Autor丨 Wu Haiming, Li Na
Editor丨Li Na
Apenas DeepSeek había empujado un paso más adelante el estándar de relación calidad-precio de los Flash nacionales, cuando MiniMax llegó persiguiéndolo con su "Conejo Espacial" ya sin anonimato.
El 17 de octubre, DeepSeek, al que los internautas apodan burlonamente "el pez gordo", actualizó a V4.1 Flash-1017; apenas dos días después, MiniMax lanzó oficialmente M3.1 Flash y reivindicó el modelo anónimo Space Bunny, que había despertado bastante atención en la comunidad de desarrolladores. Con los dos Flash nacionales apareciendo casi al mismo tiempo, los internautas ya empezaron a bromear con el "pez gordo" y el "conejo espacial".
Sin embargo, esta vez MiniMax no viene solo a competir por precio.
Según los datos de evaluación del modelo publicados en esta ocasión,M3.1 Flash ocupa el primer lugar en la comparación de tareas complejas de Agent en Automation-Bench, empató en el primer lugar con Opus 5 en BankerToolBench, y en relación calidad-precio de Coding solo queda por detrás de DeepSeek. Los dos Flash nacionales se actualizaron casi al mismo tiempo: uno mantiene el liderazgo en ingeniería de software y el otro logró mejores resultados en tareas complejas de Agent.
En el conjunto de datos Automation-Bench, M3.1 Flash tiene la mejor relación calidad-precio en la distribución de costos por tarea
También pusimos a M3.1 Flash a correr una tarea real: le dimos al modelo un plano dibujado a mano y una tabla de dimensiones de edificios, y le pedimos que construyera desde cero un campus 3D interactivo en el navegador.
En cuanto a los resultados, ambas soluciones cumplieron con los principales requisitos de entrega, pero MiniMax Code＋M3.1 Flash tardó 55.4 minutos, mientras que OpenCode＋DeepSeek V4.1 Flash se llevóunos 121 minutos. Convertido según la escala de precios de API utilizada en esta prueba, el costo del modelo en ambos casos rondó los 6.5 yuanes.
Con el mismo costo de modelo de apenas unos yuanes, MiniMax se ahorró unos 65 minutos.
01
El Conejo Espacial revela su identidad,
¿en qué es fuerte MiniMax esta vez?
Antes de revelar su identidad oficialmente, Space Bunny ya se había hecho notar en la comunidad de desarrolladores.
OpenRouter reveló que había ocupado el primer lugar en uso de modelos de la plataforma durante 10 días consecutivos, procesando en total 56.7T de tokens. MiniMax también confirmó en esta ocasión que este modelo anónimo procesó más de 200T de tokens acumulados durante las pruebas y el uso correspondientes.La velocidad,fue la impresión que tuvo de él buena parte de los desarrolladores.
El desarrollador Hassan compartió además en X una comparación muy gráfica: pidió a M3.1 Flash y a Claude Opus 5.5 que crearan cada uno la landing page de lanzamiento de un producto de hardware; el diseño entregado por MiniMax lo dejó bastante satisfecho, y las facturas de ambos fueron de solo 0.014 dólares y 1.22 dólares respectivamente. En su prueba, MiniMax terminó además unas 4 veces más rápido.
Por supuesto, una única prueba de un desarrollador no representa el nivel general del modelo. Pero de lo que vale la pena fijarse en MiniMax esta vez también incluye los resultados en los rankings presentados tras el lanzamiento oficial.
Hasta el 20 de octubre, en el ranking de Artificial Analysis (AA), el índice de inteligencia de M3.1 Flash alcanzó los 43 puntos, mientras que el de la generación anterior, M3, era de 29 puntos, un aumento cercano al cincuenta por ciento. Al mismo tiempo, su costo promedio ponderado por tarea bajó de 0.51 dólares a 0.22 dólares.Es decir, los puntos subieron, y el costo de completar las tareas se redujo a más de la mitad.
M3.1 Flash obtuvo 43 puntos en el ranking de AA, situándose entre los primeros modelos del mundo
Sin embargo, si de verdad se quiere medir fuerzas con el DeepSeek V4.1 Flash-1017 actualizado apenas dos días antes, ambos modelos tienen victorias y derrotas.
