
Hy4 flash vs. MiniMax M3.1 Flash: Zwei günstige Open-Weight-Modelle, eines mit einer Bewertung
- OrcaNEUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 pro 1 Mio. Tokens · 138 tok/s
- tencentNEUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 pro 1 Mio. Tokens · 175 tok/s
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 89 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 97 tok/s
- orcaNEUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 pro 1 Mio. Tokens · 86 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 pro 1 Mio. Tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 120 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 116 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 pro 1 Mio. Tokens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
Hier ist der seltene Vergleich, bei dem beide Modelle herunterladbar sind, beide auf derselben „günstig und schnell“-Stufe angesiedelt sind, beide Bilder verarbeiten, beide eine Million Tokens fassen und eines von ihnen eine Zahl von jemand anderem als seinem Hersteller vorweisen kann. MiniMax-M3.1-Flash ist seit seiner Veröffentlichung am 19. Oktober 2026 bei Artificial Analysis gelistet und steht derzeit bei 29 auf dem Intelligence Index v5.0.1, bei 0,15 $ pro Million Input-Tokens und 0,60 $ pro Million Output. Hy4 flash ist seit dem 16. November 2026 öffentlich, wurde am 17. November Open-Weight, kostet beim Input etwa die Hälfte davon und beim Output weniger als die Hälfte und hat überhaupt keinen Eintrag bei Artificial Analysis.
Diese Seite kann Ihnen also nicht sagen, welches Modell intelligenter ist, denn nur eines von beiden wurde gemessen. Was sie aber leisten kann, ist für alle, die tatsächlich eine Wahl treffen müssen, etwas Nützlicheres: die beiden Veröffentlichungsartefakte nebeneinanderzustellen, denn es handelt sich um wirklich vergleichbare Objekte – gleiche Stufe, gleiche Offenheit, gleicher Monat –, und die Unterschiede, die bestehen bleiben, sind konkrete Unterschiede bei Lizenzierung, Serving-Kosten und dem, worauf die jeweiligen Anbieter optimiert haben.
Beginnen Sie mit dem, was beide Anbieter tatsächlich ausgeliefert haben.
Beide Veröffentlichungen umfassen ein instruktionsoptimiertes Modell, offene Gewichte und ein Basis- oder quantisiertes Schwestermodell. Keine von beiden ist eine geschlossene API mit einem nachträglich angeflanschten Download.
• MiniMax-M3.1-Flash — 428 Mrd. Gesamtparameter, 23 Mrd. aktive Parameter, Mixture-of-Experts, Reasoning-Modell, Text- und Bildeingabe mit Textausgabe, 1-Mio.-Token-Kontext, Gewichte auf Hugging Face unter der MiniMax Community License, die kommerzielle Nutzung mit Einschränkungen erlaubt.
• Hy4 flash — 220B Gesamtparameter (155,5B Backbone plus 63,5B Engram plus ein 0,43B Vision-Encoder und ein 0,85B Drafter), 12B aktiv, Mixture-of-Experts, Text und Bild als Eingabe mit Text als Ausgabe, 1.048.576-Token-Kontext, Gewichte auf Hugging Face als Hy4 flash, Hy4 flash-FP8 und Hy4 flash-Base unter der Tencent Hy License.
• Was MiniMax nicht veröffentlicht hat – kein separater Base-Checkpoint und keine Benchmark-Tabelle für das Basismodell; das 428B-Modell ist das Artefakt.
• Was Tencent nicht veröffentlicht hat – keine unabhängige Bewertung, keine veröffentlichte agentische Benchmark-Suite für das Instruction-Modell und kein Transformers-Release (die Integration befindet sich in Pull Request 50903).
Die Parameterzahlen verdienen einen Vorbehalt statt eines Vergleichs, weil sie nicht dasselbe messen. MiniMax’ 428B/23B ist eine herkömmliche Dense-Parameter-Zählung. Tencents 220B umfassen 63,5B an Engram-N-Gramm-Embedding-Tabellen – Parameter, die gehasht und nachgeschlagen statt multipliziert werden –, sodass die beiden Summen kein direkter Maßstab für die Modellgröße sind, ebenso wenig wie die Regalzahl einer Bibliothek ein Maß dafür ist, wie viel sie gelesen hat. Die Aktivparameter-Zahlen sind der fairere Vergleich mit 12B gegen 23B, und sie sagen voraus, was die Preiskarten tatsächlich zeigen.
