MiniMax M3.1 Flash 正式上线：企业 Agent 的成本该怎么算？

2026年10月19日，MiniMax 正式发布 M3.1 Flash，宣布其 Agentic 任务综合使用成本较前代降低70%，线上推理速度提升近3倍。API、MPlan 和 MiniMax Code 已提供接入，发布公告仅预告后续开放权重。这些是厂商发布信息，尚不能直接换算成某家企业的节省比例。官方发布说明

这次更新值得关注，因为低单价可能让更多日常流程进入自动化试点。但采购时真正需要回答的是：交付一件通过验收的工作，最终花多少钱？如果模型便宜了，重试、工具调用和人工返工却增加，账单依然可能上升。

先把“降本70%”拆开看

截至10月20日，国内官方按量价格为：每百万 token，普通输入1元、输出4元、缓存读取0.1元。同一价格页中的 M3 标准档、输入不超过512K时，输入与输出分别为2.1元、8.4元。按这两个单价直接比较，降幅约52.4%；发布稿所称70%是 Agentic 任务的综合使用成本口径，不能当作所有请求的统一折扣。官方价格表

两种口径可以同时成立：任务需要多少轮、生成多少内容、命中多少缓存，都会改变最终费用。企业应把供应商的综合成本结论当作测试线索，再用自己的订单、文档和操作流程验证。

建议同时保留两个指标：一次执行尝试的成本，以及一件合格交付的成本。后者等于一批任务的全部相关支出，除以其中通过业务验收的任务数。失败任务已经消耗的费用也要进入分子。

算一笔完整的示例账

假设一个资料整理 Agent 每次尝试累计消耗2万新增输入、8万缓存命中输入和1万计费输出 token。这是演示假设，不是产品实测；输出用量按接口计费记录统计，不能只数最后展示给用户的文字。

按上述价格，一次模型费用是：

• 新增输入：2万÷100万×1元＝0.020元
• 缓存读取：8万÷100万×0.1元＝0.008元
• 输出：1万÷100万×4元＝0.040元
• 合计：0.068元

如果这10万输入完全没有缓存命中，模型费用就是0.140元。样例中的缓存使单次模型费下降约51.4%，并非整项业务都节省这个比例。官方缓存采用前缀匹配，重复的工具定义、系统提示词和历史内容才有机会复用；改动前面的内容可能影响命中。缓存规则与计费说明

再假设提交1000件任务，200件各重试一次，共执行1200次，最终950件通过验收。模型总费用为81.6元，每件合格交付约0.086元。这里的重试率和验收率是彼此独立的演示条件，并非对 M3.1 Flash 的效果预测。

若每次尝试还调用两次官方服务端搜索，按0.03元/次计算，工具费增加72元。若100件任务各需人工复核1分钟，人员完全成本假设为60元/小时，再增加100元。三项合计253.6元，除以950件合格交付，约为0.267元/件，尚未计入存储、运行环境和接入维护。搜索工具单价

这组数字揭示了优化顺序：模型单价下降后，减少无效搜索、重复执行和人工复核，可能比继续压缩几千个 token 更有价值。人工复核也应区分固定抽检与错误返工，前者是质量保障投入，后者才直接暴露自动化质量问题。

三个容易漏掉的成本开关

首先是思考档位。官方文档显示，M3.1 Flash 的 effort 默认是 max，深度思考不能关闭；更高档位通常带来更多输出 token 和更长耗时。接入后若沿用默认配置，就可能错过最直接的成本控制点。模型调用文档

可以把格式转换、字段提取和跨文档判断分开测试，在同一验收标准下比较不同档位。简单任务降低档位，难题保留更充分的推理，但应先检查错误是否转移到了人工环节。只缩短最终回答，也不保证计费输出同步减少。

其次是上下文组织。固定规则与工具定义尽量稳定，把变化信息放后面，并通过 usage 记录核对实际缓存量。不要把“支持缓存”直接填成预算中的固定命中率；首轮、流程改版和不同任务的上下文差异都会影响实际收益。官方缓存建议

第三是端到端延迟。模型输出更快，能够缩短部分等待，但一次业务流程还包含检索、页面加载、系统接口响应和审核排队。如果耗时主要发生在外部系统，提升模型输出速度对交付时间的帮助就会有限。应从任务进入到结果可用计时，同时看中位数和较慢那部分任务，而非只看 tokens/s。

先做一轮能决定去留的试点

推荐从工单归类、资料抽取、报告初稿等边界清楚、结果容易核对的流程开始。涉及付款、对外承诺或关键业务记录修改的步骤，保留权限控制、审批与操作日志。更低的调用成本可以扩大测试覆盖，不能代替业务授权。

一轮试点至少应完成六件事：

1. 选取覆盖普通、缺失信息、冲突资料和异常输入的真实样本，先脱敏，再按难度分组。
2. 写清验收标准，包括字段准确、来源可追溯、格式正确和是否完成目标操作；拒答与转人工单独统计。
3. 固定工具、提示词与任务集，对照现有方案，分别测试思考档位和缓存策略，避免同时改变所有变量。
4. 记录每件任务的输入、缓存、输出、工具次数、重试原因、总耗时和人工分钟数，让账单能追溯到业务结果。
5. 设置最大调用轮数、单件预算与超时退出条件；失败后转人工或备用流程，避免在循环中持续花费。
6. 按任务类型比较验收率、每件合格交付成本和慢任务表现。先限定流量上线，再检查真实用量是否符合试点估计。

也不必把全部流程一次迁移。若资料抽取更省钱、复杂判断却增加返工，可以只替换前一段；若任务量很小，接入和维护投入可能暂时超过调用费节省。把固定投入按预计合格交付量摊销，设定可接受的回收周期，才能判断小规模试点是否值得扩成长期服务。

M3.1 Flash 带来的机会，是降低企业尝试更长、更复杂工作流的门槛。最终是否值得替换现有模型，要看节省的调用费能否留在总账里，以及质量、等待时间和人工负担是否一起改善。把成本核算落到每件可验收的交付，才能看清这次降价对自己的业务有多大意义。