刚开源就冲上热度榜前列：220.5B 总参只激活 23B，这次押的是什么

最近这半个月，AI 圈有点像过年。

先是周末 DeepSeek 放出新 Flash，紧接着 MiniMax 把 M3.1-Flash 的权重也开了出来。更戏剧性的是那只在 OpenRouter 上匿名跑了十二天、调用量一路霸榜的“太空兔（Space Bunny）”——大家都在猜它是谁家的，结果 MiniMax 自己出来认领了：就是我。

匿名期间它处理了超过 200 万亿 token。正式开源之后，又有消息说权重上线三天，跑过的量就顶到了百万亿级别。

一个模型火不火，看跑分只是一半，另一半看有没有人真的拿它去干活。这次的热度，明显是后者撑起来的。

一、先把时间线摊开，看看这波热度是怎么堆上去的

10 月 17 日，权重开放下载。

10 月 19 日到 20 日，官方正式认领“太空兔”，同时公布了一整套和对手同台对比的成绩单。

再往后几天，各种实测、接入教程、云厂商“当天适配”的消息开始扎堆出现，连国产芯片厂商都排着队宣布跑通。

这个节奏很有意思：不是先开发布会造势、再慢慢放权重，而是先让模型匿名上场打十二天，用真实调用量把口碑跑出来，然后才亮名字。

说白了，这更像一家饭馆先让街坊免费试吃半个月，等排队排到巷子口了，才挂招牌。

二、它到底是个啥？一句话：一支 128 人的专家团，每次只叫 4 个人干活

如果你只看官方那句“原生多模态混合专家模型”，基本等于没说。翻译成人话是这样：

它内部不是一个巨型大脑，而是一整栋楼里坐着 128 位专科医生。你带着问题进来，门口的分诊台不会让 128 个人一起围上来，只会挑最对口的 4 位，再加 1 位什么科都懂一点的全科顾问，一起给你会诊。

这就是所谓的“混合专家”。好处特别朴素：人请得起，活干得快。

它一次能吃下文字、图片、视频三种材料，最多能塞进 100 万 token 的上下文。100 万 token 大概是什么概念？差不多是把《三体》三部曲从头到尾一次性丢进去，让它当场读完后回答问题，而不是你一段段复制粘贴。

三、三个数字，决定了它到底贵不贵、快不快

这次大家反复念的三个数字，其实各管一件事。

第一个数字，是“家底”。

先把口径说清楚：这个模型的总参数，官方仓库写的是约 428B，也有渠道按另一套统计方式给出 220.5B，不同口径不必纠结。总之，它的家底是几百亿到四千多亿参数这个量级，属于“看着挺唬人”的那一档。

第二个数字，是“每次干活的成本”：23B。

这才是全文最关键的一句。不管家底多厚，它每吐出一个字，真正被点亮的只有 230 亿参数——大约二十分之一。

打个比方：一辆大货车装满了货，但你日常通勤只开其中一小段路，油钱只按实际跑的里程算。模型行业管这叫“激活参数”，它直接决定了你每次调用要付多少钱、服务器能不能扛得住。

第三个数字，是“行李怎么打包”。

官方用了一种叫量化感知训练的做法，简单理解就是：把模型从“无损大图”压成“高清 JPG”。肉眼看不出画质差别，但体积小了一大截，装得下、传得快、跑得省。

再加上它全文都用了稀疏注意力——就像你读一本八百页的厚书，不会每读一个字都把全书重读一遍，而是先扫目录，锁定相关的几章精读。

还有一个小设计挺有意思：模型旁边坐了个“实习生”，专门提前猜接下来几个字，猜对了就一次过关，猜错了就退回重来。这能把吐字速度再往上顶一截。

四、它到底能干什么？几个场景比跑分更有说服力

官方的成绩单里，有几项特别值得普通人也看一眼。

跨软件把一件事从头干到尾。

有个评测直接把真实的公司流程搬了进去：销售、运营、客服、财务、HR 的活，模型要在好几个办公软件之间来回切换，把一件事做完。

这项它拿了 62.8 分，DeepSeek 的 Flash 是 60.5，Claude Opus 5 是 50.3。差距不算碾压，但“能自己跨系统跑完整流程”这件事，本身就是从“会聊天”到“会办事”的分水岭。

