1 Flash，几个数字挺扎眼：1M 上下文、DeepSWE 74%、价格是 M3 的三分之一，而且权重说 10 月 23 日放。这条我先记着，等权重出来再实际跑一遍。

信息验证截至 2026-10-20。注意：本文数据来自公开聚合站的月度汇总与模型发布追踪站，尚未逐一核对 MiniMax 官方发布页，等权重开放后我会补一次实测。

已知信息

| 项目 | 数值 |

|------|------|

| 发布时间 | 2026-10-19 |

| 上下文窗口 | 1M token |

| 多模态 | 是 |

| 思考深度 | 可调 |

| Automation-Bench | 62% |

| DeepSWE | 74% |

| API 价格 | 输入 $0.15 / 百万 token，输出 $0.60 / 百万 token |

| 权重开放 | 2026-10-23（官方口径） |

| 成本对比 | 约为 M3 的三分之一 |

还有个背景：这个模型之前叫 Space Bunny，是改名后发布的。

我关心的三点

一是"1M 上下文 + 可调思考深度"这个组合。 长上下文现在不稀奇了，稀奇的是思考深度能调——意味着同一个模型可以在"快而浅"和"慢而准"之间挪。对 agent 工作流来说这比单纯堆上下文有用：路由、分类这类活儿调浅，关键决策调深，成本可控。

二是价格。 输入 $0.15、输出 $0.60 这个档位，配 1M 上下文，明显是冲着"高频调用"去的。如果真能做到 M3 三分之一的成本而 benchmark 不掉太多，那 agent 循环里那些 repetitive step 的成本账就能重算了。

三是权重。 这是最值得盯的一项。API 再便宜也是跑在别人的机器上，权重放出来才能塞进自建环境、自己控制显存和并发。10 月 23 日是个关键日期。

存疑的地方

62% / 74% 这两个分是怎么测的，官方没在聚合站里给出完整条件（是否开思考、是否用工具、跑几遍取均值）。在拿到一手评测配置之前，我只当参考值。

74% 这个 DeepSWE 分数，跟谷歌 Gemini 4 Argon 公布的 DeepSWE v1.1 77.9% 不是一个明确可比的口径（版本与测试条件都不确定），不要直接横比排名。

权重开放时间已经改过一次口径（不同来源写法略有出入），以官方为准。

下一步

权重放出后值得做的两件事：一是拉下来在自己的推理框架上跑一次，测真实吞吐和显存占用，别信纸面数字；二是拿自己手头的任务跑一遍，看榜单分数落到具体场景里还剩多少。聚合站的分数是别人的任务，不是你的。

常见问题

Q：1M 上下文实际用得满吗？

用得满不满取决于你的任务。长文档理解、仓库级代码改动这类用得上；日常问答塞满反而拖慢且更贵。

Q：可调思考深度怎么选？

简单分类、路由这类选择题调最浅；需要多步推理或会触发实际操作（改文件、发请求）的调深。

Q：权重开放后能在消费级显卡上跑吗？

取决于参数量和量化方案，官方尚未公布完整信息，等 10 月 23 日看。

参考

HeadsUpAI 2026 年 10 月 AI 发布汇总：headsupai.io/ai-news-and-updates/this-month

LLM Gateway 模型发布时间线：llmgateway.io/timeline

MiniMax 官方渠道（权重与评测一手信息以官方为准）