MiniMax M3.1 Flash vs. GLM-5.3-Flash: Die Tarifkarten stimmen überein – entscheiden Sie also anhand der Zeilen, bei denen das nicht der Fall ist

Die beiden Preislisten sind praktisch gesehen dieselbe Liste. M​iniMax M3.1 Flash berechnet 0,15 US-Dollar pro Million Eingabe-Tokens und 0,60 US-Dollar pro Million Ausgabe-Tokens. GLM-5.3-Flash berechnet 0,15 und 0,50 US-Dollar. Mischt man sie so wie Artificial Analysis, kommen beide auf 0,10 US-Dollar pro Million. Ihre unabhängigen Intelligenzwerte liegen einen Punkt auseinander — 43 gegenüber 42 im aktuellen Index. Ein Vergleich, der bei Preis und Punktzahl endet, hat also nichts zu sagen, weshalb die meisten genau dort aufhören und dann das Modell empfehlen, das der jeweilige Autor zufällig getestet hat. Die Entscheidung zwischen M​iniMax M3.1 Flash und GLM-5.3-Flash liegt vollständig in den Zeilen, die nicht übereinstimmen: was man mit den Gewichten tun darf, was passiert, wenn die Ausgabe an eine Obergrenze stößt, was man dem Modell zuführen kann und ob das Ding überhaupt über den Endpunkt kaufbar ist, den man bereits nutzt. Preislisten und Benchmark-Tabellen lassen beide aus, wie diese Modelle versagen, sobald sie im Produktivbetrieb sind, und die dokumentierten Vorfälle sind katalogisiert in dem OrcaRouter AI Incident Archive, wo jeder Eintrag seine eigenen Quellen, seinen Schweregrad, seine Vertrauensstufe und eine Kennzeichnung als umstritten trägt.

• Sechs Zeilen, beidseitig

• Preis — M​iniMax M3.1 Flash 0,15 $ Eingabe und 0,60 $ Ausgabe pro Million, zwischengespeicherte Eingabe 0,015 $; GLM-5.3-Flash 0,15 $ und 0,50 $, zwischengespeicherte Eingabe 0,03 $. Beide ergeben gemischt 0,10 $ pro Million bei einem Verhältnis von 7:2:1 von Eingabe zu zwischengespeicherter Eingabe zu Ausgabe.

• Unabhängige Punktzahl — Intelligence Index 43 für M​iniMax M3.1 Flash, 42 für GLM-5.3-Flash, auf derselben Indexversion, am selben Tag abgelesen. Ein Punkt liegt innerhalb des Rauschens eines einzelnen Evaluierungsdurchlaufs.

• Kosten pro abgeschlossener Aufgabe — 0,22 $ pro Index-Aufgabe für MiniMax M3.1 Flash gegenüber 0,28 $ für GLM-5.3-Flash. Der günstigere Preis ist auch die günstigere Aufgabe, und zwar um rund 21 %.

• Maximale Ausgabe — von M​iniMax für M3.1 Flash nicht veröffentlicht; 128.000 Token für GLM-5.3-Flash. Beide werben mit einem Kontextfenster von 1 Mio. Token, doch nur einer von ihnen verrät, wie viel davon wieder herauskommen kann.

• Eingaben — Text, Bild und Video für MiniMax M3.1 Flash; Text, Bild, Video und Dateien für GLM-5.3-Flash. Video auf beiden Seiten ist der ungewöhnliche Teil; Datei-Upload auf einer Seite ist der operative Teil.

• Offene Gewichte — GLM-5.3-Flash ist MIT-lizenziert, hat 320 Milliarden Gesamtparameter bei 18 Milliarden aktiven und ist heute herunterladbar. M​iniMax sagt, die Gewichte von M3.1 Flash würden später veröffentlicht, ohne Lizenz und ohne Datum für dieses Versprechen.

Warum ein Punkt auf dem Index kein Grund ist, eines von beiden zu wählen

Der Intelligence Index ist ein gewichtetes zusammengesetztes Maß: Agents zu 30 %, Coding zu 20 %, wissenschaftliches Schlussfolgern zu 20 %, General zu 30 %, aufgebaut aus zehn Evaluierungen, darunter AA-Briefcase und AA-Omniscience mit jeweils 15 %. Ein einzelner Punkt in einem derart zusammengesetzten Maß kann daher rühren, dass sich eine einzelne Unterevaluierung um ein paar Punkte verschiebt. Interpretierst du es als Gleichstand, wirst du weit häufiger richtig als falsch liegen. Interpretierst du es als Rangliste, wählst du ein Produktionsmodell anhand der vierten signifikanten Stelle einer Umfrage.

