MiniMax M3.1 Flash vs Gemini 3.5 Flash-Lite: la mitad del precio, el doble de puntuación y, aun así, no es la opción obvia

Gemini 3.5 Flash-Lite está a la venta desde el 21 de julio de 2026. MiniMax M3.1 Flash llegó el 19 de octubre de 2026 a $0.15 por millón de tokens de entrada y $0.60 por millón de salida — la mitad y aproximadamente un cuarto de las tarifas de Gemini 3.5 Flash-Lite de $0.30 y $2.50. En el Intelligence Index de Artificial Analysis, el modelo más reciente obtiene 43 y el modelo de Google obtiene 22. Así que MiniMax M3.1 Flash es más barato en cada línea de tokens y el doble de capaz según el índice independiente. Luego se llega a la fila de coste por tarea, y Gemini 3.5 Flash-Lite la gana, $0.19 frente a $0.22. Esa inversión es la única forma honesta de abordar esta comparación, porque te dice que la decisión no tiene que ver con las tarifas en absoluto.

Dos tarjetas de tarifas que solo parecen similares

Empieza por lo que cada proveedor publica realmente, porque las estructuras difieren tanto como las cifras.

• Entrada — $0.15 por millón de tokens en MiniMax M3.1 Flash frente a $0.30 en Gemini 3.5 Flash-Lite.

• Salida — $0.60 frente a $2.50, una diferencia de cuatro a uno.

• Entrada en caché — $0.015 frente a $0.03, ambos con un 90 % de descuento sobre la tarifa de entrada.

• Almacenamiento en caché — Google lo factura a $1.00 por millón de tokens en caché por hora. La tarifa de lanzamiento de MiniMax no desglosa ningún cargo por almacenamiento.

• Batch y Flex — Google reduce la entrada a $0.15 y la salida a $1.25 en ambos niveles. El precio de lanzamiento de MiniMax es una tarjeta plana de tres líneas, sin nivel por lotes en el material de lanzamiento.

• Prioridad — Google vende un nivel de prioridad a $0,54 de entrada y $4,50 de salida. La publicación de lanzamiento de MiniMax no anunció ningún equivalente.

• Contexto y límite de salida — ambos aceptan 1 millón de tokens de entrada. MiniMax permite hasta 524.288 tokens de salida; Gemini 3.5 Flash-Lite se detiene en 65.536.

• Pesos — MiniMax publicó el 23 de octubre una descarga de 252,4 GB bajo su licencia comunitaria. Gemini 3.5 Flash-Lite es propietario.

El nivel por lotes merece su propia frase, porque es el único punto en el que las dos tarjetas casi se tocan. Un equipo que pueda tolerar la latencia por lotes obtiene la entrada de Gemini 3.5 Flash-Lite a $0.15 —exactamente el precio de entrada estándar de MiniMax—, pero la salida a $1.25, todavía más del doble de los $0.60 de MiniMax. El procesamiento por lotes reduce la brecha de entrada y deja intacta la brecha de salida. Si tu carga de trabajo se centra en la salida, como ocurre con las cargas de agentes y de programación, el descuento por lotes no salva la comparación.

La brecha de capacidades no es sutil, pero lea la versión de referencia del benchmark

Artificial Analysis somete a ambos modelos a la misma batería de pruebas, y los resultados no están ni cerca:

• Índice de Inteligencia — 43 para MiniMax M3.1 Flash, en quinto lugar de 173 modelos; 22 para Gemini 3.5 Flash-Lite, en el puesto 44.

• Terminal-Bench 4.0 — 26% frente a 1%.

• AutomationBench-AA — 73% frente a 25%.

• GDPval-AA — 1,458 frente a 985.

• SciCode — 53 % frente a 41 %.

La cifra de Terminal-Bench es la que se citará fuera de contexto, así que necesita contexto. La propia model card de Google para Gemini 3.5 Flash-Lite cita Terminal-Bench 2.1 con un 54,0 %. Artificial Analysis ejecuta Terminal-Bench 4.0 y registra un 1 %. Ambas cifras pueden ser correctas, porque son generaciones distintas del benchmark que prueban cosas diferentes. Lo que significa el 1 % no es que Flash-Lite no pueda usar una terminal; significa que casi nunca completa las tareas actuales difíciles de terminal de extremo a extremo sin ayuda. Lo que significa el 54 % es que le fue bien en una versión anterior del benchmark. Cualquiera que compare el modelo con MiniMax M3.1 Flash en "Terminal-Bench" sin nombrar la versión está comparando dos pruebas diferentes.

