MiniMax M3.1 Flash vs. Gemini 3.5 Flash-Lite: Zum halben Preis, mit doppelter Punktzahl – und trotzdem nicht die offensichtliche Wahl

Gemini 3.5 Flash-Lite ist seit dem 21. Juli 2026 erhältlich. MiniMax M3.1 Flashkam am 19. Oktober 2026 für 0,15 $ pro Million Eingabe-Tokens und 0,60 $ pro Million Ausgabe-Tokens auf den Markt — die Hälfte bzw. rund ein Viertel von Gemini 3.5 Flash-Lite mit 0,30 $ und 2,50 $. Im Intelligence Index von Artificial Analysis erreicht das neuere Modell 43 Punkte und das Google-Modell 22. Damit ist MiniMax M3.1 Flash bei jeder Token-Zeile günstiger und auf dem unabhängigen Index doppelt so leistungsfähig. Dann kommt man zur Zeile „Kosten pro Aufgabe“, und dort gewinnt Gemini 3.5 Flash-Lite mit 0,19 $ gegenüber 0,22 $. Diese Umkehrung ist der einzige ehrliche Einstieg in diesen Vergleich, denn sie zeigt, dass es bei der Entscheidung überhaupt nicht um Preislisten geht.

Zwei Tarifkarten, die nur ähnlich aussehen

Beginne mit dem, was jeder Anbieter tatsächlich veröffentlicht, denn die Strukturen unterscheiden sich ebenso stark wie die Zahlen.

• Eingabe — 0,15 $ pro Million Tokens bei MiniMax M3.1 Flash gegenüber 0,30 $ bei Gemini 3.5 Flash-Lite.

• Ausgabe — 0,60 $ gegenüber 2,50 $, eine Lücke von vier zu eins.

• Zwischengespeicherte Eingabe — 0,015 $ gegenüber 0,03 $, beides ein Rabatt von 90 % auf den Eingabetarif.

• Cache-Speicher — Google berechnet dafür 1,00 US-Dollar pro Million gecachter Token pro Stunde. Die zum Marktstart veröffentlichte Preisliste von MiniMax weist keine separate Speichergebühr aus.

• Batch und Flex — Google senkt in beiden Tarifen die Eingabekosten auf 0,15 USD und die Ausgabekosten auf 1,25 USD. Die Einführungspreise von MiniMax sind eine schlichte Drei-Zeilen-Karte, ohne Batch-Tarif im Einführungsmaterial.

• Priority — Google verkauft eine Priority-Stufe für 0,54 $ pro Eingabe und 4,50 $ pro Ausgabe. Im Launch-Post von MiniMax wurde kein entsprechendes Angebot angekündigt.

• Kontext und Ausgabegrenze — beide akzeptieren 1 Million Eingabe-Tokens. MiniMax erlaubt bis zu 524,288 Ausgabe-Tokens; Gemini 3.5 Flash-Lite endet bei 65,536.

• Gewichte — MiniMax veröffentlichte am 23. Oktober einen 252,4 GB großen Download unter seiner Community-Lizenz. Gemini 3.5 Flash-Lite ist proprietär.

Der Batch-Tarif verdient einen eigenen Satz, denn er ist die einzige Stelle, an der sich die beiden Tarifkarten fast berühren. Ein Team, das Batch-Latenz tolerieren kann, erhält Gemini 3.5 Flash-Lite-Input für $0.15 – exakt MiniMax’ Standard-Inputpreis –, aber Output für $1.25, was immer noch mehr als das Doppelte von MiniMax’ $0.60 ist. Batch verringert die Input-Lücke und lässt die Output-Lücke unverändert. Wenn Ihre Workload output-lastig ist – was auf Agent- und Coding-Workloads zutrifft –, rettet der Batch-Rabatt den Vergleich nicht.

Die Fähigkeitslücke ist nicht gerade subtil, aber lies die Benchmark-Version.

Artificial Analysis lässt beide Modelle dieselbe Testsuite durchlaufen, und die Ergebnisse liegen nicht nah beieinander:

• Intelligence Index — 43 für MiniMax M3.1 Flash, auf Platz fünf von 173 Modellen; 22 für Gemini 3.5 Flash-Lite, auf Platz 44.

