MiniMax M3.1 Flash对比DeepSeek与Claude Haiku：同一Bug修复实测

一场控制变量的便宜模型对决

当三家厂商的轻量级模型在数周内接连发布，选型问题就变得具体：同样的编程任务，谁更快、更稳、更省钱？据AIHubMix的实测，一个包含两个Bug的Python函数修复任务，在215个隐藏测试下，MiniMax M3.1 Flash、DeepSeek^广告 V4.1 Flash 1017与Claude Haiku 5.5的12次运行全部通过。真正的差异不在正确性，而在默认思考预算带来的成本与延迟鸿沟。

MiniMax M3.1 Flash对比测试来源

三个模型的基本面

三款模型分别来自MiniMax、DeepSeek与Anthropic的廉价产品线，上下文窗口均为1M，但定价与能力取向不同。

指标	MiniMax M3.1 Flash	DeepSeek V4.1 Flash 1017	Claude Haiku 5.5
输入/输出（每百万token）	$0.165 / $0.66	$0.155 / $0.62	$0.10 / $0.50
缓存读取（每百万token）	$0.0165	$0.0031	$0.01
最大输出	512K	384K	128K
输入类型	文本、图像、视频	文本、图像	文本、图像
默认思考等级	max	开启	medium
开放权重	尚未	是（MIT）	否

DeepSeek V4.1 Flash于9月10日发布，10月17日推出1017更新；Haiku 5.5于10月7日发布；M3.1 Flash以Space Bunny Alpha匿名运行后于9月27日定名，10月19日在AIHubMix开放按token调用。其免费试用周期间曾登顶OpenRouter日榜，领先DeepSeek V4.1 Flash。

上下文窗口指模型单次调用能容纳的最大 token 序列长度（含输入与输出），是衡量长文档、多轮对话或大代码库处理能力的关键指标。1M 上下文意味着理论可一次性读入约 75 万英文单词或数十万行代码。但需注意，大窗口并不等于大窗口下的经济性与稳定性：多数厂商会为超出常规长度的提示设置更高单价（即后文 Haiku 的“价格悬崖”），且长上下文中的有效检索能力通常弱于短上下文。此外，表中“开放权重”指模型参数可下载并本地部署，与仅提供 API 的闭源模型相比，在数据合规与成本结构上有本质区别。

测试方法：两Bug修复与215个隐藏用例

待测函数计算半开区间内订阅的活跃天数，存在两个缺陷：暂停区间超出周期末时会多减一天；重叠暂停会被重复扣除。原始函数仅通过215个测试中的138个。

评估器从模型回复中提取最后一个代码块，在隔离子进程中运行：15个手写边缘用例（相邻、嵌套、重复暂停、覆盖全周期、空周期、暂停从结束日开始）加200个固定种子的随机用例，后者与逐日计数的暴力参考实现比对。提示词只描述症状，要求输出修正后的完整函数。

实测结果：正确性拉平，成本由思考等级决定

三次运行、Chat Completions接口、max_tokens为32768，AIHubMix于10月19日测量：

模型与设置	平均思考token	平均输出token	平均耗时	平均单次成本	测试通过
Claude Haiku 5.5（默认）	755	1,323	7.2秒	$0.0007	215/215 ×3
DeepSeek V4.1 Flash 1017（默认）	1,823	2,148	14.6秒	$0.0014	215/215 ×3
MiniMax M3.1 Flash（默认=max）	6,364	6,673	56.3秒	$0.0045	215/215 ×3
MiniMax M3.1 Flash（low）	591	889	9.5秒	$0.0006	215/215 ×3

关键读数：

正确性无差异。12次修复全部完美，该任务无法区分模型质量。
默认思考量相差约8倍。Flash默认消耗6,364个思考token，Haiku仅755个，这直接解释了前者默认成本约为后者的六倍。
Flash在low档最便宜。每千次修复$0.64，Haiku为$0.70，但Haiku仍更快。
吞吐量。输出token除以实际耗时，Haiku约183 tok/s，DeepSeek约148 tok/s，Flash约112 tok/s。

按每千次修复计：Haiku约$0.70，DeepSeek约$1.35，Flash默认约$4.45、low档约$0.64。

第二项检查将五张支持工单分类到四个标签，各模型分别在默认与最低思考设置下运行。全部30个答案正确，每次调用成本均低于$0.0001；每次调用思考token为Flash 0–6个、Haiku 0个、DeepSeek约25个。

**思考 token（reasoning tokens）**是推理型模型在给出最终答案前生成的内部推理内容，通常不计入可见输出，但按输出 token 计费并显著拉长延迟。reasoning_effort 是控制这一预算的请求参数，常见档位为 none/low/medium/high/max，不同厂商的档位命名与默认值并不统一：有的默认关闭，有的默认拉满。这正是本次测试成本差异的根源——账单不仅取决于每 token 单价，还取决于“默认愿意想多久”。调优时应把 effort 视为与 temperature 同等重要的显式参数，避免依赖厂商默认值。

失败模式与规避建议

Flash默认设置像卡死。不传effort字段时M3.1 Flash以max等级思考，一个小修复平均耗时56秒，为快速模型调优的客户端超时会触发。应在每次请求中显式传入reasoning_effort，并从low起步。

DeepSeek的none不清零思考。在三分类提示下，DeepSeek在none与默认设置下均消耗约25个推理token，成本差异可忽略，但不要假设该路由下none会返回非思考回复。

Haiku的长提示价格悬崖。超过10万提示token后，Haiku 5.5按$0.50/$2.50计费。以30万token无缓存提示估算，仅计输入且假设高价适用于全部提示：Haiku成本300,000 × $0.50 ÷ 1M = $0.15，M3.1 Flash约$0.05，与DeepSeek相当，单次调用相差约3倍。大上下文调用应绕开Haiku或积极使用缓存。

促销价会漂移。DeepSeek V4.1 Flash 1017在AIHubMix的折扣价显示至10月25日，预算应按标价计算。

**提示缓存（prompt caching）**允许厂商复用此前已处理的相同前缀 token，缓存读取价格通常仅为正常输入价的 1% 至 10%。表中三家缓存读取价分别为 $0.0165、$0.0031、$0.01，差距明显。对反复携带同一长系统提示或代码库的调用，把稳定内容放在提示前部、动态内容置于末尾，可大幅提高命中率，从而削弱长提示的价格压力。但缓存通常有较短的有效期（数分钟至数小时），跨会话未必命中，预算时不宜过度乐观。

这项测试的边界

所有运行均通过，质量差异需要更难的多文件任务来区分。每种设置仅三次运行，样本量小，且思考长度在运行间波动明显。M3.1 Flash尚无公开基准，MiniMax未发布，Artificial Analysis也未收录；DeepSeek的基准分数来自其V4.1 Flash技术报告的自报数据；Haiku的Artificial Analysis分数43由OrcaRouter引用。通过AIHubMix的视频输入未在本次测试中验证，Haiku长提示的精确计费规则亦为估算。

选型建议

真人等待、短提示：Claude Haiku 5.5。
看重基准、自托管或真正的非思考模式：DeepSeek V4.1 Flash 1017。
大上下文、长输出或视频输入，且显式设置effort：MiniMax M3.1 Flash，从low或medium档起步。

这次实测最值得记住的一条结论是：在这类短编程任务上，默认思考等级对账单的影响超过了每token单价本身。选型时先问默认档位，再比价格表。