MiniMax M3.1 Flash vs. Qwen 3.8 Flash: Gleicher Eingabepreis, gegensätzliche Architekturen

MiniMax-M3.1-Flash und Qwen3.8-Flash kosten beide gleich fünfzehn Cent pro Million Eingabe-Tokens und beruhen auf unvereinbaren Theorien darüber, wohin das Geld fließt. MiniMax-M3.1-Flash, allgemein verfügbar seit 19. Oktober 2026, ist ein geschlossenes Modell, das bei jedem Aufruf Schlussfolgerungen zieht, ob man das will oder nicht, und mit 125,5 Tokens pro Sekunde generiert. Qwen3.8-Flash ist ein Mixture-of-Experts-Modell mit 125 Milliarden Parametern, das pro Token etwa sechs Milliarden davon aktiviert, auf dem unabhängig gemessenen Checkpoint mit rund 51,6 Tokens pro Sekunde generiert und Ausgabe-Tokens dreizehn Cent günstiger verkauft. Das eine ist schnell und wortreich; das andere langsam und knapp. Welches für Ihren Traffic günstiger ist, hängt von einem Verhältnis ab, das die meisten Teams nie messen, und das ist die einzige wirkliche Frage in diesem Vergleich.Die dokumentierten KI-Ausfälle und Agentenvorfälle hinter Releases wie diesem sind im OrcaRouter AI Incident Archive gesammelt, wobei jeder Eintrag eigene Quellen, Schweregrad, Konfidenzstufe und Umstritten-Kennzeichen enthält.

Eine Sache muss vor den Zahlen geklärt werden, weil sie jede Zeile unten betrifft. Qwen3.8-Flash ist ein gehostetes Produkt. Das, was man herunterladen kann, ist Qwen3.8-Flash-Next, das die Architektur teilt, aber nicht den Namen, die Lizenz oder zwangsläufig das Verhalten – und die unabhängigen Benchmark-Zahlen, die es gibt, gelten für Flash-Next, nicht für das gehostete Flash. Der einzige unabhängig gemessene Wert für MiniMax-M3.1-Flash betrifft das Modell selbst, weil es nichts anderes zu messen gibt. Wo eine Zahl unten eine Herstellerangabe ist, wird das gesagt; wo sie von Artificial Analysis stammt, wird das gesagt; wo die Zeile nicht ehrlich verglichen werden kann, sagt die Zeile das stattdessen.

Die beiden Architekturen sind nicht zwei Einstellungen ein und desselben Entwurfs.

Qwens Modell ist das besser nachvollziehbare der beiden, und seine Zahlen sind detailliert genug veröffentlicht, um darüber reasoning betreiben zu können. Qwen3.8-Flash hat 48 Layer mit 512 Experten pro Layer, zehn geroutete plus einen geteilten, und schöpft aus insgesamt 125 Milliarden Parametern bei etwa 6 Milliarden aktiven pro Token – rund 95 % Sparsity. Neben dem Experten-Stack trägt es eine n-gram-Embedding-Tabelle mit 51 Milliarden Parametern und einen Multi-Token-Prediction-Head mit 4 Milliarden Parametern, sodass das gespeicherte Artefakt eher 180 Milliarden Parametern entspricht als 125 Milliarden. Die Multi-Token-Prediction ist der Teil, der für die Geschwindigkeit zählt: Sie erlaubt es dem Modell, pro Forward-Pass mehrere Token vorzuschlagen und diese zu verifizieren – so bleibt ein derart sparses Modell überhaupt nutzbar.

M​iniMax hat für MiniMax-M3.1-Flash keine vergleichbare Parameteranzahl veröffentlicht. Der Launch-Beitrag dreht sich um Ergebnisse – agentische Benchmarks, eine behauptete Senkung der Nutzungskosten um 70 %, Inferenz „fast dreimal schneller“ als die Vorschau – und nicht um die Form des Netzwerks. Diese Asymmetrie ist selbst ein Datenpunkt zu den beiden Produkten: Q​wen verkauft eine Architektur, die man grundsätzlich selbst hosten könnte, M​iniMax verkauft einen Dienst. Für eine Vergleichsseite bedeutet das, dass das Architekturargument nur in eine Richtung funktioniert. Man kann mit Sicherheit sagen, warum Qwen3.8-Flash pro aktivem Parameter schnell ist. Man kann nichts dazu sagen, warum MiniMax-M3.1-Flash schnell ist, weil der Anbieter es Ihnen nicht mitgeteilt hat.

Eine Zeile pro Dimension, jeweils beide Seiten.