• Terminal-Bench 4.0 — 26 % gegenüber 1 %.

• AutomationBench-AA — 73 % gegen 25 %.

• GDPval-AA — 1.458 gegenüber 985.

• SciCode — 53 % gegenüber 41 %.

Die Terminal-Bench-Zahl ist diejenige, die aus dem Zusammenhang gerissen zitiert werden wird, daher braucht sie Kontext. Googles eigene Model Card für Gemini 3.5 Flash-Lite nennt für Terminal-Bench 2.1 54,0 %. Artificial Analysis führt Terminal-Bench 4.0 aus und verzeichnet 1 %. Beide Werte können korrekt sein, denn es sind unterschiedliche Benchmark-Generationen, die unterschiedliche Dinge testen. Die 1 % bedeuten nicht, dass Flash-Lite kein Terminal bedienen kann; sie bedeuten, dass es die aktuellen schwierigen End-to-End-Terminalaufgaben fast nie ohne Hilfe abschließt. Die 54 % bedeuten, dass es bei einer früheren Version des Benchmarks gut abschnitt. Wer das Modell mit MiniMax M3.1 Flash bei „Terminal-Bench“ vergleicht, ohne die Version zu nennen, vergleicht zwei verschiedene Tests.

Die Unterscheidung zwischen Anbieterangaben und unabhängigen Tests ist ebenso wichtig. Google gibt auf seiner Karte außerdem SWE-Bench Pro mit 54,2 %, OSWorld-Verified mit 74,0 % und GDM-MRCR mit 72,2 % bei 128K-Kontexten an – alles vom Anbieter berichtet, alles mit Googles selbst gewählten Einstellungen. MiniMax' Launch-Post nennt BankerToolBench mit 76,2, DeepSWE v1.1 mit 73,7 % und OSWorld V2 mit 61,7 – ebenfalls vom Anbieter berichtet. Die einzigen Zeilen in diesem Artikel, die beide Modelle durch dieselbe Testumgebung laufen lassen, sind die von Artificial Analysis, weshalb sie die Argumentation tragen.

Warum das teurere Modell pro Aufgabe dennoch weniger kosten kann

Artificial Analysis beziffert die Kosten pro abgeschlossener Aufgabe im Intelligence Index auf 0,19 US-Dollar für Gemini 3.5 Flash-Lite und 0,22 US-Dollar für MiniMax M3.1 Flash. Das wirkt unmöglich angesichts einer Vier-zu-eins-Lücke beim Ausgabepreis, bis man sich vergegenwärtigt, was die Kennzahl ist: tatsächlich verbrauchte Tokens, multipliziert mit den Tarifen des Anbieters. Es ist kein Preislisten-Vergleich. Es ist eine Messung, wie viel Arbeit jedes Modell leistet, um dieselbe Aufgabe zu erledigen.

MiniMax M3.1 Flash ist ein ausführlicher Reasoner. Artificial Analysis hat für M3.1 Flash über den gesamten Index hinweg rund 180 Millionen Ausgabe-Tokens erfasst – gegenüber einem Median von etwa 100 Millionen bei den Modellen, die dort beobachtet werden. Die Kosten von 0,19 US-Dollar pro Aufgabe bei Gemini 3.5 Flash-Lite, bei etwa einem Drittel des gemischten Token-Preises von MiniMax, legen nahe, dass es denselben Index mit deutlich weniger Tokens bewältigt. Das ist ein Rückschluss aus zwei veröffentlichten Zahlen und keine Aussage des Anbieters, doch er weist in dieselbe Richtung: Bei Aufgaben, bei denen das zusätzliche Nachdenken von M3.1 Flash eine korrekte Antwort erkauft, ist der Token-Aufwand ein gutes Geschäft. Bei Aufgaben, bei denen die Antwort nie infrage stand, ist das Nachdenken Verschwendung – und das Modell mit dem günstigeren Token-Preis wird pro Aufgabe zum teureren.

Erstellen Sie die Rechnung für eine Arbeitslast, die Sie tatsächlich haben könnten: 20 Millionen Input-Tokens pro Monat bei einer Cache-Hit-Rate von 60 %, plus 3 Millionen Output-Tokens.

