MiniMax M3.1 Flash vs DeepSeek V4.1 Flash vs Claude Haiku 5.5：修一个 Bug，三种账单

三款低价编程模型在四周内相继推出：DeepSeek V4.1 Flash（含 1017 更新版）、Claude Haiku 5.5，以及 MiniMax M3.1 Flash——它刚推出的第一周还叫匿名的 Space Bunny。三者的上下文窗口都为 1M token，每百万输入 token 的价格在 $0.10 到 $0.17 之间。那么，日常编程该选哪一个？

AIHubMix 用同一个 API 密钥，让这三款模型分别修复同一个 Bug，各运行三次。每款模型每次都正确修复了 Bug，但账单和等待时间差别很大：

• Claude Haiku 5.5在默认设置下速度最快、价格最低：每次修复约 7 秒，花费 $0.0007。
• DeepSeek V4.1 Flash 1017耗时约 15 秒，花费 $0.0014。
• MiniMax M3.1 Flash在默认设置下耗时 56 秒，花费 $0.0045。将其设为low后，耗时降至 9.5 秒，花费降至 $0.0006，是本次测试中最便宜的结果。

在正确性方面，这项任务无法选出赢家。下文将介绍每款模型完成这项任务的成本，以及各自适合的场景。

为什么选这三款

它们竞争的是同一类任务。三者都是各自厂商产品线中价格低、速度快的型号，面向日常编程和智能体步骤：

• DeepSeek 于 9 月 10 日发布 V4.1 Flash，并于 10 月 17 日推出 1017 更新版。
• Anthropic 于 10 月 7 日发布 Haiku 5.5。
• MiniMax 的模型于 9 月 23 日以 Space Bunny Alpha 的名称亮相，9 月 27 日正式命名，并于 10 月 19 日在 AIHubMix 上开放按 token 调用。

用户已经在对它们进行比较。Space Bunny 在 OpenRouter 免费开放的一周内登上每日排行榜榜首，排名超过 DeepSeek V4.1 Flash。Haiku 发布的第二天，OrcaRouter 就发布了 Haiku 5.5 与 M3.1 Flash 的对比。

价格为 AIHubMix 于 2026 年 10 月 19 日的标价。AIHubMix 于 10 月 19 日至 25 日对 DeepSeek V4.1 Flash 1017 提供 30% 的折扣，上表未计入。对于超过 100K token 的提示词，Haiku 5.5 的价格为 $0.50 / $2.50，是基础价格的五倍。DeepSeek 自家的 API 在高峰时段价格翻倍，而 AIHubMix 采用统一价格。MiniMax 文档中列出了 M3.1 Flash 的视频输入功能；AIHubMix 目前只为其列出文本和图像输入。

规格信息来自各厂商的文档：MiniMax 的模型列表、DeepSeek 的模型与定价页面，以及Anthropic 的 Haiku 页面。DeepSeek 的基准测试分数由其在 V4.1 Flash 技术报告中自行公布。OrcaRouter 引用了 Haiku 在 Artificial Analysis 上的 43 分。MiniMax 或其他机构尚未公布 M3.1 Flash 的基准测试结果。

测试任务

测试内容是修复一个计费函数中的两个 Bug，这正是三家厂商宣传这些模型能够胜任的“快速修复 Bug”类任务：

def billable_days(start: date, end: date, pauses: list[tuple[date, date]]) -> int:
    """Days in the half-open period [start, end) when the subscription was active.
    `pauses` holds inclusive (first_day, last_day) ranges..."""
    total = (end - start).days
    for p_start, p_end in pauses:
        s = max(p_start, start)
        e = min(p_end, end)
        if s <= e:
            total -= (e - s).days + 1
    return total

提示词描述了问题症状（暂停时间超过周期结束时间时“少收了一天的费用”，以及暂停时间重叠时“天数过少，有时甚至为负数”），并要求只返回修正后的函数。随后，测试环境会用 215 个隐藏用例对函数进行测试：15 个手工编写的边界用例（暂停区间相接、暂停区间嵌套、暂停覆盖整个周期、周期为空），以及 200 个随机用例，并与暴力枚举的参考结果进行比对。原始函数通过了其中 138 个用例。