• Eingabepreis — $0.15 pro Million Tokens bei beiden, daher rührt die Koinzidenz, die diese Seite einrahmt

• Ausgabepreis — MiniMax-M3.1-Flash bei 0,60 $ pro Million gegenüber Qwen3.8-Flash bei 0,47 $, eine Differenz von 28 % zu Ungunsten von MiniMax

• Caching — M​iniMax berechnet 0,015 $ pro Million gecachter Eingabetoken; QwenCloud nennt 0,016 $ pro Million Cache-Lesevorgänge und 0,20 $ pro Million für die explizite Cache-Erstellung, daher ist der Cache von M​iniMax der einfachere und etwas günstigere der beiden.

• Kontext — MiniMax-M3.1-Flash bei 1.000.000 Tokens; Qwen3.8-Flash standardmäßig bei 1.000.000 mit einer maximalen Eingabe von 991.000 Tokens und einer maximalen Ausgabe von 131.000 Tokens

• Eigenständige Leistungsfähigkeit — Artificial Analysis bewertet MiniMax-M3.1-Flash mit 42 auf seinem Intelligence Index und ordnet es auf Platz 41 von 173 Modellen ein; derselbe Tracker bewertet Qwen3.8-Flash-Next mit 40, und für das gehostete Qwen3.8-Flash ist kein Indexwert veröffentlicht.

• Ausgabegeschwindigkeit — 125,5 Token pro Sekunde und 1,04 Sekunden bis zum ersten Token für MiniMax-M3.1-Flash; 51,6 Token pro Sekunde für Qwen3.8-Flash-Next im selben Tracker, die am ehesten vergleichbare verfügbare Zahl

• Kosten pro abgeschlossener Aufgabe — 0,22 US-Dollar für MiniMax-M3.1-Flash auf dem eigenen Harness des Trackers; für keines der beiden Qwen-Artefakte wird ein entsprechender Wert veröffentlicht

• Ausführlichkeit — 180 Millionen Ausgabe-Tokens, verbraucht im Rahmen des Intelligence-Index-Durchlaufs von MiniMax-M3.1-Flash, gegenüber einem Median von 99 Millionen bei den im Tracker erfassten Modellen; Q​wen veröffentlicht keine vergleichbare Zahl

Reasoning-Steuerung — M​iniMax gibt HTTP 400 zurück, wenn Sie thinking: {"type": "disabled"} senden, und lehnt reasoning_effort: "none" ab, sodass eine fünfstufige Leiter verbleibt, deren Standardwert max ist; A​libaba dokumentiert sowohl Thinking- als auch Non-Thinking-Modi für die Qwen3.8-Familie, daher ist dies die eine Zeile, in der die Dokumentationen der beiden Anbieter nicht direkt vergleichbar sind, und Sie sollten den Schalter an Ihrem Endpoint testen, statt einer der beiden Seiten zu vertrauen

• Gewichte — M​iniMax gibt an, dass die Gewichte von MiniMax-M3.1-Flash „später veröffentlicht werden“, ohne Datum; die von Qwen3.8-Flash sind überhaupt nicht veröffentlicht, und das herunterladbare Qwen3.8-Flash-Next wird unter der Q​wen Community License 1.0 und nicht unter Apache 2.0 vertrieben

• Eingabemodalitäten — Text und Bild bei beiden, wobei Qwen3.8-Flash zusätzlich Video akzeptiert und beide ausschließlich Text zurückgeben

Der Unterschied beim Outputpreis ist geringer als beim Outputvolumen.

Dreizehn Cent je Million Ausgabe-Tokens wirken neben einer 28-%-Schlagzeile wie ein Rundungsfehler. Bei einer realen Arbeitslast kann das die gesamte Entscheidung ausmachen – und zwar in die entgegengesetzte Richtung zur Preisliste, weil die beiden Modelle für dieselbe Aufgabe nicht dieselbe Anzahl von Tokens erzeugen.

MiniMax-M3.1-Flash kann nicht aufhören zu denken. Seine API-Referenz liefert einen 400-Fehler für die naheliegende Anfrage, das Denken zu deaktivieren, und der einzige Hebel ist, wie stark es denkt – von niedrig bis max, standardmäßig auf max. Artificial Analysis hat die Folge gemessen: 180 Millionen Ausgabe-Tokens über seinen Indexlauf hinweg, während das Medianmodell im selben Tracker 99 Millionen verbraucht. Das ist das 1,8-Fache des Ausgabevolumens eines typischen Modells, und Denk-Tokens werden als Ausgabe-Tokens abgerechnet und zählen gegen dein max_tokens-Limit.

