DeepSeek V4 Pro vs MiniMax M3: Das Open-Weight-Flaggschiff-Duell

DeepSeek V4 Pro und MiniMax M3 sind die beiden Open-Weight-Flaggschiffe, die in diesem Jahr um die Coding-Krone kämpfen, und das Interessante daran ist, wie unterschiedlich sie versuchen, sie zu gewinnen. MiniMax M3, veröffentlicht am 1. Juni, ist das erste Open-Weight-Modell, das für sich beansprucht, Frontier-Coding, einen Kontext von 1 Million Token und native multimodale Eingabe in einem Paket zu bieten, basierend auf M​iniMaxs Sparse-Attention-Architektur. DeepSeek V4 Pro, dessen offizielle Version nach einer viermonatigen Vorschau am 13. August erschien, ist der Spezialist für Reasoning: ein Mixture-of-Experts-Modell mit 1,6 Billionen Parametern und 49 Milliarden aktiven Parametern, die höchste jemals für ein Sprachmodell aufgezeichnete Codeforces-Wertung, und inzwischen eine deutlich stärkere Agentic-Bilanz. Beide sind MIT-lizenziert, beide sind günstig, und beide sind aggressiv gegen Modelle positioniert, die zehn- bis fünfzigmal so viel kosten.

Diese Schlagzeile „beide Open-Weight“ verdeckt die eigentliche Divergenz. Es sind nicht zwei Unternehmen, die dasselbe mit verschiedenen Logos bauen. M3 setzt auf Long-Context-Ökonomie – sparse Attention, die ein Millionen-Token-Fenster billig genug macht, um es tatsächlich zu nutzen. DeepSeek V4 Pro setzt auf rohe Reasoning-Tiefe – ein riesiges experten-paralleles MoE, das gründlich nachdenkt, bevor es antwortet. Welches „besser fürs Programmieren“ ist, hängt offenbar davon ab, welchen Teil des Programmierens man meint und ob die Eingabe ein Stacktrace oder ein Screenshot ist.

Zwei Architekturen, zwei Wetten.

DeepSeek V4 Pro ist das größte Open-Weights-Modell, das bisher veröffentlicht wurde: 1,6 Billionen Gesamtparameter mit 49 Milliarden aktiven Parametern pro Token, ein 61-schichtiges MoE mit 384 gerouteten Experten (Top-6), FP4-Expertengewichte mit FP8-Aufmerksamkeit und ein hybrides Aufmerksamkeitsdesign, das komprimierte und stark komprimierte Sparse-Aufmerksamkeit kombiniert. Es benötigt etwa 862 GB in FP8, was Selbsthosting in den Acht-H100-Bereich bringt und nicht auf eine Workstation. Das Modell, das jetzt MIT-lizenziert und herunterladbar ist, ist dasselbe, das hinter dem offiziellen API-Build steckt, der diese Woche veröffentlicht wurde.

MiniMax M3 ist eine kleinere und schlankere Maschine – mit insgesamt rund 428 Milliarden Parametern und etwa 23 Milliarden aktiven Parametern pro Token – basierend auf M​iniMax Sparse Attention (MSA). Der Anbieter gibt an, dass MSA den Rechenaufwand pro Token auf etwa ein Zwanzigstel der vorherigen Generation reduziert, mit mehr als 9-fach schnellerem Prefill und mehr als 15-fach schnellerem Decode bei langem Kontext. Genau das ist der Zweck des Modells: Ein Million-Token-Fenster ist nur dann nützlich, wenn die Inferenz darin erschwinglich ist, und genau das ermöglicht MSA. M3 verarbeitet außerdem Bilder und Videos nativ, was V4 Pro nicht kann.

Beide bieten einen Kontext von 1.048.576 Token. DeepSeek V4 Pro erreicht maximal 384K Ausgabe-Token; MiniMax M3 liegt mit 512K sogar noch höher. Beide haben einen umschaltbaren Denkmodus – bei DeepSeek V4 Pro ist er standardmäßig aktiviert, bei M3 ist er als Schalter verfügbar.