Die Preiszeilen – und die eine Stelle, an der sie sich umkehren
Beide Preislisten sind die eigenen Listenpreise der Anbieter, keine Messungen.
• Eingabe — Hy4 flash 0,070 $ gegenüber MiniMax-M3.1-Flash 0,15 $. Hy4 flash ist 2,1-mal günstiger.
• Ausgabe — 0,281 $ gegenüber 0,60 $. Hy4 flash ist 2,1-mal günstiger.
• Zwischengespeicherte Eingabe – 0,003 $ gegenüber 0,015 $. Hy4 flash ist 5-mal günstiger.
Gemessene Kosten pro Index-Aufgabe – 0,49 $ für MiniMax-M3.1-Flash laut Artificial Analysis; für Hy4 flash nicht gemessen.
Die letzte Zeile ist die interessante, denn sie zeigt, warum der Preis pro Token ein schlechter Näherungswert für die Kosten pro Aufgabe ist. Für MiniMax-M3.1-Flash werden 0,49 US-Dollar pro abgeschlossener Index-Aufgabe bei einem Eingabe-Tarif von 0,15 US-Dollar berechnet – mehr als das Doppelte von Hy4 flash –, und dennoch ist es pro Aufgabe günstiger als Modelle mit niedrigeren Token-Preisen, weil die Anzahl der Token, die ein Modell bis zu einer Antwort verbraucht, stärker variiert als der Tarif. Tencents Behauptung, dass RL-Post-Training seine durchschnittliche Ausgabelänge um 50 % reduziert habe, ist dieselbe Idee aus der entgegengesetzten Richtung: Das günstigste Modell ist meist das, das zuerst aufhört zu reden.
Die ehrliche Lesart des Preisvergleichs ist also: Die Preise von Hy4 flash sind um den Faktor zwei niedriger, und niemand weiß, ob das einem Faktor zwei pro Aufgabe entspricht, bis ein unabhängiger Test-Harness beide laufen lässt. Die eigenen WorkIndex-Zahlen von Tencent setzen Hy4 flash auf 1/8 der Kosten pro Aufgabe von DeepSeek-V4.1-Flash-1017, was ein anderer Vergleich auf einer anderen Suite ist. Übertrage das nicht darauf.

Geschwindigkeit: eine gemessen, eine behauptet
• MiniMax-M3.1-Flash — 132 Ausgabe-Token pro Sekunde, 50,64 Sekunden bis zum ersten Antwort-Token, etwa 14,2 Minuten Wandzeit pro Index-Aufgabe, wenn man von den Werten 0,49 $ und 132 t/s ausgeht. Alle Angaben von Artificial Analysis.
• Hy4 flash — über 150 Token pro Sekunde Dekodierung, die Tencent für den FP8-Build auf einem Tensor-Parallel-8-Knoten angibt, und eine mediane End-to-End-Fertigstellungszeit von 6,7 Minuten in Tencents eigenem Blindtest mit 85 Nutzern.
Die sind nicht vergleichbar, und der Unterschied ist lehrreich. MiniMax' Zahl ist eine Durchsatzmessung auf einem standardisierten Testaufbau; Tencents Zahl ist eine Serving-Angabe für ein bestimmtes Container-Image auf bestimmter Hardware, plus ein Median der Aufgabenfertigstellung aus einer internen Population. Keiner der beiden Anbieter ist unehrlich. Sie beantworten unterschiedliche Fragen, und die zweite – wie lange es dauert, bis der Nutzer seine Antwort hat – ist diejenige, die entscheidet, ob sich ein Produkt schnell anfühlt.
Die 50 Sekunden bis zum ersten Token bei MiniMax-M3.1-Flash sind für sich genommen erwähnenswert. Das ist ein Reasoning-Modell, das erst denkt, bevor es etwas sagt, und das ist für Batch-Arbeit in Ordnung und schlecht für alles Interaktive, das streamt. Hy4 flash hat dasselbe strukturelle Problem in abgeschwächter Form: reasoning_effort ist standardmäßig auf highgesetzt, und die dokumentierte Alternative ist no_think. Beim Modell von Tencent gibt es keine mittlere Einstellung, während MiniMax eine umfassendere Reasoning-Konfiguration bietet. Wenn dein Latenzbudget „ein wenig nachdenken“ erfordert, ist das eine echte Lücke.
