DeepSeek V4 Pro vs MiniMax M3: El cara a cara de los buques insignia de peso abierto

DeepSeek V4 Pro y MiniMax M3 son los dos pesos pesados de código abierto que esta año compiten por la corona de la programación, y lo interesante es lo distintos que son sus enfoques para ganarla. MiniMax M3, lanzado el 1 de junio, es el primer modelo de pesos abiertos que presume de programación de frontera, un contexto de 1 millón de tokens y entrada multimodal nativa en un solo paquete, construido sobre la arquitectura Sparse Attention de MiniMax. DeepSeek V4 Pro, cuya versión oficial llegó el 13 de agosto tras cuatro meses de vista previa, es el especialista en razonamiento: un Mixture-of-Experts de 1,6 billones de parámetros con 49 mil millones de parámetros activos, el rating de Codeforces más alto jamás registrado para un modelo de lenguaje, y ahora una ficha agéntica mucho más sólida. Ambos tienen licencia MIT, ambos son baratos y ambos se posicionan agresivamente contra modelos que cuestan de diez a cincuenta veces más.

Ese titular de "ambos de peso abierto" oculta la divergencia real. No son dos empresas construyendo lo mismo con logotipos diferentes. M3 apuesta por la economía de contexto largo: atención dispersa que hace que una ventana de un millón de tokens sea lo bastante barata para usarse de verdad. DeepSeek V4 Pro apuesta por la profundidad bruta de razonamiento: un enorme MoE con paralelismo de expertos que piensa mucho antes de responder. Cuál es "mejor para programar" resulta depender de a qué parte de la programación te refieras, y de si tu entrada es un stack trace o una captura de pantalla.

Dos arquitecturas, dos apuestas

DeepSeek V4 Pro es el modelo de pesos abiertos más grande lanzado hasta la fecha: 1,6 billones de parámetros totales con 49 mil millones de activos por token, un MoE de 61 capas con 384 expertos enrutados (top-6), pesos de expertos FP4 con atención FP8, y un diseño de atención híbrida que combina atención dispersa comprimida y muy comprimida. Necesita alrededor de 862 GB en FP8, lo que sitúa el autoalojamiento en territorio de ocho H100 en lugar de en una estación de trabajo. El modelo que ahora tiene licencia MIT y está disponible para descargar es el mismo que está detrás de la compilación de la API oficial que se lanzó esta semana.

MiniMax M3 es una máquina más pequeña y ágil: aproximadamente 428 mil millones de parámetros en total, con unos 23 mil millones activos por token, construida en torno a M​iniMax Sparse Attention (MSA). El proveedor afirma que MSA reduce el cómputo por token a aproximadamente una vigésima parte de la generación anterior, con un prefill más de 9 veces más rápido y una decodificación más de 15 veces más rápida en contextos largos. Ese es el punto principal del modelo: una ventana de un millón de tokens solo es útil si la inferencia dentro de ella es asequible, y MSA es lo que lo hace posible. M3 también acepta entrada de imagen y video de forma nativa, algo que V4 Pro no hace.

Ambos exponen un contexto de 1 048 576 tokens. DeepSeek V4 Pro alcanza un máximo de 384K de salida; el techo de MiniMax M3 es aún más alto, con 512K. Ambos tienen un modo de razonamiento conmutable: DeepSeek V4 Pro lo trae activado por defecto, mientras que el de M3 se presenta como un interruptor.

Lo que cambió el lanzamiento oficial de DeepSeek

Cualquier comparación actual que se haya escrito antes de esta semana está comparando el modelo de DeepSeek equivocado. La vista previa que se ejecutó desde el 24 de abril era un modelo de razonamiento que obtuvo una puntuación DeepSWE de 12.8. La versión oficial, DeepSeek-V4-Pro-0813, elevó esa cifra a 62.7 en las evaluaciones propias de DeepSeek, y añadió una API de Responses, integración con Codex y endpoints compatibles con OpenAI y Anthropic, de modo que el mismo código de cliente que habla con uno puede hablar con el otro. Las puntuaciones agénticas en la ficha del proveedor ahora se sitúan cerca de las de Fable 5 de Anthropic: Terminal-Bench 2.1 con 87.9 (Fable 5: 88.0), CyberGym 83.3 (Fable 5: 83.1), AutomationBench 31.8 (Fable 5: 29.1). Estos son números reportados por DeepSeek sobre una versión que tiene un día de antigüedad y que ningún laboratorio independiente ha reproducido; trátalos como afirmaciones, pero ya no son afirmaciones modestas.

El marcador de codificación, y de quién son los números de quién

En los benchmarks de codificación más citados, los dos modelos dividen el tablero, y esa división es reveladora:

• LiveCodeBench — DeepSeek V4 Pro 93.5, el resultado de pesos abiertos más fuerte en este benchmark y su victoria más citada.

• SWE-Bench Verified — DeepSeek V4 Pro 80.6 vs MiniMax M3 80.5, prácticamente un empate.

• SWE-Bench Pro — MiniMax M3 59.0 vs DeepSeek V4 Pro 55.4, una ventaja significativa de 3,6 puntos para M3 en ingeniería de software agéntica.

• Terminal-Bench 2.1 — DeepSeek V4 Pro 67.9 vs MiniMax M3 66.0, reñido.

BrowseComp — MiniMax M3 83.5, una puntuación de agente de investigación basado en navegador que supera a muchos modelos cerrados.

• Codeforces — DeepSeek V4 Pro 3206, la puntuación más alta jamás registrada para un modelo de lenguaje.

