MiniMax M3.1 Flash مقابل DeepSeek V4.1 Flash: ما الذي تتفق عليه فعليًا جدولتا المورّدين

صفّان. هذا هو مقدار ما يبقى من جدول إطلاق MiniMax عند مقارنته بأرقام DeepSeek المنشورة بنفسها، ويجدر قول ذلك بوضوح قبل أن يُعاد تكرار العنوان الرئيسي لأي من المورّدين: في المعيارين الوحيدين حيث نشر كلا المختبرين درجة على التقييم نفسه لكل من MiniMax M3.1 Flash وDeepSeek V4.1 Flash — نقطة التحقق 1017 التي أطلقتها DeepSeek قبل يومين — فإن النموذج الأحدث متأخر. أطلقت MiniMax نموذج M3.1 Flash في 19 أكتوبر 2026 بجدول يغطي العمل الوكيلي والبرمجة واستخدام الحاسوب والأمن السيبراني، مع ادعاء قفزة جيلية عن سابقه. أطلقت DeepSeek نموذج V4.1 Flash 1017 في 17 أكتوبر 2026 ببطاقة نموذج تفعل الأمر نفسه. الجزء المثير للاهتمام في جمعهما ليس من يفوز، بل مدى ضآلة ما في كل جدول صُمم ليُقارن أصلًا.جداول المورّدين نوع من الأدلة، وسجلات الحوادث نوع آخر، لذلك تُفهرس الإخفاقات الكامنة وراء إصدارات كهذه في the OrcaRouter AI Incident Archive حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل نزاع.

ما الذي وضعت MiniMax رقمًا عليه فعليًا

منشور MiniMax أكثر تحديدًا من معظم المنشورات. فهو يقدّم ستة أرقام منذ البداية: BankerToolBench 76.2، وDeepSWE v1.1 73.7%، وOSWorld V2 61.7، وAgents' Last Exam 29.6، وCyberGym 82%، وادّعاء بأداء أفضل من الجميع على Automation-Bench دون ذكر درجة في نص الملخص. وإلى جانبها يأتي ادّعان بشأن معدل الإنتاجية — نحو ثلاثة أضعاف سرعة الاستدلال عبر الإنترنت مقارنةً بالنموذج الذي يحل محله، وأكثر من 200 رمز في الثانية مع P50 أعلى من 170 — وادّعاء بتكلفة أقل بنسبة 70% في المهام الوكيلية. كل ذلك مُبلّغ عنه من البائع وغير معاد إنتاجه. فقد أجراه MiniMax، ونشره MiniMax، ولم تُذكر أداة الاختبار إلا في الحواشي.

الحاشية السفلية هي حيث يبدأ الجدول في التفكك. تقول MiniMax إن BankerToolBench جرى تقييمه باستخدام أداة الاختبار OpenCode 1.1718 وحكم عليه MiniMax-M2.7، وهو نموذجها الأقدم. هذا معيار تقييم يحكم فيه النموذج على نفسه: نموذج من MiniMax يقيّم مخرجات أنتجها نموذج من MiniMax، على مجموعة مهام اختارتها MiniMax. قد يكون مُنفَّذًا على نحو سليم تمامًا. لكنه ليس دليلًا يمكنك الاحتجاج به ضد مختبر ينشر نتائجه على أداة تقييم يصونها شخص آخر.

الصفّان اللذان يصطفّان

يُعد DeepSWE v1.1 القياس المشترك الحقيقي الوحيد. يذكره كلا المختبرين، ويسمّي كلاهما أداة الاختبار: تقول D​eepSeek إنها Mini-SWE-V2 في بطاقة الطراز الخاصة بها، ويُبلّغ M​iniMax عن نسخة المعيار نفسها. تدّعي M​iniMax نسبة 73.7%. وتدّعي D​eepSeek نسبة 77.0% لنقطة التحقق 1017، مقابل 74.2% لإصدار V4.1 Flash الذي حلّت محله. لذا فإن الترتيب هنا ليس غامضًا، وليس مُجاملًا للطراز الأحدث: إصدار D​eepSeek الصادر في 17 أكتوبر متقدّم على إصدار M​iniMax الصادر في 19 أكتوبر في معيار وكيل البرمجة الوحيد الذي قاسته الشركتان بالطريقة نفسها، وهو متقدّم على إصداره السابق بنحو ثلاث نقاط مع تحقيق ذلك.

يروي Agents' Last Exam القصة نفسها بفارق أكبر. تسجل M​iniMax 29.6. وتسجل D​eepSeek 35.4 للإصدار 1017، ارتفاعًا من 31.8 لنقطة التحقق السابقة. هذا فارق خمس نقاط على معيار صُمم ليكون صعبًا على الوكلاء، وهو الصف الثاني على التوالي الذي يتقدم فيه الطراز الأقدم بيومين بفارق مريح.

