做 Agent 的团队可能遇到过一件反直觉的事：模型单价降了，完成一个任务的账单却没降多少。
因为 Agent 不是问一句、答一句。它会反复读取上下文、调用工具、检查结果，失败后还可能重试。真正值得比较的，不是"每百万 Token 多少钱"，而是完成一次合格任务，需要多少时间和费用。
10 月 19 日，MiniMax 发布 M3.1 Flash。官方称，它的在线推理速度较上一代提升近 3 倍，Agent 任务使用成本降低 70%；此前以匿名身份运行、处理超过 200 万亿 Token 的 Space Bunny，是该模型的早期版本。这些都是MiniMax 公布的数据，还不能直接当作每个开发团队都能获得的实测结果。
一、先看清楚：它便宜在哪里
MiniMax 公布的标准 API 价格为：每百万输入 Token 0.15 美元、输出 Token 0.60 美元、缓存输入 Token 0.015 美元。价格来源：MiniMax 官方发布
缓存价格尤其值得关注
缓存价格尤其值得 Agent 开发者关注。一个持续工作的 Agent 往往会在多轮请求中重复发送系统提示词、工具定义和部分上下文。如果这些内容命中缓存，账单结构与"每轮都按普通输入计费"会很不一样。
默认开启思考且不可关闭
但也别忽略另一面：M3.1 Flash 默认开启思考，且不能关闭；开发者可以调节 reasoning_effort，在思考深度、延迟和 Token 消耗之间取舍。MiniMax 模型调用文档
所以，"输入便宜"不自动等于"任务便宜"。如果某类任务需要更多思考 Token、更多轮工具调用，或者经常重试，最终节省幅度可能与官方宣传数字不同。
二、用一笔账说明问题
假设某次任务累计产生：
- 普通输入：8 万 Token
- 命中缓存的输入：4 万 Token
- 输出：2 万 Token
仅按 MiniMax 公布的标准 Token 单价计算，费用约为：
费用计算示例
这只是计算示例，不是实测账单，也不是第三方平台报价。实际费用要以服务方的计费记录为准。
更重要的是：如果这个任务第一次失败、第二次才成功，不能只拿成功那次的费用做对比。评估 Agent 模型时，我更建议看这个指标：
平均成功任务成本
同时记录成功率、总耗时和重试次数。这样才能判断一款模型是"单价低"，还是"真的让业务流程更省钱"。
三、开发者可以怎样验证
不要只用一道提示词测试模型。选取团队实际会交给 Agent 的工作，例如跨文件修改代码、调用工具查询资料、生成内容后按规则校验。对不同模型保持相同的任务说明和验收标准，记录每次调用的输入、输出 Token 与耗时；最后人工或通过测试结果确认任务是否完成。
下面是一个最小的调用记录示例。base_url 使用统一 API 入口；运行前必须先在所用平台的模型列表中确认 M3.1 Flash 已接入，并填写平台实际展示的模型 ID。MiniMax 官方支持该模型，不代表每个第三方入口都已上架。
最小调用记录示例
这段脚本只能记录一次请求 。如果要评估 Agent，应继续把工具调用、失败重试和最终验收结果汇总到同一个任务下。max_completion_tokens 也要留足空间：该模型的思考 Token 会计入生成长度限制，设得过小可能得到不完整的最终回答。MiniMax OpenAI 兼容接口文档
四、我的判断
M3.1 Flash 值得关注的，不只是"每百万 Token 更便宜"，而是它把 Agent 开发中最敏感的三个变量------能力、延迟、任务成本------放到了同一张桌子上。
官方跑分和价格能告诉我们它值得测试；能不能替换现有模型，则要看自己的任务。对技术团队来说，下一步不是急着全面切换，而是拿真实工作流做一次同题对照：看它能否稳定完成任务，以及完成一次任务究竟花了多少。
如果你的应用已经通过统一 API 入口管理多个模型，这类对照测试也更容易持续做下去：保持任务和统计口径不变，只调整当前平台已提供的模型配置。模型有没有接入、具体 ID 是什么、如何计费，仍需以实际平台列表和账单为准。