像人一样操作电脑。

另一项评测是让它看着屏幕、动鼠标键盘，完成 108 个长流程任务。熟练的人做其中一个，中位数要一个半小时。它拿了 61.7 分，是国内模型里的第一。

视频和图纸也能读。

有实测博主干过这么几件事：从 4000 张乱七八糟的商品图里自动筛出能上架的款；看一段机器人做饭的视频，输出了带精确时间码的动作表；把卫星夜光图变成能点能转的 3D 页面。

这些活以前要么雇人，要么写一堆脚本，现在一句需求丢过去，它自己拆步骤。

找漏洞。

网络安全评测里它拿了 82.2 分，题目是真实开源项目里的一千多个历史漏洞。这项分数很高，但也提醒一句：这能力是把双刃剑，正经用途是帮企业查自家系统的毛病。

顺带说个实话：写代码这项它 73.7 分，输给了 DeepSeek 新 Flash 的 77.0，也略低于 Opus 5。所以它不是那种“样样第一”的选手。

五、速度快到什么程度？网友实测：一秒两百多个字

官方说速度提升了近 3 倍，成本降了 70%。

第三方实测的说法更具体：日常输出每秒 200 多个 token，中位数稳定在 170 以上。这个速度在屏幕上的观感，基本是文字哗哗往下刷，你还没读完上一段，下一段已经写完了。

价格方面，每百万 token 输入 1 元、输出 4 元，命中缓存的部分只要 0.1 元。

换算成“干一件活的真实花费”更直观：开最高思考档，让它跑完一个跨系统的 Agent 任务，平均大约 3 毛钱；最省的那一档不到 2 毛。同样的活，Claude Opus 5.5 最高档大约 5 块钱。

有博主专门算过一笔账：跑完一整套最难的 Agent 考试，Claude Opus 大约要 7400 元，是它的十倍。

这就是这轮“轻量旗舰”真正在拼的东西——不是把分数刷到第一，而是把每一次干活的单价压到别人不敢跟。

六、普通人想用，门槛高不高？

这里必须把话说直白：

想在自己电脑上跑，基本别想。

几百亿参数的家底摆在那儿，官方推荐的部署方式是正经的服务器推理框架，实际跑起来通常要一排加速卡并行。这不是一台游戏本能搞定的事。

但想“用上”，门槛低得离谱。

它已经上了官方的网页版 Agent 和 API，接口格式和主流那套兼容，改个模型名就能接进你现有的工具里。国内也有云平台做到了当天就支持，连试用额度都给你备好了。

更值得说的一点是：它不挑硬件。通过一个开源的多芯片适配方案，平头哥镇岳、英伟达、沐曦、海光、华为昇腾、摩尔线程、天数智芯、昆仑芯、清微智能这九家平台的卡都能跑，还统一给了压缩过的部署版本。

对一个要落地到企业内网的项目来说，这一条有时比跑分更重要——毕竟不是所有公司都能买到、也都愿意买同一家的卡。

适合谁？

自媒体和内容团队，用来批量整理素材、拆视频、做结构化表格；办公白领，用来啃几十页的合同和报告；开发者，用来当写代码和查问题的助手；企业 IT，用来搭客服、审单据、做内部知识问答。

不太适合的，是想让它一次性做高精度多步推理、或者拿它当 OCR 扫描仪的人——实测里这两块它都有边界。

七、最后说点真话：这轮为什么都在拼“吞吐”

过去两年，大家比的是榜单第一名。现在你会发现，头部玩家突然集体改了口径：比每秒出多少字、比每百万 token 多少钱、比一个任务花几毛。

原因不复杂。模型再聪明，如果一次任务要五块钱，就没有哪个老板敢让它在后台 7×24 小时跑；如果一秒只吐十几个字，就没有哪个用户愿意盯着屏幕等。

能力决定它能不能做，成本决定它能不能天天做。

这次 M3.1-Flash 押的注，其实不在“我最强”，而在“我够用，而且便宜到你可以不心疼地用”。128 位专家只叫 4 位、全书只精读几章、行李压缩打包、旁边坐个实习生抢答——四个动作全部指向同一件事：把单位成本打下来。

至于这条路对不对，市场已经在用调用量投票了。

最后留个问题给大家聊聊：如果 AI 干一件活的成本降到几毛钱，你会放心让它替你在电脑上自己点鼠标、自己填表、自己下单吗？还是说，你更希望它老老实实只帮你写东西，别乱动你的账户？

评论区见。