Was DeepSeeks offizielle Veröffentlichung verändert hat

Jeder aktuelle Vergleich, der vor dieser Woche geschrieben wurde, vergleicht das falsche DeepSeek-Modell. Die Vorschau, die ab dem 24. April lief, war ein Reasoning-Modell, das einen DeepSWE-Score von 12,8 erzielte. Der offizielle Build, DeepSeek-V4-Pro-0813, steigerte diesen Wert in DeepSeeks eigenen Evaluierungen auf 62,7 und fügte eine Responses API, Codex-Integration sowie OpenAI- und Anthropic-kompatible Endpunkte hinzu – sodass derselbe Client-Code, der mit dem einen spricht, auch mit dem anderen sprechen kann. Die agentischen Scores auf der Modellkarte des Anbieters liegen nun nahe bei denen von Anthropics Fable 5: Terminal-Bench 2.1 bei 87,9 (Fable 5: 88,0), CyberGym 83,3 (Fable 5: 83,1), AutomationBench 31,8 (Fable 5: 29,1). Dies sind von DeepSeek gemeldete Zahlen zu einem Build, der erst einen Tag alt ist und von keinem unabhängigen Labor reproduziert wurde – behandle sie als Behauptungen, aber die Behauptungen sind nicht mehr bescheiden.

Das Coding-Scoreboard und wem welche Zahlen gehören

Bei den am häufigsten zitierten Coding-Benchmarks teilen sich die beiden Modelle das Feld, und diese Aufteilung ist aufschlussreich:

• LiveCodeBench — DeepSeek V4 Pro 93,5, das stärkste Open-Weight-Ergebnis bei diesem Benchmark und sein meistzitierter Sieg.

• SWE-Bench Verified — DeepSeek V4 Pro 80.6 vs MiniMax M3 80.5, praktisch gleichauf.

• SWE-Bench Pro — MiniMax M3 59.0 vs DeepSeek V4 Pro 55.4, ein bedeutender 3.6-Punkte-Vorsprung für M3 bei agentischer Softwareentwicklung.

• Terminal-Bench 2.1 — DeepSeek V4 Pro 67.9 gegen MiniMax M3 66.0, knapp.

• BrowseComp — MiniMax M3 83.5, ein browserbasierter Score für Recherche-Agenten, der viele geschlossene Modelle übertrifft.

• Codeforces — DeepSeek V4 Pro 3206, das höchste jemals für ein Sprachmodell verzeichnete Rating.

Die ersten vier dieser Zeilen sind Herstellerangaben; der Artificial Analysis Intelligence Index ist der einzige unabhängige Wert, auf dem beide zu finden sind, und er bewertet MiniMax M3 mit 44 gegenüber DeepSeek V4 Pro mit 32, jeweils in der Non-Reasoning-Konfiguration (die Reasoning-Konfiguration war zum Zeitpunkt des Schreibens bei AA noch nicht bewertet worden). Ein von Drittanbietern in diesem Monat veröffentlichter Coding-Vergleich liefert das klarere Bild: MiniMax M3 schnitt bei einer praxisnahen Implementierungsaufgabe insgesamt am besten ab, wobei ein Juror seinen Code als „industrietauglich" lobte, während DeepSeek V4 Pro als bester Architektur-Designer beschrieben wurde, aber schwächer darin war, Geschäftslogik bis zum funktionierenden Code umzusetzen — „gut im Denken, nicht im Tun". Bei algorithmischen Problemen im Competitive-Programming-Stil sprechen die Codeforces- und LiveCodeBench-Zahlen für V4 Pro. Für die Umsetzung einer Spezifikation in einen fertigen, getesteten Dienst tendieren die realen Ergebnisse zu M3.

Multimodalität ist der eigentliche Scheideweg.

Lässt man die Benchmarks beiseite, ist der entscheidende Unterschied die Eingabemodalität. MiniMax M3 verarbeitet nativ Text, Bild und Video und unterstützt Computer-Use und visuelles Grounding – ein Agent kann ein Diagramm lesen, einen Bildschirm ansehen und auf das reagieren, was er sieht. DeepSeek V4 Pro ist rein textbasiert, was für reine Code- und Dokument-Pipelines genau richtig ist und für alles unbrauchbar, bei dem die Antwort in einem Bild steckt. Wenn Ihr Coding-Agent auf Basis von Issues und Repos arbeitet, kostet Sie die Textfokussierung von V4 Pro nichts. Wenn er jemals ein UI-Mockup, einen Absturz-Screenshot oder ein Whiteboard-Foto ansehen muss, ist M3 der einzige von beiden, der das kann.

