匿名「太空兔」谜底揭晓，MiniMax M3.1 Flash把脏活累活全扛了

赶在十一长假前，AI 圈先被一只「兔子」搅热了。9月23日，模型聚合平台 OpenRouter 和编程工具 OpenCode 同时上线了一个匿名模型，叫 Space Bunny Alpha，限时免费。它是个 Flash 模型，推理速度快、推理强度可调，上下文有 100 万 token，文字、图片和视频都能直接看。OpenRouter 官方写明这是个 Flash 模型，但没说它出自谁家。

当天晚上就有开发者拿它的分词器做比对，发现文本分词器和 MiniMax M3 完全一致，直言这只兔子几乎可以肯定就是 MiniMax M3.1。第二天又有人专门准备了 24 条探测提示词，一条条看切出多少 token，结果每条都能和 MiniMax 的模型对得上。四天后，9月27日，MiniMax 正式上线了 M3.1-Flash-Preview，推理强度六档可调，上下文同样是 100 万 token，文字、图片、视频都能直接喂，和那只兔子如出一辙。不过截至发稿，MiniMax 和 OpenRouter 都还没出来认领。答案是谁家不重要，重要的是 Flash 这条赛道上，MiniMax 已经甩出了一张牌。

我把这个模型拉出来狠狠测了一圈。先说那个 AI 圈的经典题。2024 年，Django 的联合创始人 Simon Willison 提了个提示词：生成一个骑自行车的鹈鹕的 SVG。这题刁钻，自行车看着简单，但 2006 年利物浦大学的心理学家发现，40% 的人认不出车架、脚踏和链条的正确位置；鹈鹕骑车这种现实里不存在的组合，落在训练数据分布之外，想抄都没得抄。去年 6 月 Simon 自己回顾时，大部分模型还画得一塌糊涂。

我把同一句提示词分别交给 M3.1 Flash 和上一代 M3。M3 把鹈鹕和自行车都画了出来，但细节差一点，车上少了车座，脚踏也没连上车架。M3.1 明显更好，鸟喙和喉囊特征突出，车座稳，车架是标准的菱形，脚踩踏板、翅膀扶车把，处处对得上。两张图拉开差距，是因为 M3.1 更肯花功夫——画图时它一边画一边截图看效果，前后自己检查了 9 次，发现不对就动手改。

换成看图写代码，它也拿手。我们要给一款智能喂猫器做产品落地页，没写需求文档，只甩给它一张手写的线框图，图上除了布局方框，还潦草地手写了 7 条要求。它得先认出这些手写字，弄懂要求，再一条条做成真功能。最后 7 条要求一条不落全做成了，首屏那只猫的头会跟着鼠标转，预约表单手机号输错，输入框还会抖一下提醒。做完它还在电脑和手机两种屏幕上各截了图，对照要求逐条检查。

做网页还得能把数据讲清楚。我让它用真实气象数据，画上海 1940 到 2025 年的气温螺旋图。它得自己找数据、自己整理，画出来的每个点还得和原始数据对得上。它从公开历史天气接口拉下这 86 年每一天的记录，一天不缺，整理成月数据。图能看出升温最明显的是春天——2016 到 2025 年，3 月比基准高了 3.43°C，7 月只高 1.73°C；35°C 以上的高温天，1940 到 1990 年这 51 年加起来 125 天，2016 到 2025 这 10 年就有 139 天。做完它写了测试，把画出来的 1032 个数据点逐个反算核对了。

最近 Claude Opus 5.5 生成视频很火，还有人晒出 12 小时后自动生成的 MV 被马斯克称为「神作」「史诗级大作」。我给 M3.1 Flash 出了道创作题，用 Python 做一部实验短片，主题是「作为一个大模型，是什么感觉」，风格走 YouTube Poop 的路子——画面乱切、故障特效满屏飞，但又不能只是恶搞，还得带点诗意和不安。构思、分镜、特效、配乐到合成全得它一个人包办，每帧画面还得靠代码算出来。25.7 分钟后，一部 88 秒的短片出炉，把大模型的工作方式拍成了七幕，从开机自检开始，字幕里写着「不是我在挑词，是概率分布在挑我」。片子没用一张现成素材，画面、旁白、雨声和打字声全是代码生成的，渲染完它还自己抽帧检查，揪出两处 bug 重新渲染了一遍。

不过 Flash 每天真正要扛的，是写业务代码、修 bug 这些活。我照着一套越用越卡的客服工单系统，塞进 1.2 万张工单，只甩给 M3.1 Flash 几句用户吐槽：列表打开慢、搜索打字卡、页面越切越卡。它把几种卡顿亲手复现了一遍，对着性能数据一层层挖，前后揪出 6 个拖慢系统的真凶逐个改掉。改一次工单状态，原版要等 12.7 秒，修复版只要 0.013 秒，1.2 万张工单一张没少，事先藏好的 22 条功能测试也全通过。

还有一种更阴险的 bug，根本不报错。数据团队常用的 SQL 工具 sqlglot，在化简 SQL 时会弄丢括号，把 2(10-5) 改成 210-5，结果从 10 变成 15，但程序照常运行，报表里的数字就这么悄悄错了。M3.1 Flash 修好这个例子后没急着交差，自己写了一套测试，在真实数据库上把化简前后的计算结果比对了 3190 次，顺手又揪出两个藏在代码里的相关 bug。

速度也够看。在 MiniMax Code 里把推理强度开到最高 max 档，让它写一个完整贪吃蛇游戏，不到一分钟就写出一个 492 行、双击就能玩的版本，界面显示的生成速度是每秒 123 个 token。前面那张手绘线框图，它从看图到做出能用的落地页只用了半小时出头。真实开源项目里用户报上来的问题，Hono 和 marked 各一个，它分别用 2.8 分钟和 3.7 分钟就修好，官方回归测试全部通过。

别忘这只是一个 Flash 模型。过去大家对 Flash 的预期只是「便宜、能用、快」，现在不一样了——M3.1 Flash 完全接得住脏活累活，交出来的东西「拿来就能用」。把视线拉远，当下的「Flash 模型之战」正神仙打架：OpenRouter 上 DeepSeek V4.1 Flash 周调用量高达 19.6 万亿 token，智谱 GLM 5.3 Flash 以 16.3 万亿稳扎稳打，连小米的 MiMo 系列也在发力。Flash 这一仗 M3.1 刚上场，接下来的 Pro 会有怎样的加速度，更值得盯着看。

相关链接
- 新智元原文：https://www.aiera.com.cn/asi-post.html?id=116213