كل ما تبقّى في الجدولين إمّا مقيس على تجهيز مختلف، أو يُقيَّم بواسطة نموذج مختلف، أو منشور من طرف واحد فقط. تعرض بطاقة DeepSeek نتيجة Terminal-Bench 4.0 عند 42.3 ضمن إطار Claude Code، وHLE دون أدوات عند 42.6، وProgramBench 29.1، وApex Bench v1.1 عند 72.1، وAutomation-Bench v1.0.6 عند 60.5. أما منشور MiniMax فلا يقدّم رقمًا لـ Terminal-Bench 4.0 على الإطلاق، ويقع صف Automation-Bench الخاص به تحت حاشية سفلية عن المهام الـ600 المنشورة علنًا بدلًا من أن يكون إلى جانب رقم قابل للمقارنة يمكننا نسبته بثقة عند مستوى الدقة الذي يعرضه المنشور. صفّان من تلك الصفوف قابلان للتحقق. أما البقية فهما اختباران مختلفان يحملان الاسم نفسه على الغلاف.

حيث يكون جدول M​iniMax قويًا وجدول D​eepSeek صامتًا

سيكون من الخطأ قراءة الصفّين المشتركين على أنهما الصورة الكاملة، لأنهما صفّا استدلال في البرمجة والوكلاء، بينما عرض M​iniMax أوسع. إن رقم OSWorld V2 البالغ 61.7 هو رقم خاص باستخدام الحاسوب لا ينشره D​eepSeek، وM​iniMax يزعم احتلال المركز الأول بين النماذج الصينية فيه. ورقم CyberGym البالغ 82% هو رقم وكيل أمني لا ينشره D​eepSeek أيضاً. أما BankerToolBench 76.2 فيقيس اختيار الأدوات في سياق سير عمل تجاري لا تغطيه بطاقة D​eepSeek ولا Artificial Analysis. في ذلك المجال لا يخسر M​iniMax؛ بل هو بلا منافس. وعدم وجود منافس ليس مثل أن يكون في الصدارة، وملخّص البائع نفسه — «بلوغ مستوى النماذج الرائدة» — هو ادعاء بالتكافؤ لا بالتقدّم.

الأمر الآخر الجدير بالملاحظة بشأن جدول الإطلاق هو ما يفعله بالمنافسين. يضع الرسم البياني المنشور عمود MiniMax إلى جانب DeepSeek وKimi-K3 وGLM-5.3 وGPT-5.6 Sol وOpus 5، والأرقام في تلك الأعمدة هي الأرقام المنشورة الخاصة بالمختبرات الأخرى نفسها وليست أرقامًا شغّلتها MiniMax. هذه ممارسة معتادة وليست غير أمينة، لكنها تعني أن كل مقارنة بين الأعمدة في تلك الصورة ترث أي إطار اختبار صادف أن استخدمه كل مختبر. الجدول الذي يصطف فيه ستة نماذج يدعوك إلى القراءة عبر الصفوف. غير أن صفين فقط من تلك الصفوف صُمّما لتتم القراءة عبرهما.

أما قصة السعر فتسير في الاتجاه المعاكس، وهي حقيقية

من ناحية التكلفة، لدى MiniMax بطاقة الأسعار الأكثر وضوحًا. تبلغ تكلفة M3.1 Flash 0.15 دولار لكل مليون رمز إدخال و0.60 دولار لكل مليون رمز إخراج، مع إدخال مخزّن مؤقتًا بسعر 0.015 دولار — خصم 90% — ودون أي تفاوت حسب وقت اليوم. يعرض DeepSeek V4.1 Flash 1017 سعرَي 0.30 دولار و1.20 دولار خلال نوافذ الذروة في أيام الأسبوع، وينخفضان إلى النصف ليصبحا 0.15 دولار و0.60 دولار خارج أوقات الذروة، مع تكلفة إصابة ذاكرة التخزين المؤقت 0.006 دولار و0.003 دولار على التوالي. خلال ساعات الذروة، تبلغ تكلفة DeepSeek ضعف ما تتقاضاه MiniMax مقابل المليون رمز نفسه. خارج أوقات الذروة، تتطابق البطاقتان. يمكن لحمل عمل يعمل وفق جدول تتحكم فيه أن يتبع نافذة DeepSeek الرخيصة؛ أما حمل العمل الذي يعمل عندما يعمل مستخدموك فلا يمكنه ذلك.

تضع Artificial Analysis رقمًا للفرق الذي يصمد أمام ألعاب التسعير: $0.22 لإكمال مهمة واحدة في Intelligence Index على M3.1 Flash مقابل $0.26 على DeepSeek V4.1 Flash 1017. هذا فارق قدره 15% لصالح MiniMax في التقييم نفسه، وهو الادعاء الاقتصادي الوحيد في هذه المقارنة الذي يُقاس بشكل مستقل بدلًا من أن يكون ادعاءً من المورّد. وهذا مهم لأن بطاقة السعر لكل رمز لا تخبرك بهذا. يبدو سعر DeepSeek البالغ $0.30/$1.20 وكأنه عقوبة مضاعفة، لكنه يتصرف كعقوبة قدرها 15%، لأن MiniMax تستهلك 180 مليون رمز إخراج لتشغيل المؤشر مقابل 210 ملايين لدى DeepSeek، ولأن DeepSeek أسرع بنحو الضعف بمعدل 208.7 رموز في الثانية مقابل نحو 105. نموذجان، وفلسفتا تسعير، وفرق تكلفة حقيقي قدره ثمانية عشر سنتًا لكل تقييم.