Las primeras cuatro de esas líneas son reportadas por el proveedor; el Índice de Inteligencia de Artificial Analysis es la única cifra independiente en la que figuran ambos, y sitúa a MiniMax M3 en 44 frente a DeepSeek V4 Pro en 32 en su configuración sin razonamiento (la configuración de razonamiento no había sido puntuada en AA al momento de escribir esto). Una competencia de codificación de terceros publicada este mes ofrece una lectura más precisa: MiniMax M3 obtuvo la puntuación más alta en general en una tarea de implementación del mundo real, con un juez que elogió su código de "grado industrial", mientras que DeepSeek V4 Pro fue descrito como el mejor diseñador de arquitecturas, pero más débil a la hora de trasladar la lógica de negocio a código funcional — "bueno pensando, no haciendo". Para problemas algorítmicos de estilo programación competitiva, las cifras de Codeforces y LiveCodeBench apuntan a V4 Pro. Para convertir una especificación en un servicio terminado y probado, los resultados del mundo real se inclinan por M3.

La multimodalidad es la verdadera bifurcación del camino.

Dejando a un lado los benchmarks, la diferencia decisiva es la modalidad de entrada. MiniMax M3 acepta texto, imagen y video de forma nativa y admite el uso de computadora y el anclaje visual: un agente puede leer un diagrama, observar una pantalla y actuar sobre lo que ve. DeepSeek V4 Pro es solo de texto, lo cual es perfecto para flujos de código y documentos puros, e inútil para cualquier cosa en la que la respuesta esté dentro de una imagen. Si tu agente de código trabaja con issues y repositorios, el enfoque de texto de V4 Pro no te cuesta nada. Si alguna vez necesita mirar un mockup de interfaz, una captura de pantalla de un fallo o una foto de pizarra, M3 es el único de los dos que puede.

Precio y velocidad: dos curvas diferentes.

A los precios de lista de los proveedores transmitidos por OrcaRouter, los dos modelos resultan baratos en lugares distintos:

• DeepSeek V4 Pro — $0.44 por millón de entrada, $0.88 por millón de salida, entrada en caché $0.0035 por millón.

• MiniMax M3 — $0.30 por millón de entrada, $1.20 por millón de salida, entrada en caché $0.06 por millón.

M3 gana en entrada y caché; V4 Pro gana en salida, y la salida es donde se facturan los tokens de razonamiento. Debido a que DeepSeek V4 Pro tiene el razonamiento activado por defecto y su razonamiento es verboso, una ejecución larga de un agente puede inclinar el costo combinado hacia el lado de V4 Pro a pesar de la entrada más barata de M3. La velocidad va en sentido contrario: MiniMax M3 mide alrededor de 80–145 tokens de salida por segundo según el proveedor, frente a los aproximadamente 54–65 de DeepSeek V4 Pro. La ventaja de atención dispersa de M3 se nota más en contextos largos, donde su decodificación se mantiene rápida mientras que el costo de atención de V4 Pro aumenta.

Ambos están en OrcaRouter detrás de una clave compatible con OpenAI, lo que hace que esto sea menos un volado de lo que parece: una ruta de producción puede enrutar DeepSeek V4 Pro para los pasos algorítmicos y de escritura larga, MiniMax M3 para los pasos multimodales y de contexto largo, y usar el DSL de enrutamiento o la fusión de modelos para que cooperen en una sola llamada — cada uno facturando al precio de lista del proveedor con un recargo del 0%, con conmutación automática por error si el endpoint de un proveedor falla.

¿Cuál encaja?

• Programación competitiva, razonamiento algorítmico, matemáticas, máxima salida por llamada → DeepSeek V4 Pro. Los resultados de Codeforces y LiveCodeBench son los números de peso abierto más fuertes de la tabla.

• Convertir especificaciones en servicios terminados, ejecuciones autónomas de agentes de larga duración → MiniMax M3, según los concursos de codificación del mundo real y su liderazgo en SWE-Bench Pro agéntico.

• Cualquier entrada que no sea texto (capturas de pantalla, diagramas, fotogramas de video) → MiniMax M3, la única opción multimodal aquí.

• Un contexto de un millón de tokens que debe seguir siendo asequible y rápido → la atención dispersa de MiniMax M3, con ganancias de 9x en prefill y 15x en decode respecto a la generación anterior.

• Menor costo de salida para texto → DeepSeek V4 Pro a $0.88 frente a los $1.20 de M3, especialmente con el razonamiento activado.

• Autoalojamiento en GPUs modestas de centro de datos → la huella activa más pequeña de MiniMax M3; el checkpoint FP8 de 862 GB de V4 Pro requiere un clúster serio.

Ninguno de los dos modelos tiene aún un veredicto definitivo, y ambos avanzan rápido — la compilación oficial de DeepSeek V4 Pro llegó esta semana y aún no ha sido evaluada de forma independiente, los pesos de MiniMax M3 fueron prometidos pero todavía tienen que aparecer por completo en los repositorios abiertos, y DeepSeek ha anunciado un aumento de precio para la línea V4. Si tienes que elegir hoy, elige según la modalidad y la carga de trabajo: el trabajo agéntico multimodal y de contexto largo va para MiniMax M3, el razonamiento puro de texto y código al precio de salida más bajo va para DeepSeek V4 Pro — y enrútalos juntos para que, cuando aparezca la primera tabla de clasificación independiente para cualquiera de los dos modelos, cambiar tu tráfico sea un cambio de configuración, no una reescritura.