Lizenzen: zwei verschiedene Arten, nicht ganz offen zu sein
Keiner der beiden Checkpoints ist Open Source. Beide sind Open Weight mit Bedingungen, und die Bedingungen sind so unterschiedlich gestaltet, dass sie unterschiedliche Deals entscheiden werden.
• MiniMax Community License — erlaubt die kommerzielle Nutzung mit Einschränkungen; maßgeblich für den Einsatz ist der Lizenztext, der in der Modellkarte hinterlegt ist und nicht etwa eine von der OSI anerkannte Lizenz darstellt.
• Tencent Hy License v1.0 — Apache 2.0 plus einem Abschnitt 10.2, der eine separate schriftliche Lizenz verlangt, wenn Sie ein Model-as-a-Service-Geschäft mit einem weltweiten Bruttoumsatz von über 50 Millionen US-Dollar in einem beliebigen Zwölfmonatszeitraum betreiben oder mehr als 100 Millionen monatlich aktive Nutzer bedienen.
• Tencents Ausnahmen – ein Team, das Zugriff nie weiterverkauft, zahlt nichts extra; ein Produkt, das das Modell nur innerhalb einer festen Funktion statt über offenes Prompting zugänglich macht, ist überhaupt kein MaaS; und die Weiterleitung einer Anfrage an den gehosteten Endpunkt eines anderen zählt nicht. Diese drei Sätze sind der Grund, warum ein europäisches SaaS-Unternehmen diese Lizenz in der Regel einmal lesen und weitergehen kann, während der MiniMax-Text eine Ermessensentscheidung darüber verlangt, was „Restrictions“ für die eigene Bereitstellung bedeutet.
• Der Auslöser bei Tencent ist umsatzbezogen, nicht territorial — es gibt keine ausgeschlossene Jurisdiktion, was ihn von Lizenzen unterscheidet, die die EU, das Vereinigte Königreich oder Südkorea rundheraus ausschließen.
Tencents Dokument ist für dieses Genre ungewöhnlich gut lesbar, weil die zusätzlichen Bedingungen in einem einzigen nummerierten Abschnitt isoliert sind, der genau angibt, was er an der Apache-Lizenzgewährung ändert. Was auch immer sonst für die Veröffentlichung gilt: Die Lizenz wurde von jemandem formuliert, der erwartete, dass Ingenieure sie lesen.

Die Punktedifferenz – und warum „29“ nicht die ganze Geschichte ist
Artificial Analysis misst MiniMax-M3.1-Flash mit 29 auf v5.0.1. Wenn Sie sonst irgendetwas über dieses Modell in diesem Blog gelesen haben, haben Sie möglicherweise 42 oder 43 gesehen – diese waren im vorherigen Index-Build korrekt, und die Neuberechnung vom 27. Oktober 2026 hat jedes Modell auf der Tabelle verschoben. 43 heute und 29 für einen Wettbewerber zu zitieren, hieße, zwei verschiedene Messinstrumente zu vergleichen. Im aktuellen Build ist 29 die Zahl, und sie ordnet MiniMax-M3.1-Flash im selben breiten Band ein wie Gemini 3.8 Flash mit 31 und unterhalb von Claude Haiku 5.5 mit 36.
Für Hy4 flash gibt es keine Bandbreite. Die nächstbeste verfügbare Evidenz ist Tencent Blindtest, bei dem es 2,79 von 4 Punkten bei der Nutzerzufriedenheit erreichte, gegenüber 2,81 für Claude Haiku 5.5. Wenn man bereit ist, eine Schlussfolgerung zu ziehen – und es ist nur eine Schlussfolgerung –, dann ist ein Modell, dessen Ergebnis bei Büroaufgaben sich nicht stärker als Rauschen von dem eines 36-Index-Modells unterscheidet, wahrscheinlich auch nicht weit von dieser Bandbreite entfernt. Das ist eine Hypothese, die es zu prüfen gilt, keine Punktzahl, die man zitieren sollte.
Was die Sache klären würde, wäre ein gemeinsamer Lauf mit derselben Harness. Beide Modelle sind herunterladbar, das heißt, die Hürde ist Rechenleistung, nicht der Zugang, und die Community, die chinesische Open-Weight-Modelle benchmarkt, wird sich das vornehmen. Bis dahin ist die Asymmetrie die Tatsache: Eines von beiden wurde öffentlich gemessen, das andere nicht, und keine noch so ausführliche Architekturbeschreibung schließt diese Lücke.