2026 年 10 月 19 日，我们通过 AIHubMix 的 Chat Completions 端点，以默认设置让每款模型运行三次。M3.1 Flash 还以low设置运行了三次。所有数据均由 AIHubMix 测量，尚无其他人复现这些结果。

结果

成本按各模型在 AIHubMix 上的输入、缓存输入和输出价格计算。三款模型的思考 token 都按输出 token 计费。

结果说明了以下几点：

• 正确性不分高下。12 次运行，12 次完美修复。这项任务无法区分三款模型的质量，我们也不会假装可以。
• 默认设置决定了账单。对于同一项修复任务，Flash 默认的思考量约为 Haiku 的 8 倍。Haiku 默认设置下的修复成本约为 Flash 默认设置的六分之一（每千次修复 $0.70 对比 $4.45）。
• 将 Flash 设为low时，成本最低，每千次修复 $0.64，略低于 Haiku 的 $0.70。不过 Haiku 仍然更快。
• 实际速度也有差异。以输出 token 数除以总耗时计算，Haiku 约为 183 tokens/s，DeepSeek 为 148，Flash 为 112。Haiku 输出的 token 更少，速度也更快。

像这项任务这样的修复，每 1,000 次成本约为：Haiku $0.70，DeepSeek $1.35，Flash 默认设置 $4.45，或low设置 $0.64。

在第二项短得多的任务中，三款模型及其设置对五张支持工单进行四类标签分类，30 次回答全部正确。每次调用的费用都低于 $0.0001。Flash 使用了 0 到 6 个思考 token，Haiku 一个也没用；即使通过 AIHubMix 发送reasoning_effort: "none"，DeepSeek 仍使用了约 25 个。对于这类简短调用，这些差异都不会影响账单。

各自的优势

Claude Haiku 5.5适合作为需要即时响应时的默认选择。它在默认设置下速度最快、成本最低，三者中也拥有最强的独立评分。它有两个短板：提示词超过 100K token 后价格会涨到五倍，输出上限为 128K。

DeepSeek V4.1 Flash 1017适合需要依据和控制能力的场景。它公开的基准测试数据最多，权重以 MIT 许可证开放，提供真正的非思考模式，输出上限为 384K。在我们的任务中，它的默认思考量介于另外两款模型之间。

MiniMax M3.1 Flash适合输入较长且希望价格固定的场景，也适合愿意调整思考力度的用户。无论提示词多长，AIHubMix 都采用统一价格；输出上限为 512K，MiniMax 文档还说明其支持视频输入。在low设置下，它是本次测试中最便宜的模型。它也有三个短板：默认设置是这里最慢、最贵的，尚无人对它进行基准测试，而且无法关闭思考模式。

长提示词带来的价格差异很容易被低估。下面粗略估算一下：输入一个 300K token 的代码库提示词，不使用缓存，只计算输入成本。假设 Haiku 5.5 对整个提示词都按超过 100K token 的价格收费（OrcaRouter 的描述也是如此），那么输入成本为 300,000 × $0.50 ÷ 1M = $0.15。M3.1 Flash 的成本为 300,000 × $0.165 ÷ 1M ≈ $0.05，DeepSeek 也差不多。也就是说，Haiku 单次调用的价格约为其他两款的 3 倍。

该选哪一款

• 交互式编程辅助、短提示词、有人在等待响应：Claude Haiku 5.5。
• 需要基准测试、自行托管或完全跳过思考的调用的流水线：DeepSeek V4.1 Flash 1017。
• 大上下文任务、长篇生成内容或视频输入，并且会明确设置思考力度：选择low或medium设置下的 MiniMax M3.1 Flash。
• 拿不准：用自己的任务测试这三款模型。只需一个密钥，循环调用即可。