Rechnen wir den Fall bewusst einfach durch. Eine Arbeitslast, die auf einem Median-Modell einen Dollar an Ausgabe-Tokens kosten würde, kostet auf MiniMax-M3.1-Flash 1,82 $, wenn das Verbositätsverhältnis hält. Dieselbe Arbeitslast kostet auf Qwen3.8-Flash bei 0,47 $ statt 0,60 $ 0,78 $ vor jeglicher Volumenanpassung – und wenn Qwens Nicht-Denkmodus verfügbar ist und man ihn nutzt, gibt es überhaupt kein Denkvolumen, für das man zahlen müsste. Bei ausgabelastigem Verkehr multiplizieren sich die Dreizehn-Cent-Lücke und die 1,8-fache Verbosität zu etwas, das näher an einem Gesamtunterschied von 2,3-fach liegt. Das ist das Argument gegen MiniMax-M3.1-Flash, so direkt formuliert, wie es das verdient.

Das Argument dafür ist die Geschwindigkeit, und Geschwindigkeit ist kein weicher Vorteil, wenn die Arbeitslast agentisch ist. Bei 125,5 Tokens pro Sekunde gegenüber 51,6 erzeugt MiniMax-M3.1-Flash Ausgaben etwa 2,4× schneller, was bedeutet, dass eine mehrstufige Tool-Use-Schleife, für die Qwen zwanzig Sekunden Generierung benötigt, bei MiniMax acht dauert. Wenn Ihr Agent vierzig Modellaufrufe benötigt, um eine Aufgabe abzuschließen, ist das der Unterschied zwischen einer dreizehnminütigen Aufgabe und einer fünfminütigen, und eine solche Latenz verändert, was Sie bauen können, und nicht bloß, wie viel Sie bezahlen. Es bedeutet außerdem, dass MiniMax’ zusätzliche Tokens in kürzerer realer Zeit eintreffen als Qwens weniger Tokens, und genau das macht das Argument zur Ausführlichkeit kompliziert statt entscheidend.

Zwei Hersteller-Benchmark-Tabellen, die Sie nicht nebeneinander stellen können

Beide Unternehmen haben Evaluierungen veröffentlicht, und beide Datensätze sind für einen direkten Vergleich unbrauchbar – aus einem Grund, der klar benannt statt umgangen zu werden verdient.

Die Tabelle von MiniMax für MiniMax-M3.1-Flash listet BankerToolBench mit 76,2, DeepSWE v1.1 mit 73,7 %, OSWorld V2 mit 61,7, Agents' Last Exam mit 29,6 und CyberGym mit 82 % auf und beschreibt das Ergebnis bei AutomationBench-AA als unter den Spitzenreitern, ohne eine Punktzahl zu nennen. Die Tabelle von Alibaba für Qwen3.8-Flash-Next listet SWE-bench Pro mit 62,5, DeepSWE 1.1 mit 58,7, CoWorkBench mit 73,9, AndroidWorld mit 84,5, MathVision mit 95,7 und JobBench mit 55,7 auf. Die beiden Listen teilen genau einen Benchmark-Namen – DeepSWE v1.1 –, und dort stehen die Anbieterzahlen bei 73,7 % gegenüber 58,7 %, eine Lücke von fünfzehn Punkten, die entscheidend wirkt und doch nicht vergleichbar ist, weil die beiden Werte für andere Modelle stehen als die auf dieser Seite genannten (eines ist das gehostete Flash-Next, das andere M3.1-Flash) und weil keines der Unternehmen die Harness, das Scaffold oder die Bestehenskriterien veröffentlicht hat.

Wofür die Tabellen gut sind: die Absicht abzulesen. M​iniMax hat Computernutzung, langfristig angelegte berufliche Aufgaben und die Entdeckung von Sicherheitslücken gemessen – das Profil eines Modells, das Software bedienen soll. A​libaba hat Programmierung, multimodale Mathematik und die Steuerung mobiler Geräte gemessen – das Profil eines Modells, das modalitätsübergreifend in Anwendungen eingebettet werden soll. Keine der beiden Tabellen enthält eine Kennzahl eines Wettbewerbers, und keine sollte so verwendet werden, als enthielte sie eine.

Was die Lizenzen tatsächlich erlauben

Die Open-Weight-Story ist die Zeile, die die meisten Käufer falsch einschätzen – und zwar in beide Richtungen.