• MiniMax M3.1 Flash — 8 Millionen neue Eingabe zu 0,15 $ ergibt 1,20 $; 12 Millionen im Cache zu 0,015 $ ergibt 0,18 $; 3 Millionen Ausgabe zu 0,60 $ ergibt 1,80 $. Gesamt: 3,18 $.

• Gemini 3.5 Flash-Lite — 8 Millionen neue Eingabe zu 0,30 $ sind 2,40 $; 12 Millionen zwischengespeichert zu 0,03 $ sind 0,36 $; 3 Millionen Ausgabe zu 2,50 $ sind 7,50 $. Gesamt 10,26 $, vor Cache-Speicher.

Das ist ein 3,2-facher Unterschied zugunsten von MiniMax. Reduziert man die Ausgabe auf eine halbe Million Token – die Form eines Klassifizierungs- oder Extraktionsjobs –, sind es 1,68 $ gegenüber 4,01 $ – immer noch 2,4-fach. Setzt man Gemini in seine Batch-Stufe mit der Ausgabe von 3 Millionen Token, landet es bei 5,19 $, immer noch 1,6-fach MiniMax. Die Arithmetik pro Token weicht nicht zurück.

Die Umkehrung der Kosten pro Aufgabe ist real, aber eng begrenzt, und sie ist eine Aussage über Token-Effizienz statt über den Preis. Wenn Ihr Workload dem Intelligence Index ähnelt – kurze, gut spezifizierte Aufgaben, bei denen ein kleineres Modell schnell fertig werden kann –, kann die Effizienz von Flash-Lite die Lücke im Tarifkatalog schließen. Wenn Ihr Workload der obigen Rechnung ähnelt, wird ihr das nicht gelingen. Die einzige verlässliche Prognose sind Ihre eigenen Token-Zahlen für Ihre eigenen Prompts, gemessen auf beiden.

Geschwindigkeit sind zwei Messungen, die in entgegengesetzte Richtungen zeigen.

Die Geschichte mit der Geschwindigkeit ist interessanter als „einer ist schneller“, denn die beiden Modelle gewinnen jeweils unterschiedliche Hälften davon.

• Zeit bis zum ersten Token – 1,48 Sekunden bei MiniMax M3.1 Flash gegenüber 6,94 Sekunden bei Gemini 3.5 Flash-Lite. Das MiniMax-Modell beginnt fast fünfmal früher mit der Antwort.

• Ausgabedurchsatz – 95,6 Token pro Sekunde gegenüber 430,2. Sobald es startet, streamt Flash-Lite etwa viereinhalbmal schneller.

Welche Zahl zählt, hängt von der Form des Aufrufs ab. In einer Chat-Oberfläche ist die Latenz bis zum ersten Token das, was der Nutzer spürt; ein Modell, das sieben Sekunden vor dem ersten Wort pausiert, wirkt kaputt, egal wie schnell es danach tippt. Bei einer langen Generierung – einem Bericht mit 100.000 Tokens, einem großen Refactoring – dominiert der Durchsatz die Gesamtlaufzeit, und der langsame Starter kann zuerst fertig sein. In einer Agent-Schleife, in der jeder Schritt ein kurzer Tool-Aufruf ist und die Schleife zwanzig Mal durchläuft, wird die Zeit bis zum ersten Token zwanzig Mal bezahlt, und der Durchsatz spielt kaum eine Rolle.

Zwei Vorbehalte. Artificial Analysis hat für M3.1 Flash 95,6 Tokens pro Sekunde gemessen, während das eigene Material von MiniMax einen Median über 170 und Spitzenwerte über 200 behauptet – ein Hinweis darauf, dass Serving-Pfad und Messbedingungen diese Zahl stark beeinflussen. Und die 430 Tokens pro Sekunde von Flash-Lite sind wirklich schnell, aber die Ausgabegrenze von 65.536 Tokens bedeutet, dass der Fall der Langgenerierung, bei dem sich diese Geschwindigkeit am meisten auszahlen würde, begrenzt ist. Die Grenze von 524.288 Tokens bei MiniMax ist achtmal größer.

