标签：国产大模型

国庆在 OpenRouter 匿名屠榜的 Space Bunny 落地，是 MiniMax M3.1 Flash：输入每百万 token 1 元、输出 4 元、缓存 0.1 元，综合成本压到上一代 M3 的三成。ALE 29.6% 拿国模第一，DeepSWE v1.1 拿 73.7% 反超 Claude Opus 5，CyberGym 82.2，BankerToolBench 76.2 与 Claude Opus 5 并列，OSWorld V2 61.7，AutomationBench-AA 单任务成本不到 0.05 美元，输出最快 200+ TPS。代价是 Flash 属小模型，榜单又都是公开题库，深度推理仍会掉链子。

美团上线 LongCat-2.5-Preview，1.6T 参数，主打长程任务与多模态；小米 MiMo-V3、月之暗面 Kimi K3.1 也在路上。参数越卷越大，普通人却只关心一件事：能不能早点下班。这篇用三件真实的活实测国产大模型，给出三条判断标准，并说明哪三类工作可以放心交给它。