Preis und Geschwindigkeit: zwei verschiedene Kurven

Bei den von OrcaRouter durchgereichten Listenpreisen der Anbieter sind die beiden Modelle an unterschiedlichen Stellen günstig:

• DeepSeek V4 Pro — $0,44 pro Million Eingabe, $0,88 pro Million Ausgabe, gecachte Eingabe $0,0035 pro Million.

MiniMax M3 — $0,30 pro Million Eingabe, $1,20 pro Million Ausgabe, Cache-Eingabe $0,06 pro Million.

M3 gewinnt bei der Eingabe und beim Caching; V4 Pro gewinnt bei der Ausgabe, und die Ausgabe ist es, wo Denk-Tokens abgerechnet werden. Da DeepSeek V4 Pro standardmäßig das Denken aktiviert hat und seine Überlegungen sehr ausführlich sind, kann ein langer Agentenlauf die gemischten Kosten zugunsten von V4 Pro verschieben, trotz des günstigeren M3-Eingabepreises. Die Geschwindigkeit läuft in die andere Richtung: MiniMax M3 erreicht je nach Anbieter etwa 80–145 Ausgabe-Tokens pro Sekunde, gegenüber DeepSeek V4 Pro mit ungefähr 54–65. M3s Sparse-Attention-Vorteil zeigt sich am deutlichsten bei langem Kontext, wo das Decodieren schnell bleibt, während die Aufmerksamkeitskosten von V4 Pro steigen.

Beide laufen auf OrcaRouter hinter einem OpenAI-kompatiblen Schlüssel, was dies weniger zu einem Münzwurf macht, als es aussieht: Ein Produktionspfad kann DeepSeek V4 Pro für die algorithmischen und langen Schreibdurchläufe routen, MiniMax M3 für die multimodalen und Long-Context-Durchläufe, und die Routing-DSL oder Modellfusion nutzen, um sie in einem einzigen Aufruf zusammenarbeiten zu lassen — wobei jeder zum Listenpreis des Anbieters mit 0 % Aufschlag abgerechnet wird, mit automatischem Failover, falls der Endpunkt eines Anbieters wackelt.

Welches passt?

• Wettbewerbsprogrammierung, algorithmisches Denken, Mathematik, maximale Ausgabe pro Aufruf → DeepSeek V4 Pro. Die Codeforces- und LiveCodeBench-Ergebnisse sind die stärksten Open-Weight-Zahlen auf dem Board.

• Spezifikationen in fertige Dienste umwandeln, lange autonome Agentenläufe → MiniMax M3, laut den realen Coding-Wettbewerben und seiner führenden Position beim agentischen SWE-Bench Pro.

• Jede Eingabe, die kein Text ist (Screenshots, Diagramme, Videostandbilder) → MiniMax M3, die einzige multimodale Option hier.

• Million-Token-Kontext, der erschwinglich und schnell bleiben muss → MiniMax M3s sparse Attention mit 9-fachem Prefill- und 15-fachem Decode-Gewinn gegenüber der vorherigen Generation.

• Niedrigste Ausgabekosten für Text → DeepSeek V4 Pro bei 0,88 $ gegenüber 1,20 $ bei M3, besonders wenn das Denken aktiviert ist.

• Selbsthosting auf bescheidenen Rechenzentrums-GPUs → MiniMax M3s kleinerer aktiver Footprint; V4 Pros 862-GB-FP8-Checkpoint verlangt einen ordentlichen Cluster.

Keines der beiden Modelle hat bereits ein endgültiges Urteil erhalten, und beide entwickeln sich rasant – der offizielle Build von DeepSeek V4 Pro ist diese Woche erschienen und wurde noch nicht unabhängig benchmarkt, die Gewichte von MiniMax M3 wurden zwar versprochen, müssen aber noch vollständig in die offenen Repositories einziehen, und DeepSeek hat eine Preiserhöhung für die V4-Reihe angekündigt. Wenn Sie heute eine Entscheidung treffen müssen, entscheiden Sie nach Modalität und Workload: multimodale und agentische Arbeiten mit langem Kontext gehen an MiniMax M3, reines Text- und Code-Reasoning zum niedrigsten Ausgabepreis geht an DeepSeek V4 Pro – und routen Sie beide gemeinsam, sodass die Umstellung Ihres Traffics beim Erscheinen der ersten unabhängigen Benchmark-Ergebnisse für eines der beiden Modelle nur eine Konfigurationsänderung ist, keine Neuimplementierung.