Die Streuung zwischen den Anbietern ist größer als der Abstand zwischen den Modellen. Auf OrcaRouters eigener Seite für Gemini 3.5 Flash-Lite werden über die Anbieter, an die geroutet wird, eine p50-Zeit bis zum ersten Token von 3,59 Sekunden und eine p95 von 10,00 Sekunden angegeben – im Vergleich zu Artificial Analysys Wert von 6,94 Sekunden. Das ist kein Widerspruch; so sieht ein geroutetes Modell aus, wenn unterschiedliche Backends es bedienen. Es bedeutet auch, dass man diese beiden bei der Latenz am ehrlichsten vergleicht, indem man die eigene Route misst, statt einer einzelnen Zahl eines der beiden Anbieter zu vertrauen.

Die Zeile, die über regulierte Arbeit entscheiden sollte

Die AA-Omniscience-Evaluierung von Artificial Analysis gibt MiniMax M3.1 Flash eine Punktzahl von 16: 56 % der Faktenfragen wurden korrekt beantwortet, und die Halluzinationsrate liegt bei 93 %. Die letzte Zahl bedeutet nicht, dass 93 % der Antworten falsch waren. Sie bedeutet, dass von den Antworten, die nicht korrekt waren, 93 % schlichtweg falsch waren statt Teilantworten oder Verweigerungen – das Modell antwortet meist dann, wenn es ablehnen sollte.

Die Artificial-Analysis-Seite von Gemini 3.5 Flash-Lite enthält keinen AA-Omniscience-Score, daher lassen sich die beiden hinsichtlich der Enthaltung nicht vergleichen. Dieses Fehlen ist kein Unbedenklichkeitszeugnis; es sind fehlende Daten. Was sich sagen lässt, ist, dass ein Modell mit einer niedrigeren Leistungsobergrenze und einer starken Neigung zu kurzen Antworten auf andere Weise scheitern kann – indem es ablehnt oder offensichtlich dürftige Ausgaben erzeugt –, doch es gibt keine veröffentlichte Messung, die das belegt. Gehen Sie nicht davon aus, dass das kleinere Modell sicherer ist, nur weil es kleiner ist.

Für Coding- und agentische Aufgaben ist AA-Omniscience ein schlechter Prädiktor: Das Modell wird nicht gebeten, Fakten abzurufen, sondern auf Dateien und Tool-Ergebnisse zu reagieren. Für alles, was Wissensarbeit ähnelt – einen Vertrag zusammenzufassen, eine Richtlinienfrage eines Kunden zu beantworten, eine Zahl aus einer Einreichung zu extrahieren –, ist die 93-%-Angabe der erste Punkt, um den herum man das System entwirft, nicht der letzte. Retrieval, Zitatprüfungen und ein menschlicher Prüfschritt sind dort nicht optional, und ein niedrigerer Tokenpreis wiegt die Kosten einer selbstsicheren falschen Antwort nicht auf.

Eine Entscheidungsregel, die auch unter deiner eigenen Arbeitslast Bestand hat

• Klassifizierung, Extraktion, Routing und Übersetzung in hohem Volumen mit kurzen Ausgaben — Gemini 3.5 Flash-Lite. Der Indexwert von 22 ist für eng gefasste Aufgaben ausreichend, 430 Token pro Sekunde sind der entscheidende Punkt, und 65.536 Ausgabe-Token sind reichlich. Die Batch-Stufe zu 0,15 $ pro Eingabe macht das Volumenargument noch stärker.

• Programmieren im Repo-Maßstab, mehrstufige Agenten, lange Dokumente, Langform-Ausgaben — MiniMax M3.1 Flash. Terminal-Bench 4.0 mit 26 % gegenüber 1 % ist die relevante Lücke, 524.288 Ausgabetokens beseitigen eine harte Obergrenze, und der Eingabepreis ist halb so hoch.

• On-Premises- oder Gewichte-Zugriff — MiniMax M3.1 Flash, und nur dieses. Der Download von 252,4 GB ist real, unterliegt aber der MiniMax Community Licence: Bei kommerziellen Deployments ist eine Namensnennung erforderlich, und ab 20 Millionen US-Dollar Jahresumsatz ist eine vorherige schriftliche Genehmigung nötig. „Open Weights“ ist nicht „Open Source“, und die Beschaffung sollte die Lizenz lesen, bevor sie sich die Parameterzahl ansieht.