La distinción entre proveedor e independiente importa igual de mucho. La ficha de Google también informa SWE-Bench Pro con 54,2 %, OSWorld-Verified con 74,0 % y GDM-MRCR con 72,2 % en contextos de 128K —todo reportado por el proveedor, todo con la configuración elegida por Google. La publicación de lanzamiento de MiniMax informa BankerToolBench con 76,2, DeepSWE v1.1 con 73,7 % y OSWorld V2 con 61,7, también reportado por el proveedor. Las únicas filas de este artículo que someten a ambos modelos al mismo arnés son las de Artificial Analysis, y por eso sostienen el argumento.

Por qué el modelo más caro puede seguir costando menos por tarea

Artificial Analysis mide el costo por tarea completada del Intelligence Index en $0.19 para Gemini 3.5 Flash-Lite y $0.22 para MiniMax M3.1 Flash. Eso parece imposible junto a una diferencia de precio de salida de cuatro a uno hasta que uno recuerda qué es la métrica: tokens realmente consumidos, multiplicados por las tarifas del proveedor. No es una comparación de tarifas. Es una medición de cuánto trabajo hace cada modelo para terminar la misma tarea.

MiniMax M3.1 Flash es un razonador verboso. Artificial Analysis registró aproximadamente 180 millones de tokens de salida en el índice para M3.1 Flash, frente a una mediana de unos 100 millones para los modelos que analiza. El costo de 0,19 USD por tarea de Gemini 3.5 Flash-Lite, aproximadamente un tercio del precio combinado por token de MiniMax, implica que recorre el mismo índice con muchos menos tokens. Eso es una inferencia a partir de dos cifras publicadas, no una afirmación de un proveedor, pero apunta en la misma dirección: en las tareas en las que la deliberación adicional de M3.1 Flash se traduce en una respuesta correcta, el gasto de tokens es un buen intercambio. En las tareas en las que la respuesta nunca estuvo en duda, la deliberación es un desperdicio, y el modelo más barato por token se convierte en el más caro por tarea.

Calcula la factura para una carga de trabajo que podrías tener realmente: 20 millones de tokens de entrada al mes con una tasa de aciertos de caché del 60 %, más 3 millones de tokens de salida.

• MiniMax M3.1 Flash — 8 millones de entrada nueva a $0,15 son $1,20; 12 millones en caché a $0,015 son $0,18; 3 millones de salida a $0,60 son $1,80. Total: $3,18.

• Gemini 3.5 Flash-Lite — 8 millones de entrada nueva a $0.30 son $2.40; 12 millones en caché a $0.03 son $0.36; 3 millones de salida a $2.50 son $7.50. Total: $10.26, antes del almacenamiento en caché.

Eso es una diferencia de 3,2x a favor de MiniMax. Reduce la salida a medio millón de tokens, la forma de un trabajo de clasificación o extracción, y pasa a ser $1,68 frente a $4,01 —sigue siendo 2,4x—. Si pones a Gemini en su nivel de lotes con una salida de 3 millones de tokens, queda en $5,19, todavía 1,6x MiniMax. La aritmética por token no se inmuta.

Así que la inversión del costo por tarea es real pero limitada, y es una afirmación sobre la eficiencia de tokens más que sobre el precio. Si tu carga de trabajo se parece al Intelligence Index —tareas breves y bien especificadas en las que un modelo más pequeño puede terminar rápido—, la eficiencia de Flash-Lite puede borrar la diferencia de la tarifa. Si tu carga de trabajo se parece a la factura anterior, no lo hará. El único pronóstico confiable son tus propios recuentos de tokens con tus propios prompts, medidos en ambos.

La velocidad son dos mediciones que apuntan en direcciones opuestas.

La historia de la velocidad es más interesante que «uno es más rápido», porque los dos modelos se reparten mitades distintas de ella.

