当“更强”和“更便宜”同时出现在同一份模型更新里，它就不再是一次普通迭代，而是价格战仍在加速的信号。
发生了什么
据 The Decoder 报道，MiniMax 推出 M3.1 Flash，在 Artificial Analysis 智能指数上从此前水平跃升 13 分，达到 42 分，而调用成本只有前代的一半。在编程向的 DeepSWE v1.1 基准上，它以每个任务不到 0.30 美元的成本拿到 73.7% 的成绩，在性能与价格两个维度上同时对标 DeepSeek V4.1 Flash 1017。
需要说明的是，这些数字来自单一第三方评测与厂商披露，指数本身也只是能力的粗略投影，不宜当作绝对排名来读。但“分数上涨、单价下降”这一组合是明确的。
为什么重要
过去一年，中国大模型厂商的竞争重心从“能不能追上第一梯队”逐渐转向“同等能力下谁更便宜”。这条路径的现实基础是：在通用能力差距收窄之后，价格成为最直接、也最容易被开发者感知的差异化变量。
MiniMax 此次的做法有代表性——不是靠一个更大的旗舰模型去刷榜，而是用 Flash 这类轻量档位去承接高频、可批量、对成本敏感的调用场景。13 分的提升意味着这一档位不再只是“便宜但凑合”，而是开始接近上一代主力模型可用的水平。
更值得留意的是编程任务上的定价。按任务计价（而非按 token）的比较方式，直接把“完成一次真实编码任务要花多少钱”摆上台面，这比每百万 token 报价更贴近开发者的实际账本。当单任务成本被压到 0.30 美元以下，AI 编码代理从“演示”走向“日常跑量”的经济门槛就被进一步拉低。
影响与看点
对开发者而言，最直接的变化是选型逻辑：过去在能力接近时倾向选生态更成熟的模型，现在成本差异足够大，会促使团队把非关键路径的调用迁移到低价档位，形成“主力模型 + 廉价模型”的分层架构。
对行业而言，标题里“看不到底”的判断有一定道理，但也需要克制：价格下探的空间终究受推理成本约束，真正的分水岭在于谁能把单位智能的边际成本做得更低，而不是谁敢报更低的价。持续亏损换份额的模式难以长期维持，接下来更值得观察的是各家在推理效率、缓存与批处理上的工程能力，而非单纯的价目表。
一个独立判断：这一轮降价的意义不在于谁最便宜，而在于它正在把“按任务付费”变成行业默认的计价语言——一旦开发者习惯用“一次任务多少钱”来衡量模型，评测体系也会被迫从跑分转向真实工作流。