Routing: Eine der beiden kannst du heute anrufen.
Das ist der praktische Unterschied, und er verläuft zufällig durch unseren eigenen Katalog. MiniMax-M3.1-Flash ist auf OrcaRouter als minimax/minimax-m3.1-flash verfügbar, für 0,15 $ pro Million Eingabe-Tokens und 0,60 $ pro Million Ausgabe-Tokens bei 0,015 $ für Cache-Lesevorgänge – MiniMax' eigener Listenpreis, mit 0 % Aufschlag weitergegeben, sodass eine Preisänderung des Anbieters hier noch am selben Tag gilt. Multimodale Eingabe umfasst Text, Bild und Video, und das Kontextfenster beträgt 1.048.576 Tokens.
Hy4 flash ist nicht im Katalog. Was es von Tencent gibt, ist tencent/hy4-preview, das 770B/49B-Modell, aus dem Hy4 flash destilliert wurde, zu $0,834 und $2,501 pro Million mit einem Cache-Read von $0,042. Das ist ein wirklich nützliches drittes Modell für diese Entscheidung und kein Trostpreis: Wenn Sie abwägen, ob das Verhalten der Hy-Familie zu Ihrer Workload passt, sagt Ihnen die Preview es in einem Nachmittag, und die offenen Gewichte sagen Ihnen, was es kosten würde, das günstige Modell selbst zu betreiben.
Der Routing-DSL ist der Punkt, an dem dies interessanter wird als eine Zwei-Wege-Wahl. Eine Pipeline kann kurze interaktive Aufrufe an die günstigere Route senden und lange Dokumentarbeit an dasjenige Modell, das in deiner eigenen Eval gewonnen hat – in einem einzigen Endpoint, mit automatischem Failover über Anbieter hinweg, sodass ein Modell in seiner ersten Woche der Verfügbarkeit kein Single Point of Failure ist. Diese Haltung – das neue Modell auf den Traffic zu setzen, dessen Verlust du dir leisten kannst – ist die richtige für jeden so jungen Checkpoint, und es ist dieselbe Haltung, die du dir für ein selbst gehostetes FP8-Deployment hinter einem internen Gateway wünschen würdest.
Welche, für welchen Job?
Wählen Sie MiniMax-M3.1-Flash, wenn Sie jetzt ein abgewogenes Modell benötigen, wenn Ihre Eingaben Video umfassen, wenn Sie eine Einstellung für den Reasoning-Aufwand zwischen „Ein“ und „Aus“ brauchen oder wenn Sie auf einer Plattform sein möchten, auf der der Preis des Anbieters bereits live ist und nicht eine Karte, die Sie selbst kalkulieren müssen. Seine 428B/23B-Struktur und 132 Tokens pro Sekunde machen es zu einem Arbeitstier, und die Tatsache, dass es seit einem Monat auf dem Board ist, bedeutet, dass andere seine Fehlermodi bereits öffentlich entdeckt haben.
Wählen Sie Hy4 flash, wenn die Kosten pro Token die entscheidende Einschränkung sind, wenn Sie die Bereitstellung selbst betreiben möchten, wenn Sie einen Basis-Checkpoint zum Fine-Tuning benötigen oder wenn die Lizenzfrage den Ausschlag gibt — Tencents Dokument enthält keinen territorialen Ausschluss und eine saubere Ausnahmeregelung für die interne Nutzung, und für ein europäisches Team kann das die ganze Antwort sein. Seine 12 Mrd. aktiven Parameter und ein Kontext von 1 Mio. Token bei 1/6 des KV-Cache seines Vorgängers sind ein Argument dafür, dass der zweite Preis, der in GPUs gemessene, ungewöhnlich niedrig ist.
Moment, in beiden Fällen, wenn die Entscheidung teuer ist. Eines dieser Modelle wurde nie einem unabhängigen Benchmark unterzogen, und das andere wurde nie gegen es getestet. Der Vergleich, der das tatsächlich klären wird — beide auf einem einzigen Harness, bewertet anhand derselben Aufgaben, mit den Kosten pro abgeschlossener Aufgabe neben der Punktzahl — existiert noch nicht. Wenn er vorliegt, werden die Parameter- und Lizenzzeilen oben weiterhin stimmen, und die Punktzahlzeile wird endlich etwas bedeuten.
In diesem Artikel verglichen4
Aus diesem Artikel erkannt · Benchmarks: Artificial Analysis · täglich aktualisiert