Der Kostenvergleich pro Aufgabe ist nützlicher als der Indexvergleich und weist auch in dieselbe Richtung wie die Preisangabe. Bei 0,22 US-Dollar pro abgeschlossener Aufgabe erledigt MiniMax M3.1 Flash die Arbeit des Index für weniger als die 0,28 US-Dollar von GLM-5.3-Flash, trotz einer höheren Ausgaberate pro Token. Das ist die Verbositäts- und Caching-Arithmetik, die ihre Arbeit tut: GLM-5.3-Flash berechnet ein Drittel mehr pro Ausgabe-Token und holt davon weniger über den Cache zurück, sodass die billiger wirkende Ausgaberate auf MiniMax' Datenblatt zusammengenommen tatsächlich günstiger ist. Wenn Ihre Arbeitslast eine lang laufende Agentenschleife ist, bei der der Großteil der Rechnung aus erneut gelesenen Ausgabe-Token besteht, ist diese 21 % die Zahl, die in der monatlichen Abrechnung auftaucht.

Bei der Geschwindigkeit gibt es eine saubere Trennung, und zwar gegenüber dem günstigeren Modell.

Dies ist die Dimension, in der die beiden nicht mehr austauschbar sind. M​iniMax M3.1 Flash erreicht etwa 105 Token pro Sekunde Ausgabe bei einer Zeit bis zum ersten Token von 1,38 Sekunden. GLM-5.3-Flash erreicht 76,8 Token pro Sekunde bei einem ersten Token nach 2,57 Sekunden. M​iniMax ist etwa 36 % schneller, sobald es startet, und etwa doppelt so schnell beim Start. Für eine interaktive Oberfläche – einen Editor, einen Chatbereich, einen Programmierassistenten, bei dem der Mensch auf das erste Token wartet – ist ein Vorsprung von 1,2 Sekunden bei TTFT der Unterschied zwischen einem Werkzeug, das sich reaktionsschnell anfühlt, und einem, das zu überlegen scheint. Für eine Batch-Pipeline zählt die Durchsatzlücke mehr als die Latenzlücke, und sie spricht weiterhin für M​iniMax.

Beide Modelle lassen dich für das Denken bezahlen, ob du willst oder nicht. M​iniMax lehnt eine Anfrage ab, die versucht, das Reasoning rundheraus zu deaktivieren. Die Dokumentation von Z.ai sagt dasselbe mit anderen Worten: Das Denken kann nicht abgeschaltet werden, und maximale Anstrengung ist die empfohlene Einstellung. Also bietet keine der beiden Seiten den Kostenschalter, den ein Modell mit umschaltbarem Reasoning dir bietet, und beide berechnen ihre Reasoning-Tokens als Output. Wenn du gehofft hast, eines dieser beiden sei die günstige und unauffällige Option für eine Klassifizierungsaufgabe mit hohem Volumen, dann ist es keines. Das ist eine Eigenschaft der Stufe, nicht eines der beiden Anbieter.

Das 128K-Antwortlimit ist die Zeile, die über echte Arbeit entscheidet.

GLM-5.3-Flash gibt eine maximale Ausgabelänge von 128.000 Tokens an. MiniMax veröffentlicht für M3.1 Flash nichts – keine niedrige Zahl, keinen Hinweis, nichts auf der Modellseite und nichts in der API-Dokumentation, die wir finden können. In der Praxis bedeutet das, dass Sie vor dem Senden einer Anfrage nicht wissen können, ob eine Codegenerierung mit 40.000 Tokens vollständig abgeschlossen oder abgeschnitten wird. Sie können es empirisch ermitteln und eine Wiederholungslogik darum herum bauen, aber Sie können es nicht in eine Kapazitätsplanung oder einen Vertrag aufnehmen.

Für den größten Teil des chatförmigen Traffics ist das unsichtbar. Bei den Workloads, die eine Flash-Stufe interessant machen – Neuschreiben ganzer Dateien, lange Agent-Transkripte, strukturierte Extraktion aus einem großen Dokument – ist die Ausgabeobergrenze das Erste, was bricht, und sie bricht leise. Ein Modell, das bei einer nicht dokumentierten Länge abschneidet und eine wohlgeformte Teilantwort zurückgibt, ist im Betrieb schlechter als ein Modell, das die Anfrage ablehnt. Wenn irgendein Teil Ihrer Pipeline in einem einzigen Aufruf mehr als ein paar tausend Token erzeugt, sollte diese eine unveröffentlichte Zeile den Ein-Punkt-Unterschied im Index und den Kostenvorteil von 21 % zusammen aufwiegen.

Offene Gewichte sind hier keine Frage der Philosophie.

GLM-5.3-Flash steht unter MIT-Lizenz, die Gewichte sind herunterladbar, es hat insgesamt 320 Milliarden Parameter, davon 18 Milliarden aktive, womit es in einen Bereich fällt, in dem ein ernsthaftes Team es auf einem Multi-GPU-Knoten selbst hosten und ein kleineres Team zumindest prüfen kann, wozu es trainiert wurde. M​iniMax M3.1 Flash ist heute geschlossen, und das Versprechen späterer Gewichte ist genau das – ein Versprechen ohne Lizenz, ohne Parameteranzahl und ohne Datum. Beschaffungsprozesse, die fragen: „Was ist unser Ausstieg, wenn dieser Anbieter die Bedingungen ändert?“, haben auf der einen Seite eine Antwort und auf der anderen einen Satz.

