DeepSeek V4.1 Flash vs. MiniMax M3.1 Flash: Gleiche Karten, unterschiedliche Modelle

Zwei Anbieter, zwei Modelle, ein Preis. Sowohl DeepSeek V4.1 Flash als auch MiniMax M3.1 Flash kosten 0,15 US$ pro Million Eingabe-Token und 0,60 US$ pro Million Ausgabe-Token bei OrcaRouter. Beide bieten einen Kontext von 1 Mio. Token. Keines ist ein Flaggschiff, und beide sind die Tarifstufe, auf die ihr Anbieter das Volumen lenken möchte. Der Listenpreis kann sie nicht unterscheiden, was dies zum saubersten Vergleich auf der Website macht: Jede andere Spalte entscheidet, und keine davon ist verborgen.

Die Karten

• DeepSeek V4.1 Flash — 0,15 $ Eingabe, 0,60 $ Ausgabe; 0,003 $ für zwischengespeicherte Eingabe; Verdopplung auf 0,30 $ und 1,20 $ in zwei Zeitfenstern an Werktagen; 1 Mio. Token Kontext; 384K maximale Ausgabe; 2.500 gleichzeitige Anfragen; Vision unterstützt; gemessene p50 für das erste Token 1,49 Sekunden.

• MiniMax M3.1 Flash — $0,15 Eingabe, $0,60 Ausgabe; 1 Mio. Kontext; 524K maximale Ausgabe; gemessene p50 für das erste Token 2,66 Sekunden; keine veröffentlichte Cache-Hit-Zeile auf der Karte, so wie wir sie gelesen haben.

Drei Unterschiede sind entscheidend, und alle drei sind messbar, bevor Sie sich festlegen: die Ausgabeobergrenze, die Latenz bis zum ersten Token und ob ein zwischengespeichertes Präfix einen Rabatt erhält.

Obergrenze: 524K gegenüber 384K

Die Ausgabeobergrenze von MiniMax ist um 36 % höher. Bei einem einzelnen Aufruf bedeutet das den Unterschied, ob eine Generierung mit 350.000 Tokens hineinpasst oder nicht — und 350.000 Tokens Ausgabe kosten bei 0,60 US-Dollar pro Million so oder so 21 Cent, daher ist die Obergrenze eher eine Fähigkeitsgrenze als eine Kostengrenze. Wenn Ihr Workload nie mehr als 300K in einer Anfrage schreibt, ist diese Spalte ein Gleichstand mit einer angehängten Marketingzahl.

Wenn das der Fall ist, ist MiniMax von den beiden der einzige, der den Auftrag annimmt, und der identische Preis ist dann nicht mehr entscheidend.

Geschwindigkeit: 1,49 gegenüber 2,66 Sekunden

Die gemessene Zeit bis zum ersten Token beträgt bei DeepSeek 1,49 Sekunden; bei MiniMax sind es 2,66. Beide sind schnell genug, dass sich eine Chat-Oberfläche reaktionsschnell anfühlt, und beide sind langsam genug, dass ein Agent, der pro Aufgabe zwanzig Turns ausführt, den Unterschied bemerkt – etwa 23 Sekunden pro Aufgabe bei diesen Werten, gegenüber Token-Kosten im Cent-Bereich. In durchsatzgebundenen Pipelines bedeutet das schnellere Modell bei gleichem Parallelitätsbudget einfach mehr erledigte Arbeit pro Stunde.

Die Cache-Zeile, die nur eine Karte anzeigt

DeepSeek veröffentlicht einen Preis für Cache-Treffer: 0,003 US-Dollar pro Million Eingabe-Token gegenüber 0,15 US-Dollar bei einem Miss. Das ist ein fünfzigfacher Rabatt auf den Teil eines Prompts, der sich wiederholt, und es ist der größte einzelne Hebel auf beiden Karten. Die Karte von MiniMax enthält, so wie wir sie lesen, keine entsprechende Zeile – was nicht bedeutet, dass Caching fehlt, sondern nur, dass der Rabatt nicht aus der Karte veröffentlichbar ist.

Für einen Agenten, der bei jedem Turn einen stabilen System-Prompt und eine wachsende Historie erneut sendet, kann diese Asymmetrie sowohl die Obergrenze als auch die Latenz überwiegen. Es ist außerdem das Erste, was man testen sollte, statt es anzunehmen: Senden Sie denselben Präfix zweimal und vergleichen Sie die beiden Rechnungen.

Das Peak-Fenster, über das nur eine Karte verfügt

DeepSeek verdoppelt jeden Tarif zwischen 01:00–04:00 und 06:00–10:00 UTC an Wochentagen, chinesische Feiertage ausgenommen. MiniMax' $0,15 und $0,60 sind Pauschaltarife. Eine europäische oder asiatische Arbeitslast, die während der Geschäftszeiten läuft, unterliegt für den Großteil ihres Traffics DeepSeeks Spitzentarif — $0,30 und $1,20, was doppelt so viel ist wie MiniMax' Listenpreis für dieselben Tokens.

Die identischen Karten sind in der Praxis also nicht identisch. Außerhalb der Stoßzeiten, mit einem stabilen zwischengespeicherten Präfix, ist DeepSeek deutlich günstiger. In einem Werktags-Spitzenlastfenster ohne Caching ist es doppelt so teuer. Der Zeitplan entscheidet, welcher Satz wahr ist.

Was ausgeführt werden soll

Beide Modelle laufen auf OrcaRouter zu den von ihren Anbietern veröffentlichten Preisen über einen einzigen OpenAI-kompatiblen Endpunkt mit automatischem Failover – genau das macht diesen Test günstig: Leite einen Teil des Traffics jeweils an beide Modelle und vergleiche Ausgabe-Tokens pro abgeschlossener Aufgabe, p95-Latenz und den Anteil der Anfragen, die in DeepSeeks Peak-Zeitfenstern landen.

Was Sie nicht tun sollten, ist, auf dem Aufkleber herumzuhacken. Das ist die eine Spalte, in der diese beiden Modelle übereinstimmen, was bedeutet, dass sie die eine Spalte ist, die Ihnen nichts verrät.