实测 MiniMax M3.1 Flash 免费上架：对照 MiniMax M3

当天 OpenRouter 上 M3.1 Flash 免费档为每百万 token $0，M3 为输入 $0.30、输出 $1.20。Hub 没有 M3.1 权重。

2026-10-21 只读了两份公开接口：OpenRouter 的模型列表，以及 Hugging Face 对 MiniMax-M3.1 的搜索。记下的是标价、上下文和仓库在不在，不是回答质量，也不是速度。

要核的是 实测 MiniMax M3.1 Flash 免费档 minimax/minimax-m3.1-flash:free，对照同一天列表里的 minimax/minimax-m3。

2026-10-21 列表上的数字

OpenRouter 的 pricing.prompt 与 pricing.completion 单位是美元每个 token。表里「每 1,000,000 token」等于原字段乘以 1000000。免费档两个原字段都是 0，所以输入和输出都是 $0。M3 的原字段是 0.0000003 与 0.0000012，换算后输入 $0.30、输出 $1.20。M3 另有 input_cache_read 0.00000006，即每 1,000,000 token $0.06。免费档的 pricing 对象当天没有这个字段。

怎样再对一次

1. 1

   拉下模型列表

   请求 https://openrouter.ai/api/v1/models ，在 data 里找 id minimax/minimax-m3.1-flash:free 和 minimax/minimax-m3。不要用别的 MiniMax id 代替这一对。

2. 2

   把每 token 价乘以一百万

   读取 pricing.prompt 与 pricing.completion。单位是美元/token。乘以 1000000 得到每 1,000,000 token 的美元价。M3 若出现 input_cache_read，用同一步换算。

3. 3

   再搜 Hub

   请求 https://huggingface.co/api/models?search=MiniMax-M3.1 。2026-10-21 这次返回 0 条，作者筛 MiniMaxAI 也是 0 条。当天 Hub 上没有 M3.1 权重。M3 的仓库记录是 MiniMaxAI/MiniMax-M3。

USD per token × 1000000 = USD per 1,000,000 tokens
minimax/minimax-m3.1-flash:free
  pricing.prompt      0           → $0
  pricing.completion  0           → $0
minimax/minimax-m3
  pricing.prompt      0.0000003   → $0.30
  pricing.completion  0.0000012   → $1.20
  input_cache_read    0.00000006  → $0.06

同一条记录里的两组上下文

模型字段 context_length：Flash 为 1000000，M3 为 1048576。同一条 M3 记录里，top_provider.context_length 是 524288；Flash 的 top_provider.context_length 仍是 1000000。max_completion_tokens：Flash 524288，M3 512000。这是列表字段，不是测出来的生成速度。

当天 Hub 上没有 M3.1 权重

OpenRouter 给免费档的 hugging_face_id 是空。给 M3 的字符串是 MiniMaxAI/Minimax-M3。Hugging Face 搜索 MiniMax-M3 返回的仓库 id 是 MiniMaxAI/MiniMax-M3，downloads 200238，likes 1586，createdAt 2026-06-02。搜索 MiniMax-M3.1 返回空列表，所以当天权重不在 Hub 上。两条记录的输入都是 text、image、video，输出是 text。

这些数字只描述公开列表。若要和同事对着同一屏幕核对字段，按帮助页 创建并加入房间 把表格投出来即可。会议室不提供这些模型。