{{1}}Qwen3.8-Flash{{/1}} ist nicht offen. Offen ist {{2}}Qwen3.8-Flash-Next{{/2}}, und der Unterschied ist nicht kosmetisch: Es ist ein separates Artefakt, veröffentlicht am 26. August 2026, vom eigenen Labor von {{3}}A​libaba{{/3}} als Vorschau auf die Architektur beschrieben, die {{4}}Qwen4{{/4}} zugrunde liegen wird, und als 131 Shards mit insgesamt rund 360 GB in bf16 und FP8 ausgeliefert, ohne vom Anbieter bereitgestellte GGUF-Quantisierung. Es steht unter der {{5}}Q​wen Community License 1.0{{/5}}, die nicht Apache 2.0 ist und nicht die Lizenz, die viele Teams annehmen, wenn sie „{{6}}Q​wen weights{{/6}}“ hören. Wer vorhat, Flash herunterzuladen und lokal auszuführen, sollte diese Lizenz lesen, bevor er die Hardware dimensioniert, denn 360 GB an Gewichten passen nicht auf einen einzelnen Beschleuniger, und Community-Quantisierungen sind der einzige Weg zu einem geringeren Speicherbedarf.

MiniMax-M3.1-Flash ist geschlossen – mit einem Versprechen. Im Launch-Beitrag heißt es, die Gewichte „würden später veröffentlicht“, und es werden weder Datum noch Lizenz noch Größe genannt. Das ist eine strikt schwächere Position als die von Qwen – etwas, das man heute unter einer restriktiven Lizenz herunterladen kann, schlägt etwas, das man vielleicht irgendwann zu unbekannten Bedingungen herunterladen kann –, aber es ist nicht nichts, und es ist der eine Punkt, der die Kalkulation auf dieser Seite am wahrscheinlichsten verändern dürfte. Wenn MiniMax die Gewichte veröffentlicht, spielt der Preisvergleich für alle mit GPUs keine Rolle mehr, und der Sparsity-Vorteil, den Qwen mit 6 Milliarden aktiven Parametern erkauft hat, steht einem Konkurrenten gegenüber, der sich auch auf eigener Hardware betreiben lässt.

Wen soll ich heute anrufen?

Beide sind über OrcaRouter erreichbar, wenn auch nicht gleichermaßen. Qwen3.8-Flash steht als qwen/qwen3.8-flash, eines von mehr als 200 Modellen hinter einem einzigen API-Schlüssel, bei dem die Listenpreise der Anbieter mit 0 % Aufschlag durchgereicht werden. MiniMax-M3.1-Flash ist nicht im Katalog; es ist über die eigene API von M​iniMax, den M Plan und M​iniMax Code sowie über den Serving-Partner, den M​iniMax am 21. Oktober genannt hat, aufrufbar. Was von der M​iniMax-Seite aus routbar ist, ist der Rest der Reihe — darunter MiniMax-M3 —, sodass ein Team, das den Vergleich mit dem eigenen Traffic testen möchte, qwen/qwen3.8-flash und minimax/minimax-m3 hinter einen Schlüssel legen und messen kann, statt zwei Anbietertabellen zu lesen und zu raten.

Diese Messung lohnt sich, bevor Sie sich festlegen, denn die beiden Modelle scheitern bei einem Benchmark auf entgegengesetzte Weise. MiniMax-M3.1-Flash wirkt pro Token teuer und pro abgeschlossener Aufgabe günstig, wenn Ihre Arbeit agentisch ist, mit langen Trajektorien, die das Modell in weniger Roundtrips abschließt, weil jeder einzelne schnell ist. Qwen3.8-Flash wirkt auf jeder Position der Rechnung günstiger und in jeder latenzempfindlichen Schleife schlechter, weil 51,6 Token pro Sekunde eine echte Einschränkung sind, wenn ein Agent vierzig aufeinanderfolgende Antworten benötigt. Keines davon ist ein Defekt. Es sind die beiden Designs, die wie vorgesehen funktionieren.

Das knappe Urteil: Wenn Sie einen Agenten bauen, der Software bedient, und Sie pro abgeschlossener Aufgabe statt pro Token zahlen, ist die Geschwindigkeit von MiniMax-M3.1-Flash ihre Ausführlichkeit wert, und seine geschlossenen Gewichte sind der Preis des Eintritts, bis MiniMax sie herausgibt. Wenn Sie Extraktion, Klassifizierung oder Generierung in großem Umfang betreiben, bei der die Ausgabelänge begrenzt ist und die Latenz nicht der limitierende Faktor ist, ist Qwen3.8-Flash auf der Preisliste günstiger und nochmals günstiger, sobald Sie aufhören, für Reasoning-Token zu zahlen, die Sie nicht angefordert haben – und wenn Sie das Modell besitzen statt mieten müssen, ist Qwen3.8-Flash-Next das einzige der beiden, das Sie tatsächlich halten können, unter einer Lizenz, die Sie zuerst lesen sollten.