وهذا أيضًا هو الموضع الذي تستحق فيه طبقة التوجيه أن تأخذ مكانها، بطريقة يسهل وصفها ويصعب تنفيذها يدويًا. يمرّر OrcaRouter سعر القائمة لدى المزوّد بهامش ربح 0%، لذا عندما تغيّر أي من المختبرين سعرًا يتغيّر الرقم في فاتورتك في اليوم نفسه لا عند تجديد العقد التالي — وعلى بطاقة تتضمن نافذة ذروة، يمثّل ذلك الفرق بين ميزانية تحددها مرة واحدة وميزانية تعيد التحقق منها كل ساعة. نحن لا ندرج M​iniMax M3.1 Flash أو DeepSeek V4.1 Flash 1017 في الكتالوج اليوم، وليس في هذه المقالة ادعاء بأننا نفعل ذلك؛ فعائلة D​eepSeek التي نوجّهها فعلًا هي نقطة تحقق مختلفة، وهو تمييز يستحق الحفاظ على وضوحه عندما تكون سلسلة النموذج هي ما يكون كودك مثبتًا عليه.

رقمان لا يتضمنهما جدول المعايير

العامل الأول هو السرعة. تدّعي MiniMax سرعة تزيد على 200 رمز في الثانية وP50 أعلى من 170. وتقيس Artificial Analysis نحو 105 رموز في الثانية باستخدام أداة القياس الخاصة بها، مع زمن 1.38 ثانية للوصول إلى أول رمز. وتقيس DeepSeek 208.7 رمز في الثانية عند 1.07 ثانية. إن ادعاءات معدل الإنتاجية من المورّدين تُقاس دائمًا تقريبًا على أفضل حالة يمكن لمكدس الخدمة أن ينتجها؛ أما الرقم المستقل فهو الذي يظهر في p95 لديك. في هذا البُعد، لا يتقارب ادعاء MiniMax نفسه مع النتيجة المقاسة، والنتيجة المقاسة تساوي نصف نتيجة DeepSeek.

الثاني هو الترخيص. DeepSeek V4.1 Flash 1017 مرخّص بموجب MIT، مع أوزان على Hugging Face و552 مليار معامل إجمالي مقابل 16 مليار معامل نشط. تقول MiniMax إن أوزان M3.1 Flash "ستُصدر لاحقًا"، ولم تُرفق بهذا الوعد تاريخًا ولا ترخيصًا ولا عددًا للمعاملات. إذا كانت عملية الشراء لديك تمر عبر مراجعة أمنية تسأل عمّا يحدث إذا اختفى المورّد، فإن جدول المقارنات المعيارية ليس السؤال الذي تجيب عنه، وعلى الطاولة التي أُعطيتَها، الإجابة ليست موجودة.

ما الذي قد يغيّر هذه القراءة؟

ثلاثة أمور، مرتبة حسب مدى أهميتها. من شأن تشغيلات مستقلة لـ DeepSWE v1.1 وAgents' Last Exam على نقطة حفظ MiniMax أن تحسم ما إذا كان الرقمان 73.7 و29.6 متحفظين أم سخيين — فحتى الآن لم ينشر أي طرف خارج المختبرين أيّاً منهما. ومن شأن نتيجة منشورة لـ Automation-Bench من MiniMax، على الإصدار نفسه المكوّن من 600 مهمة الذي استخدمه DeepSeek، أن تمنح الادعاء المتعلق بالقدرات الوكيلية الرقم الذي يفتقده حالياً. كما أن إصدار أوزان مرفقاً بترخيص سيجعل النموذج قابلاً للمقارنة على المحور الذي لا يواجه فيه DeepSeek أي منافسة على الإطلاق حالياً.

حتى ذلك الحين، يبقى الملخص الصادق أضيق نطاقًا من أيٍّ من منشورَي الإطلاق. إن M​iniMax M3.1 Flash نموذج أرخص لإنجاز مهمة ما، وأبطأ في التحدث إليه، ومغلق من حيث الاقتناء، وهو — في الاختبارين المعياريين الوحيدين اللذين قاستهما الشركتان بالطريقة نفسها — صاحب المركز الثاني. ليست هذه هي القصة التي رُسم الجدول ليسردها، لكنها القصة التي يحتويها الجدول. إذا كنت تختار بينهما هذا الأسبوع، فاختر بناءً على بطاقة السعر والترخيص، لأن هذين هما الصفان اللذان لم يكن أحد بحاجة إلى إقناعه بهما.