用一个密钥调用三款模型

在 AIHubMix 上，三款模型都通过同一个兼容 OpenAI 的端点响应，只需更改模型 ID。快速入门指南介绍了如何获取密钥：

import os, time
from openai import OpenAI

client = OpenAI(base_url="https://aihubmix.com/v1", api_key=os.environ["AIHUBMIX_API_KEY"])
prompt = open("task.md").read()

for model, extra in [("minimax-m3.1-flash", {"reasoning_effort": "low"}),
                     ("deepseek-v4.1-flash-1017", {}),
                     ("claude-haiku-5-5", {})]:
    t0 = time.time()
    r = client.chat.completions.create(model=model, max_tokens=32768,
                                       messages=[{"role": "user", "content": prompt}], **extra)
    print(model, round(time.time() - t0, 1), "s", r.usage.completion_tokens, "output tokens")

AIHubMix 的对比页面提供了并列的价格卡片：M3.1 Flash 与 DeepSeek V4.1 Flash 1017 对比，以及M3.1 Flash 与 Claude Haiku 5.5 对比。

常见问题

哪款更适合编程：MiniMax M3.1 Flash、DeepSeek V4.1 Flash，还是 Claude Haiku 5.5？
在我们的双 Bug 修复任务中，三款模型每次都答对。Haiku 5.5 在默认设置下速度最快、成本最低；M3.1 Flash 在设置为 low 时成本最低。DeepSeek 公开的基准测试数据最多。

为什么 MiniMax M3.1 Flash 在测试中这么慢？
它的默认思考级别是 max。对于同一项修复任务，它在默认设置下使用了约 6,400 个思考 token，而在 low 设置下约为 600 个，耗时也从 56 秒降至不到 10 秒。

DeepSeek V4.1 Flash 1017 和 DeepSeek V4.1 Flash 有什么区别？
1017 是 DeepSeek 于 2026 年 10 月 17 日推出的 V4.1 Flash 更新版，上下文窗口仍为 1M，输出上限仍为 384K。在 AIHubMix 上，它的模型 ID 是 deepseek-v4.1-flash-1017。

哪款模型处理长提示词最便宜？
对于超过 100K token 的提示词，MiniMax M3.1 Flash 和 DeepSeek V4.1 Flash 的价格约为 Claude Haiku 5.5 的三分之一，因为 Haiku 在超过 100K 后的费率会涨到五倍。

三款模型能否共用一个 API 密钥调用？
可以。在 AIHubMix 上，三款模型共用同一个密钥和同一个兼容 OpenAI 的端点；只需更改模型 ID。

MiniMax M3.1 Flash 有基准测试分数吗？
目前还没有。MiniMax 尚未公布任何分数，它也未收录在 Artificial Analysis 中。列出它的分数的表格，通常列的其实是 MiniMax M3 的分数。

继续阅读：MiniMax M3.1 Flash 系列

• 如果 Flash 已经进入你的候选名单，可以先了解它是什么、取代了什么，以及从 Space Bunny 到它相对于 M2.7 和 M3 的价格变化：MiniMax M3.1 Flash 就是 Space Bunny：相比 M2.7 和 M3 有何变化，价格如何
• 这里 Flash 的结果几乎完全取决于一项设置。本文测试了全部五个级别：MiniMax M3.1 Flash 思考力度级别：为什么默认设置在同一项 Bug 修复任务上的成本是 low 的 7 倍
• 如果你要迁移现有的 MiniMax M2.5/M2.7 代码，而不是从头开始，请先了解错误和不易察觉的变化：11 月 18 日前迁离 MiniMax M2.5/M2.7：修复 M3.1 Flash 的“requires adaptive thinking” 400 错误

来源

• MiniMax：模型
• DeepSeek：模型与定价
• Anthropic：Claude Haiku
• AIHubMix：MiniMax M3.1 Flash 与 DeepSeek V4.1 Flash 1017 对比
• OrcaRouter：Claude Haiku 5.5 与 MiniMax M3.1 Flash Preview 对比