Da steckt auch eine Kostenfrage drin, und zwar diejenige, die niemand in eine Vergleichstabelle aufnimmt. Ein Modell mit offenen Gewichten setzt eine Obergrenze dafür, was ein Anbieter dir dafür berechnen kann, denn die Alternative ist immer, es selbst zu betreiben. Ein geschlossenes Modell hat keine solche Obergrenze; der Anbieter legt den Preis fest, und du akzeptierst ihn oder wechselst. Bei heute identischen Mischpreisen ist es die Lizenz von GLM-5.3-Flash, die seinen Preis auch im nächsten Jahr ehrlich hält, und die von M​iniMax ist diejenige, die den Preis vollständig in das Ermessen von M​iniMax stellt.

Verfügbarkeit ist der Punkt, an dem der Gleichstand tatsächlich entschieden wird.

GLM-5.3-Flash ist seit dem 26. August 2026 live und ist im Katalog von OrcaRouter als z-ai/glm-5.3-flash verfügbar, zu 0,15 $ pro Million Eingabe-Tokens und 0,50 $ pro Million Ausgabe-Tokens, bei zwischengespeicherter Eingabe zu 0,03 $, daneben eine kostenlose SKU zur Evaluierung und das größere z-ai/glm-5.3 zu 1,26 $ und 3,96 $, falls Sie das Flaggschiff benötigen. M​iniMax M3.1 Flash, zum Zeitpunkt des Schreibens zwei Tage alt, ist über die eigene API von M​iniMax, den M Plan und M​iniMax Code erreichbar, und es ist nicht in unserem Katalog — wir werden nicht andeuten, dass dem so ist, und die Modellseite liefert nichts, wenn man nach ihr sucht.

Diese Asymmetrie ist mehr wert, als es den Anschein hat, wenn man zwei Modelle vergleicht, die gleich viel kosten. GLM-5.3-Flash in eine Codebasis zu integrieren, ist ein Modell-String. M​iniMax M3.1 Flash zu integrieren, bedeutet eine zweite Anbieterbeziehung, eine zweite Abrechnungsform und einen zweiten Satz Rate Limits – zusätzlich zu dem, was man bereits hat. Und genau hier ist eine Routing-Schicht kein Verkaufsargument, sondern ein Stück Infrastruktur: ein Schlüssel, eine Rechnung, eine Stelle, an der der Listenpreis eines Anbieters mit 0 % Aufschlag durchgereicht wird, sodass eine Preisänderung deine Rechnung am Tag ihres Inkrafttretens erreicht und nicht erst bei der nächsten Verlängerung. Wenn M​iniMax M3.1 Flash später über einen routbaren Endpunkt anbietet, wird daraus eine Entscheidung zwischen zwei Modellen statt zwischen zwei Verträgen. Heute ist das nicht der Fall, und so zu tun, als wäre es anders, wäre genau die Art von Vergleich, die dieser Blog vermeiden will.

Welchen anrufen?

Wenn Ihre Arbeit interaktiv und stark ausgabelastig ist und in einem bestehenden OpenAI-kompatiblen Stack läuft, ist GLM-5.3-Flash die einfachere Antwort: gleicher Mischpreis, ein veröffentlichtes Ausgabelimit, eine MIT-Lizenz, die Sie heute nutzen können, Datei- und Videoeingabe und ein Katalogeintrag, der daraus eine einzeilige Änderung macht. Die 2,57 Sekunden bis zum ersten Token sind der Preis dafür, und für Hintergrundagenten ist das ein Preis, der sich lohnt.

Wenn Ihre Arbeit latenzempfindlich ist und die Ausgabe begrenzt ist – ein Routing-Klassifikator, ein Kurzform-Generator, ein Agent-Schritt, der einen Plan statt einer Datei zurückgibt –, ist M​iniMax M3.1 Flash das schnellere Modell mit den niedrigeren Kosten pro Aufgabe, und seine nicht veröffentlichte Ausgabegrenze wird nie getestet, weil Sie sich ihr nie nähern. Wählen Sie es wegen des Durchsatzes und des ersten Tokens nach 1,38 Sekunden, nicht wegen des Index, und gehen Sie mit dem Wissen hinein, dass Sie ein geschlossenes Modell mit einer Rate wählen, die niemand begrenzt hat.

Was Sie nicht tun sollten, ist, zwischen ihnen anhand der Benchmark-Tabellen zu wählen. Beide Anbieter haben Zahlen auf eigens gewählten Harnesses veröffentlicht, keiner hat den des anderen ausgeführt, und der eine Benchmark, den beide Modellfamilien historisch gemeldet haben – DeepSWE –, wurde in den Releases der beiden Labore oft genug in unterschiedlichen Harnesses ausgeführt, dass ein spaltenübergreifender Vergleich bloßes Rätselraten mit einem Dezimalpunkt ist. Die beiden Zahlen in diesem Artikel, die für beide Modelle auf dieselbe Weise gemessen wurden, sind der Index und die Kosten pro Aufgabe, und diese beiden besagen, dass die Modelle denselben Preis und dieselbe Leistungsfähigkeit haben. Alles, was sich tatsächlich unterscheidet, ist eine Lizenzbedingung, eine dokumentierte Grenze oder eine Zeile in einem Katalog.