• Tiempo hasta el primer token: 1,48 segundos en MiniMax M3.1 Flash frente a 6,94 segundos en Gemini 3.5 Flash-Lite. El modelo MiniMax empieza a responder casi cinco veces más rápido.

• Rendimiento de salida — 95,6 tokens por segundo frente a 430,2. Una vez que comienza, Flash-Lite transmite aproximadamente cuatro veces y media más rápido.

Qué número importa depende de la forma de la llamada. En una interfaz de chat, la latencia del primer token es lo que percibe el usuario; un modelo que se detiene siete segundos antes de la primera palabra parece averiado, sin importar lo rápido que escriba después. En una generación larga —un informe de 100.000 tokens, una gran refactorización—, el rendimiento domina el tiempo total y el de arranque lento puede terminar primero. En un bucle de agente, donde cada paso es una llamada breve a una herramienta y el bucle se ejecuta veinte veces, el tiempo hasta el primer token se paga veinte veces y el rendimiento apenas importa.

Dos salvedades. Artificial Analysis midió 95,6 tokens por segundo para M3.1 Flash, mientras que el material propio de MiniMax afirma una mediana superior a 170 y picos por encima de 200 — un recordatorio de que la ruta de servicio y las condiciones de medición hacen variar mucho esta cifra. Y los 430 tokens por segundo de Flash-Lite son realmente rápidos, pero su límite de salida de 65.536 tokens significa que el caso de generación larga en el que esa velocidad rendiría más está acotado. El límite de 524.288 tokens de MiniMax es ocho veces mayor.

La {{1}}dispersión entre proveedores{{/1}} es mayor que la diferencia entre los modelos. {{2}}La propia página de OrcaRouter para Gemini 3.5 Flash-Lite reporta un p50 de tiempo hasta el primer token de 3,59 segundos y un p95 de 10,00 segundos entre los proveedores a los que enruta{{/2}}, frente a {{3}}la cifra de 6,94 segundos de Artificial Analysis{{/3}}. Eso no es una contradicción; es lo que parece un modelo enrutado cuando distintos backends lo sirven. También significa que la forma honesta de comparar a estos dos en latencia es medir tu propia ruta, no confiar en una sola cifra de ninguno de los dos proveedores.

La fila que debería decidir el trabajo regulado

La evaluación AA-Omniscience de Artificial Analysis otorga a MiniMax M3.1 Flash una puntuación de 16: el 56% de las preguntas fácticas se respondieron correctamente y la tasa de alucinación es del 93%. Esa última cifra no significa que el 93% de las respuestas fueran incorrectas. Significa que, de las respuestas que no eran correctas, el 93% eran completamente erróneas en lugar de respuestas parciales o negativas a responder; el modelo suele responder cuando debería abstenerse.

La página de Artificial Analysis de Gemini 3.5 Flash-Lite no incluye ninguna puntuación AA-Omniscience, por lo que no se pueden comparar en materia de abstención. Esa ausencia no es un certificado de buena salud; son datos faltantes. Lo que sí puede afirmarse es que un modelo con un techo de capacidad más bajo y una fuerte predisposición a las respuestas breves puede fallar de manera distinta —ya sea negándose a responder o produciendo resultados evidentemente escasos—, pero no hay ninguna medición publicada que lo establezca. No asumas que el modelo más pequeño es más seguro solo porque es más pequeño.

Para tareas de programación y tareas agénticas, AA-Omniscience es un mal predictor: no se le pide al modelo que recuerde hechos, sino que actúe sobre archivos y resultados de herramientas. Para cualquier cosa que se parezca al trabajo del conocimiento —resumir un contrato, responder a la pregunta de un cliente sobre una política, extraer una cifra de un documento presentado ante un organismo—, la cifra del 93 % es lo primero con lo que hay que diseñar, no lo último. La recuperación de información, la verificación de citas y un paso de revisión humana no son opcionales en ese contexto, y un precio por token más barato no compensa el coste de una respuesta incorrecta dada con seguridad.

Una regla de decisión que sobrevive a tu propia carga de trabajo

• Clasificación, extracción, enrutamiento y traducción de alto volumen con salidas breves — Gemini 3.5 Flash-Lite. El índice 22 es suficiente para tareas específicas, los 430 tokens por segundo son la clave y los 65,536 tokens de salida son amplios. Su nivel por lotes a $0.15 de entrada refuerza el argumento del volumen.