• Latenzempfindlicher Chat — testen Sie beide. MiniMax gewinnt bei der Zeit bis zum ersten Token deutlich; Gemini gewinnt beim Streaming-Durchsatz. Welcher sich schneller anfühlt, hängt von der Antwortlänge ab.

• Unüberwachte Beantwortung faktischer Fragen – keines von beidem ohne Retrieval und Verifikation. MiniMax M3.1 Flash hat ein gemessenes Enthaltungsproblem; für Gemini 3.5 Flash-Lite gibt es überhaupt keine veröffentlichte Messung.

Wo jedes einzelne tatsächlich aufrufbar ist

Es gibt eine Asymmetrie, die klar benannt werden sollte. Gemini 3.5 Flash-Lite steht heute in OrcaRouters Katalog, sodass es über einen einzigen API-Schlüssel zum Listenpreis des Anbieters mit 0 % Aufschlag aufgerufen werden kann, mit automatischem Failover über Anbieter hinweg und der Routing-DSL, mit der es sich mit anderen Modellen kombinieren lässt. MiniMax M3.1 Flash ist nicht im Katalog; die MiniMax-Reihe dort endet bei MiniMax-M3. M3.1 Flash aufzurufen bedeutet, die eigene API von MiniMax oder einen seiner Serving-Partner zu nutzen – darunter Tenstorrent Cloud, die den Einsatz am 22. Oktober angekündigt hat.

Das ist für die Evaluierung wichtiger als für den Produktivbetrieb. Wenn Sie die Frage nach den Kosten pro Aufgabe anhand Ihrer eigenen Daten klären möchten, ist der nützliche Vergleich oft MiniMax-M3 gegen Gemini 3.5 Flash-Lite mit einem Schlüssel, weil beide auf dieselbe Weise routbar und abgerechnet werden; das neuere Modell muss dann diese Baseline übertreffen, bevor Sie einen zweiten Anbieter ins Spiel bringen. OrcaRouter gibt die Listenpreise der Anbieter unverändert weiter, sodass eine MiniMax-Preisänderung oder eine Google-Batch-Tarifstufe am selben Tag auf Ihrer Rechnung erscheint, an dem sie sich ändert, nicht erst am Ende eines ausgehandelten Vertrags.

Die Wahl hängt davon ab, bei welcher Zahl du es dir leisten kannst, falsch zu liegen.

Wenn Sie Gemini 3.5 Flash-Lite wählen und dessen Leistungsfähigkeit falsch einschätzen, ist das Scheitern sichtbar: 1 % bei Terminal-Bench 4.0 und ein AutomationBench-AA-Ergebnis von 25 % lassen sich nicht verbergen. Sie werden sehen, dass die Aufgabe fehlschlägt, und Sie werden sie an ein anderes Modell übergeben.

Wenn Sie MiniMax M3.1 Flash wählen und sich bei den Kosten irren, ist der Fehler kleiner, als es die Preisliste vermuten lässt: Beim oben genannten token-basierten Beispiel ist es zwei- bis dreimal günstiger, und bei der Aufgabenmetrik von Artificial Analysis ist es etwa 16 % teurer. Keines der beiden Ergebnisse ist katastrophal.

Wenn Sie MiniMax M3.1 Flash wählen und sich bei der Enthaltung irren, bleibt der Fehler unbemerkt. Das ist die Asymmetrie, die die Entscheidung für Wissensarbeit prägen sollte, und der Grund, warum dieser Vergleich nicht mit „das günstigere, klügere Modell gewinnt“ endet. Für agentische und Coding-Workloads, bei denen das Modell auf Artefakte einwirkt, die Sie prüfen können, ist MiniMax M3.1 Flash die stärkere Wahl zu einem niedrigeren Token-Preis. Bei der hochvolumigen Verarbeitung kurzer Antworten verdienen Geschwindigkeit und Aufgabeneffizienz von Gemini 3.5 Flash-Lite weiterhin ihren Platz. Für faktische Arbeit ohne Verifikationsschicht ist die ehrliche Antwort, dass keines der beiden Modelle das verdient hat.