DeepSeek V4.1 Flash vs MiniMax M3.1 Flash: tarjetas idénticas, modelos diferentes

Dos proveedores, dos modelos, un precio. Tanto DeepSeek V4.1 Flash como MiniMax M3.1 Flash cuestan $0,15 por millón de tokens de entrada y $0,60 por millón de salida en OrcaRouter. Ambos ofrecen un contexto de 1 millón de tokens. Ninguno es un buque insignia, y ambos son la gama en la que su proveedor quiere que recaiga el volumen. El precio de lista no puede separarlos, lo que convierte esta en la comparación más limpia del sitio: todas las demás columnas deciden, y ninguna está oculta.

Las tarjetas

• DeepSeek V4.1 Flash — $0,15 de entrada, $0,60 de salida; $0,003 de entrada en caché; se duplica a $0,30 y $1,20 en dos franjas de días laborables; contexto de 1M; salida máxima de 384K; 2.500 solicitudes simultáneas; compatible con visión; p50 medido hasta el primer token: 1,49 segundos.

• MiniMax M3.1 Flash — 0,15 $ de entrada, 0,60 $ de salida; contexto de 1M; salida máxima de 524K; p50 medido del primer token: 2,66 segundos; ninguna línea publicada sobre aciertos de caché en la ficha tal como la leemos.

Tres diferencias importan, y las tres se pueden medir antes de comprometerte: el límite máximo de salida, la latencia del primer token y si un prefijo en caché recibe un descuento.

Techo: 524K frente a 384K

El techo de salida de MiniMax es un 36 % mayor. En una sola llamada, esa es la diferencia entre que una generación de 350.000 tokens quepa o no — y 350.000 tokens de salida a $0,60 por millón son 21 centavos en cualquier caso, así que el techo es una línea de capacidad más que una línea de costo. Si tu carga de trabajo nunca escribe más de 300K en una sola solicitud, esta columna es un empate con una cifra de marketing adjunta.

Si lo hace, MiniMax es el único de los dos que aceptará el trabajo, y el precio idéntico deja de ser lo relevante.

Velocidad: 1,49 frente a 2,66 segundos

El primer token medido de DeepSeek es de 1,49 segundos; el de MiniMax es de 2,66. Ambos son lo bastante rápidos para que una interfaz de chat se sienta receptiva, y ambos son lo bastante lentos para que un agente que hace veinte turnos por tarea note la diferencia —unos 23 segundos por tarea con estas cifras, frente a una factura de tokens de céntimos. En pipelines limitados por el rendimiento, el modelo más rápido simplemente hace más trabajo por hora con el mismo presupuesto de concurrencia.

La línea de caché, que solo una tarjeta muestra.

DeepSeek publica un precio por acierto de caché: $0.003 por millón de tokens de entrada, frente a $0.15 por un fallo. Eso representa un descuento de cincuenta veces sobre la parte de un prompt que se repite, y es la palanca individual más grande en cualquiera de las dos tarjetas. La tarjeta de MiniMax, tal como la interpretamos, no contiene una fila equivalente, lo cual no significa que la caché esté ausente, sino solo que el descuento no es publicable desde la tarjeta.

Para un agente que reenvía un system prompt estable y un historial creciente en cada turno, esa asimetría puede pesar más que tanto el techo como la latencia. También es lo primero que hay que probar en lugar de asumir: envía el mismo prefijo dos veces y compara las dos facturas.

La ventana máxima, que solo una tarjeta tiene.

DeepSeek duplica todas sus tarifas entre las 01:00 y las 04:00 y entre las 06:00 y las 10:00 UTC de lunes a viernes, excluidos los días festivos oficiales de China. Las tarifas de 0,15 y 0,60 dólares de MiniMax son fijas. Una carga de trabajo europea o asiática que se ejecuta durante el horario laboral está sujeta a la tarifa pico de DeepSeek durante la mayor parte de su tráfico: 0,30 y 1,20 dólares, el doble del precio anunciado de MiniMax para los mismos tokens.

Así que las tarjetas idénticas no son idénticas en la practice. Fuera de las horas punta, con un prefijo en caché estable, DeepSeek es considerablemente más barato. En una ventana de horas punta entre semana sin caché, cuesta el doble. El horario decide qué frase es verdadera.

Qué ejecutar

Ambos modelos están en OrcaRouter con las tarifas publicadas por sus proveedores, en un único endpoint compatible con OpenAI con failover automático, que es lo que hace que esta prueba sea económica: enruta una porción del tráfico a cada uno y compara los tokens de salida por tarea completada, la latencia p95 y la proporción de solicitudes que caen en las ventanas de máxima carga de DeepSeek.

Lo que no deberías hacer es meterte con la etiqueta. Es la única columna en la que estos dos modelos coinciden, lo que significa que es la única columna que no te dice nada.