En el benchmark de ingeniería de software DeepSWE v1.1, DeepSeek obtuvo un 77.0%, mientras que M3.1 Flash logró un 73.7%. Aunque aún existe una brecha, este último ya se encuentra en un rango de resultados cercano al de Opus 5 (74.0%) y GPT-5.6 Sol (73.0%). Según la comparación de relación calidad-precio en Coding publicada en esta ocasión, DeepSeek ocupó el primer lugar, seguido de cerca por MiniMax.
Pero al pasar a las tareas complejas de Agent, en las que MiniMax se ha centrado esta vez, la situación se invierte. En la comparación de modelos Automation-Bench v1.0.6 publicada esta vez, M3.1 Flash superó a DeepSeek y se ubicó en el primer lugar; en BankerToolBench obtuvo un 76.2%, empatado en el primer puesto con Opus 5. Además, también logró un 82.2% en el benchmark de ciberseguridad CyberGym.
Imagen: datos de la tabla de evaluación
Los contenidos de las pruebas de Automation-Bench también son bastante cercanos al trabajo real. Fue construido por la plataforma de automatización SaaS Zapier e incluye 600 tareas reales de procesos empresariales, que abarcan escenarios como ventas, marketing, operaciones, atención al cliente, finanzas y RR. HH. A diferencia de simplemente generar un fragmento de código, este tipo de tareas pone a prueba si el modelo puede invocar herramientas de forma continua entre diferentes sistemas y llevar una tarea a cabo de principio a fin. BankerToolBench, por su parte, cambia el escenario a los negocios financieros, exigiendo mayores capacidades de planificación de múltiples pasos, procesamiento de información entre documentos y llamadas a herramientas.
Visto así, DeepSeek y MiniMax tampoco tienen por qué apresurarse a decidir un campeón absoluto.En Coding, DeepSeek sigue teniendo ventaja; en las tareas complejas de Agent, MiniMax ha descontado un punto. Para los desarrolladores, Flash nacional cuenta con una opción más capaz de competir.
Más importante aún: además de esta mejora de resultados, M3.1 Flash cuesta 1 yuan por millón de tokens de entrada, 4 yuanes de salida y solo 0.1 yuan por lectura de caché. En comparación con la generación anterior M3, los precios de entrada y salida se redujeron aproximadamente a la mitad, y el precio de lectura de caché bajó alrededor de un 75%; frente a DeepSeek V4.1 Flash-1017, sus precios de entrada y salida equivalen a la mitad de los de este en horario pico, al nivel de las horas valle, y sin distinguir entre horas pico y valle durante todo el día.
Tras la publicación de los precios, ya había quien bromeaba sobre DeepSeek en los comentarios: “MiniMax es de lo que más presume: de la relación calidad-precio, con este precio ¿para qué quiere uno un gran pez gordo, no?”.
También hubo usuarios antiguos con opiniones más directas: “No diré que sea potentísimo, pero después de estar tanto tiempo rezagado, por fin se puede decir que va al día con los tiempos”.
Bromas aparte, estas dos voces reflejan bastante bien la situación de MiniMax en esta ocasión. En el pasado, cuando se hablaba de sus modelos de texto, el precio solía ser tema de conversación más que la capacidad, y esta vez M3.1 Flash cuenta al menos con una hoja de resultados que puede compararse de frente con los modelos convencionales.El precio bajo ya no es su único punto de venta: MiniMax por fin tiene la oportunidad de que los desarrolladores debatan a la vez sobre su capacidad y su relación calidad-precio.
02
Prueba en la práctica: para construir el mismo campus 3D,
MiniMax tardó 65 minutos menos
Los dos modelos Flash de la tabla tienen ventajas distintas, así que les asignamos la misma tarea práctica: a partir de un plano dibujado a mano de un campus y una tabla de dimensiones de los edificios, construir desde cero un campus 3D interactivo que funcione en el navegador.
Los materiales de la prueba eran un plano dibujado a mano del campus y una tabla de dimensiones de los edificios, con el requisito de completar la distribución del campus y la comprobación de conflictos, escribir un script de Blender para el modelado, conservar los archivos fuente editables y exportar en GLB, y luego crear una página web interactiva con Three.js que permitiera seleccionar edificios, ver detalles, posicionar la cámara y simular el tiempo.
Las pruebas se realizaron por separado con MiniMax Code＋M3.1 Flash y OpenCode＋DeepSeek V4.1 Flashque se ejecutaron en el mismo entorno local.
Plano dibujado a mano del campus y tabla de datos de dimensiones de los edificios
▎Ambos entregaron el trabajo, pero MiniMax ofrece detalles interactivos más ricos
Si miramos primero los resultados entregados, ambas soluciones cumplieron los requisitos principales, aunque la presentación de la página fue diferente.