• Programación a escala de repositorio, agentes de varios pasos, documentos largos, salida de formato extenso — MiniMax M3.1 Flash. Terminal-Bench 4.0 con un 26% frente al 1% es la diferencia relevante, 524.288 tokens de salida eliminan un techo rígido y el precio de entrada es la mitad.

• On-premises o acceso a los pesos — MiniMax M3.1 Flash, y solo él. La descarga de 252,4 GB es real, pero se rige por la Licencia Comunitaria de MiniMax: se exige atribución en los despliegues comerciales, y se requiere permiso previo por escrito por encima de los 20 millones de dólares de ingresos anuales. «Pesos abiertos» no es «código abierto», y el departamento de compras debería leer la licencia antes que el número de parámetros.

• Chat sensible a la latencia — prueba ambos. MiniMax gana en tiempo hasta el primer token por un amplio margen; Gemini gana en rendimiento de streaming. Cuál se siente más rápido depende de la longitud de la respuesta.

• Respuesta a preguntas factuales sin supervisión — ninguno de los dos sin recuperación y verificación. MiniMax M3.1 Flash tiene un problema de abstención medido; Gemini 3.5 Flash-Lite no tiene ninguna medición publicada.

Dónde cada uno es realmente invocable

Hay una asimetría que vale la pena señalar sin rodeos. Gemini 3.5 Flash-Lite está hoy en el catálogo de OrcaRouter, por lo que se puede invocar con una sola clave de API al precio de lista del proveedor, con un 0% de margen, con conmutación por error automática entre proveedores y el DSL de enrutamiento disponible para combinarla con otros modelos. MiniMax M3.1 Flash no está en el catálogo; la línea MiniMax allí termina en MiniMax-M3. Llamar a M3.1 Flash implica usar la propia API de MiniMax o uno de sus socios de servicio, incluido Tenstorrent Cloud, que anunció el despliegue el 22 de octubre.

Eso importa más para la evaluación que para producción. Si quieres resolver la cuestión del coste por tarea con tus propios datos, la comparación útil suele ser MiniMax-M3 frente a Gemini 3.5 Flash-Lite con una misma clave, porque ambos se pueden enrutar y se facturan de la misma manera; entonces el modelo más nuevo tiene que superar esa línea base antes de que incorpores un segundo proveedor. OrcaRouter transfiere los precios de lista de los proveedores sin cambios, así que un cambio de precio de MiniMax o un nivel de lote de Google aparece en tu factura el mismo día en que cambia, no al final de un contrato negociado.

La elección depende de en qué número puedes permitirte equivocarte.

Si eliges Gemini 3.5 Flash-Lite y te equivocas respecto a su capacidad, el fallo es visible: un 1 % en Terminal-Bench 4.0 y una puntuación del 25 % en AutomationBench-AA no se pueden ocultar. Verás que la tarea falla y la moverás a otro modelo.

Si eliges MiniMax M3.1 Flash y te equivocas en cuanto al coste, el fallo es menor de lo que sugiere la tarifa: en el ejemplo medido por tokens anterior, resulta entre dos y tres veces más barato, y en la métrica de tareas de Artificial Analysis, es aproximadamente un 16 % más caro. Ninguno de los dos resultados es catastrófico.

Si eliges MiniMax M3.1 Flash y te equivocas en la abstención, el fallo es silencioso. Esa es la asimetría que debería impulsar la decisión para el trabajo de conocimiento, y es la razón por la que esta comparación no termina con «gana el modelo más barato y más inteligente». Para cargas de trabajo agénticas y de programación, donde el modelo actúa sobre artefactos que puedes inspeccionar, MiniMax M3.1 Flash es la opción más sólida a un precio por token más bajo. Para el procesamiento de gran volumen y respuestas cortas, la velocidad y la eficiencia de tareas de Gemini 3.5 Flash-Lite siguen justificando su lugar. Para el trabajo factual sin una capa de verificación, la respuesta honesta es que ninguno de los dos modelos se ha ganado su lugar.