10 月 19 日晚，OpenRouter 官方在 X 上揭晓了本月 AI 圈最大的悬案：匿名模型「太空兔 Space Bunny 🐰」的真身，是 MiniMax 当天正式发布的 M3.1 Flash。
至此，不到两个月，国产大模型第一梯队已集齐三款「Flash」：智谱 GLM-5.3-Flash（8 月 26 日）、DeepSeek V4.1-Flash（9 月 10 日，10 月 17 日升级至 1017 版本）、MiniMax M3.1-Flash（10 月 19 日）。三款全部主打「快、强、开放」，把「Flash = 低配版」的旧观念冲得七零八落。
一只兔子跑出的 200 万亿 token
据 OpenRouter 与 OpenCode 公开数据：Space Bunny（全名 Space Bunny Alpha）9 月 23 日匿名上线，在 OpenCode 上连续 12 天霸榜 Token 日调用量第一；在 OpenRouter 上连续 10 天排名第一、处理 56.7 万亿 token，是该平台历史上用量最大的匿名测试模型；四周累计处理超过 200 万亿 token。
无独有偶。GLM-5.3-Flash 发布前，智谱也以「Ox-Alpha」（社区称「牛来」）匿名测试了一周，冲上双平台调用量新高后才认领。
先用真实流量验证，再实名发布——正在成为大模型发布的新流程。
Flash 不再是低配版
2024 年提 Flash，大家想到的是 Gemini Flash：快、便宜、但明显笨一截。2026 年，这个词被国产厂商彻底改写了。
最具标志性的是 DeepSeek：官方文档明确，V4.1 Flash 在性能、费用、速度、总用时上全面超过 V4 Pro——随后 V4 Pro 直接退役，所有 deepseek-v4-pro 请求原地路由给 Flash。旗舰被 Flash 干退役了，这是行业头一回。
智谱的故事类似：GLM-5.3-Flash 唯一一次与旗舰同卷对比（DeepSWE v1.1）得分 63.4，旗舰 GLM-5.3 为 66.9，只差 3.5 分。支撑这一切的是新架构——稀疏注意力 + 线性注意力混合，GLM 的注意力计算量降 3.01 倍、KV 缓存降 4.44 倍；DeepSeek 也把 KV 缓存压到上一代的 1/4，对 Agent 长任务格外友好。
三款横评：能横着比的只有第三方榜单
各家发布会都自己挑卷子，目前唯一可横向对比的统一标尺，是第三方机构 Artificial Analysis（AA）的综合智能指数。厂商自报数据单独标注：
| 维度 | GLM-5.3-Flash | DeepSeek V4.1-Flash-1017 | MiniMax M3.1-Flash |
|---|---|---|---|
| 发布时间 | 8 月 26 日 | 9 月 10 日（10·17 升级） | 10 月 19 日 |
| 参数规模 | 320B，激活 18B | 552B MoE，输入激活 8B / 输出 16B | 约 428B（社区口径） |
| AA 智能指数 | 42（官方称 57） | 45 | 42~43 |
| DeepSWE v1.1 | 63.4 | 77.0 | 73.7 |
| HLE 人类终考 | 40% | 43% | 48% |
| OSWorld V2 | — | — | 61.7（国产第一） |
| 实测输出速度 | 约 49–78 TPS | 约 149 TPS | 120 TPS（官方称 200+） |
| 上下文 | 1M | 1M | 1M |
| 原生多模态 | 图 + 视频 | 图 | — |
| 开源 | MIT | MIT | 权重 10·23 放出 |
注：Terminal-Bench 各家测的版本不同（GLM 报 2.1 版 84.3，DeepSeek 报 4.0 版 42.3，MiniMax 报 4.0 版 38.1），卷子不一样，不能直接横比。
各家的绝活
DeepSeek：编码最狠。 DeepSWE 77.0 三家最高；1017 版把 Terminal-Bench 4.0 从 31.2 拉到 42.3，官方称一次「性能与费用的帕累托改进」——分数上涨的同时，输出长度和任务时长反而在收缩。模型名和调用方式都没变，网页端、App、API 与国家超算互联网同步切换，老用户睡一觉起来变强。
GLM-5.3-Flash：唯一的六边形。 三款中唯一原生支持图像 + 视频输入，能看渲染结果改前端、看屏幕操作电脑（ARC-AGI 91.0、GPQA Diamond 90.2、AIME 93.9）。发布周首次用 10 万张国产芯片承载线上流量，端到端性能提升 3 倍；官方 demo 里它曾在 Blender 中自主运行 16 小时，搭出一套约 400 平方米的三维场景。MIT 协议开源，已接入 Z.ai、智谱清言与 GLM Coding Plan。
MiniMax M3.1 Flash：最快，也最会写。 第三方实测 120 TPS 三家最快，跑完 AA 指数仅消耗 1.89 亿输出 token（GLM 3.24 亿、DeepSeek 2.24 亿）；推理常开，只能调 Low→Max 五档力度。一份 12 信源、24 篇稿件、GPT-6.1 Sol 与 Claude Opus 5.5 双评委的新闻编辑室测试中，它拿到 3.57/5——开源模型第一，信源保真度 4.54 为非 OpenAI 系最高。网络安全 CyberGym 82%。已上线 MiniMax API、M Plan 与 MiniMax Code，即日起至 10 月 25 日订阅用户不限量使用。
看榜单，也要看坑
三款 AA 指数 42 / 42~43 / 45，最大差距 3 分。但第三方测评的波动普遍在 ±4 分——BenchLeader 给 GLM-5.3-Flash 的指数是 62.9±4.0，并注明有 157 个模型配置挤在同一分数区间。所以才出现「MiniMax 指数落后 3 分，写作实测反超所有人」这种拧巴结果。
幻觉同样要留意：据亿邦动力转述的测评，M3.1 Flash 面对不确定内容极少拒答，幻觉率达 93%；AA-Omniscience 事实准确性上三家为 56% / 43% / 28%（MiniMax / DeepSeek / GLM），GLM 垫底。拿 Flash 写东西，事实核查一步不能省。
还有口径差：智谱官方称 AA 指数 57 分、对标 Claude Opus 4.8，而 AA 页面目前抓到的是 42 分。中间差的 15 分，就当是「发布会口径」和「第三方复测」的量子叠加吧。
所以，Flash 更好用吗？
| 你要干嘛 | 首选 | 理由 |
|---|---|---|
| 写代码、跑长程 Agent | DeepSeek V4.1-Flash | 编码跑分最强 |
| 看图看视频、前端视觉编码 | GLM-5.3-Flash | 唯一原生多模态 |
| 写作、高频 Agent 循环 | MiniMax M3.1-Flash | 最快 + 写作实测第一 |
| 不想纠结 | 随便挑 | 统一标尺下真差不多了 |
回答标题的问题：对 90% 的日常任务，是的，Flash 更好用——但「好用」的定义已经变了：不再指「便宜但凑合」，而是指跑分追平旗舰、速度还更快。旗舰没有消失，只是变成了长尾兜底。
智能不再需要省着用。但 Flash 们的幻觉，需要你多长个心眼。