DeepSeek se inclinó más por mostrar los datos de los edificios, organizando la información mediante una lista a la izquierda, un panel de detalles a la derecha y un control deslizante de tiempo en la parte inferior; MiniMax, en cambio, colocó la numeración de los edificios, la información del terreno y el cambio de vista en posiciones más destacadas, y al hacer clic en un edificio aparecen además un contorno resaltado en naranja y etiquetas flotantes, lo que hace más intuitiva la correspondencia entre la escena y los datos de los edificios.
Ambos conservaron los archivos fuente editables, y los modelos GLB exportados pasaron la verificación de los seis números de edificio. En esta tarea, ambas soluciones entregaron proyectos funcionales que se pueden seguir modificando después.
▎Por casi los mismos 6.5 yuanes, MiniMax entregó una hora antes
La verdadera diferencia está en el tiempo.
Según las estadísticas de las sesiones locales, la combinación de MiniMax tardó 55.4 minutos, mientras que la de DeepSeek tardó unos 121 minutos. La primera empleó unos 65 minutos menos, reduciendo la duración de la sesión en un 54%.
Las facturas de los modelos de ambos lados apenas se diferenciaron. Convertido según los precios oficiales de la API verificados el 20 de octubre, el coste del modelo de MiniMax para esta tarea fue de unos 6.50 yuanes, y el de DeepSeek, calculado a precio de horas punta, fue de unos 6.52 yuanes. La tasa de aciertos de caché de esta ejecución de MiniMax alcanzó el 98.1%, lo que también le ayudó a mantener bajos los costes de las llamadas consecutivas de múltiples rondas.
Con todos los requisitos principales de la entrega cumplidos y costes de modelo casi iguales, MiniMax completó en menos de una hora el trabajo que a la combinación de DeepSeek le llevó unas dos horas. Para un Agent que necesita llamar herramientas de forma continua y modificar código repetidamente, esperar una hora menos es en sí mismo una ventaja bastante práctica.
03
Flash empieza a disputar el terreno de los modelos insignia y
la guerra de precios se traslada al coste por tarea
Antes, Flash se consideraba más que nada una alternativa barata a los modelos insignia.
Solo cuando el presupuesto era limitado y la tarea sencilla, los desarrolladores consideraban primero Flash; ante un proyecto complejo de ingeniería de software o una tarea de múltiples pasos, lo habitual era dejarlo en manos de un modelo insignia más capaz. Pero con las actualizaciones sucesivas de DeepSeek y MiniMax, esta elección empezó a cambiar.
Especialmente en escenarios de Agent, el modelo debe leer archivos una y otra vez, llamar herramientas, modificar código y gestionar errores. Una tarea puede durar decenas de minutos o incluso horas, y lo que el desarrollador necesita saber escuánto tiempo y cuánto coste requiere en total para completar todo el trabajo.
La comparación de costes ALE publicada por MiniMax en esta ocasión ofrece un ejemplo muy ilustrativo.
De las 152 tareas del conjunto completo ALE-v1 Overall, M3.1 Flash logró una tasa de aprobación del 29.6%, con un coste de modelo estimado de unos 739 yuanes para toda la evaluación; GPT-5.6 Sol, con una tasa de aprobación similar (unos 30.6%), tuvo un coste de unos 5000 yuanes.
Gráfico de costes ALE
En esta evaluación, sus tasas de finalización difieren en solo alrededor de 1 punto porcentual, pero sus costes de modelo difieren en casi 7 veces.
Eso sí, una tasa de aprobación del 29.6% demuestra que M3.1 Flash todavía está lejos de poder sustituir de forma general a los modelos insignia, y en un uso real habría que incluir en el coste los reintentos por fallos y las revisiones manuales. Pero para algunas tareas complejas, los desarrolladores ya tienen motivos para probar primero Flash, en lugar de acudir de entrada al modelo más caro.
MiniMax lanzará más adelante una versión Pro que busca un techo de inteligencia más alto. Y el impacto de Flash sobre los modelos insignia ya se está haciendo visible:los trabajos que antes requerían un modelo insignia, en parte ya pueden encomendarse ahora a Flash, más barato. (Leifeng Wang (cuenta oficial: Leifeng Wang))
Artículo original de Leifeng Wang; queda prohibida su reproducción sin autorización. Para más detalles, véaseCondiciones de reproducción。