MiniMax开源M3.1 Flash，上线72小时处理超100万亿Token

开源大模型的竞争，正在从“参数多大”转向“跑起来多便宜、多快”。MiniMax开源的M3.1 Flash给出了一个很直观的数字：相较上一代M3，使用成本降低70%，线上推理速度提升近3倍，而上线72小时，处理量就超过了100万亿Token。对开发者来说，这三个数字连在一起，意思很简单——同样的预算，能跑更多的请求；同样的请求，等得更短。

成本降七成，意味着什么

大模型真正落地时，成本往往比榜单分数更决定生死。一个客服、一个搜索助手、一个代码补全工具，每天要处理海量请求，单次调用便宜几分钱，规模放大后就是几十万、上百万元的差距。M3.1 Flash把成本压低70%，相当于把原来只能给少数用户提供的智能服务，扩展到更广泛的场景里。对中小团队尤其如此：他们不需要自建庞大算力，也能用得起一个速度和成本都过关的模型，先把产品跑起来，再谈优化。

速度提升近3倍，体验的差别在哪里

推理速度提升近3倍，表面上是等待时间变短，实际上改变的是产品形态。回答慢半拍的助手只能做问答，回答跟得上思路的模型才能做实时协作、边想边改、多轮连续对话。速度上来后，开发者可以把模型放进更贴近实时交互的位置，例如在线客服的即时回复、办公场景的边写边改、以及需要连续推理的智能体任务。换句话说，速度不只是体验优化，它决定了模型能进入哪些场景。

72小时100万亿Token，是一次承载力公示

上线72小时处理超100万亿Token，这个数字本身也是一份承载能力的证明。模型发布后第一波流量往往最汹涌，能扛住并且保持速度，说明背后的推理服务、调度与稳定性经受住了考验。对正在选型的团队而言，这比单纯的宣传更有参考价值：一个模型好不好用，不仅看它在测试集上的表现，还要看它在真实高并发下会不会掉链子。MiniMax这次用72小时的实际处理量，给出了自己的答案。

对开源生态的连锁反应

一个成本更低、速度更快的开源模型发布后，连锁反应往往比模型本身走得更远。独立开发者可以用它快速验证产品想法，中小企业可以把它接入已有的业务流程，研究者则可以在它的基础上做微调、做对比评测、探索新的应用方向。开源的真正价值，从来不在于某一个版本的数字，而在于有多少人愿意基于它继续往下做。M3.1 Flash上线72小时的处理量，已经说明了第一波使用热情；接下来要看的，是这批使用者里能长出多少持续运行的应用，而不是一次性跑分的热闹。

价格战之后，成本下降能不能持续，同样值得追问。早期的降价往往来自补贴与规模效应，而长期的成本优势，最终要靠模型架构、推理优化与算力效率来支撑。M3.1 Flash把成本压低七成，如果这背后是实打实的效率提升，那么它的价格就站得住；如果只是短期策略，开发者在选型时就要多留一个心眼。好在72小时的处理量已经给出了一个初步的验证信号，剩下的，就看它在更长时间里的稳定性了。