国产小模型卷到每任务两毛二

刚看到 MiniMax 发了 M3.1 Flash，第一反应不是它排第几，而是那个成本数字：单任务约 0.22 美元。在 Artificial Analysis 智能指数上它拿到 42 分，比上一代 M3 高了 13 分，成本却压到一半以下。这个组合放在一年前几乎不敢想，现在国产厂商是真把「够用就好」的推理模型做成了快消品。

横向看它跟 GLM-5.3-Flash 打平，略压 Gemini 3.8 Flash 一分，落后 Deepseek V4.1 Flash 三分。分数差距已经进入噪声区间，真正拉开身位的是几个硬核子项。Humanity's Last Exam 上它拿到 48%，把 Deepseek 和 GLM 都甩在后面；CritPt 这种研究级物理推理测试拿到 22%，比 GLM 的 15% 和 Gemini 的 18% 都高，只输给 Deepseek 的 24%。更让我意外的是事实准确性。AA-Omniscience 上它答对 56%，GLM-5.3-Flash 只有 28%，Deepseek 是 43%。这个差距不是小数点级别的，说明小模型在知识密度上已经不再天然吃亏。以前我们选便宜模型总要接受「幻觉多一点」，现在这个前提正在松动。成本能压下来，除了单价，还有一个常被忽略的变量：输出 token 数。M3.1 Flash 明显更「话少」，同样任务吐的字少，账单自然薄。官方还说它跑起来比对手快三倍，如果实测能兑现，对高频调用场景是实打实的体验差异。我的判断是，这类 Flash 级模型的竞争焦点已经从「谁更聪明」转向「谁更划算且不犯傻」。对出海团队来说，客服、内容初筛、批量翻译这些场景完全可以先切过去试，把省下的预算留给真正需要大模型的环节。唯一要盯的是稳定性，便宜和快如果换来限流或波动，账就不是这么算了。