MiniMax M3.1 Flash vs Qwen 3.8 Flash: mismo precio de entrada, arquitecturas opuestas

MiniMax-M3.1-Flash y Qwen3.8-Flash cuestan los mismos quince centavos por millón de tokens de entrada y se basan en teorías incompatibles sobre a dónde va el dinero. MiniMax-M3.1-Flash, disponible de forma general desde el 19 de octubre de 2026, es un modelo cerrado que razona en cada llamada, tanto si lo quieres como si no, y genera a 125,5 tokens por segundo. Qwen3.8-Flash es una mezcla de expertos de 125 mil millones de parámetros que activa unos seis mil millones de ellos por token, genera a aproximadamente 51,6 tokens por segundo en el checkpoint medido de forma independiente, y vende los tokens de salida trece centavos más baratos. Uno es rápido y verboso; el otro es lento y conciso. Cuál resulta más barato para tu tráfico depende de una proporción que la mayoría de los equipos nunca mide, y esa es la única pregunta que realmente importa en esta comparación. Los fallos documentados de IA y los incidentes con agentes que hay detrás de lanzamientos como este se recopilan en el Archivo de Incidentes de IA de OrcaRouter donde cada entrada incluye sus propias fuentes, su gravedad, su grado de confianza y su marca de disputa.

Una cosa que corregir antes de las cifras, porque afecta a cada fila de abajo. Qwen3.8-Flash es un producto alojado. Lo que puedes descargar es Qwen3.8-Flash-Next, que comparte la arquitectura pero no el nombre, la licencia ni necesariamente el comportamiento, y las cifras independientes de referencia que existen son de Flash-Next, no del Flash alojado. La única puntuación medida de forma independiente de MiniMax-M3.1-Flash es la del propio modelo, porque no hay nada más que medir. Cuando una cifra de abajo es un dato del proveedor, así se indica; cuando es de Artificial Analysis, así se indica; cuando la fila no se puede comparar con honestidad, la fila lo dice en su lugar.

Las dos arquitecturas no son dos configuraciones de un mismo diseño.

El modelo de Qwen es el más fácil de interpretar de los dos, y sus cifras se publican con suficiente detalle como para razonar sobre ellas. Qwen3.8-Flash tiene 48 capas con 512 expertos por capa, diez enrutados más uno compartido, y se basa en 125 mil millones de parámetros totales con aproximadamente 6 mil millones de parámetros activos por token —alrededor de un 95 % de esparsidad—. Además de la pila de expertos, incluye una tabla de embeddings de n-gramas de 51 mil millones de parámetros y una cabeza de predicción de múltiples tokens de 4 mil millones de parámetros, por lo que el artefacto almacenado se acerca más a los 180 mil millones de parámetros que a los 125 mil millones. La predicción de múltiples tokens es la parte que importa para la velocidad: permite que el modelo proponga varios tokens por pasada hacia adelante y los verifique, y es lo que permite que un modelo tan disperso siga siendo utilizable.

M​iniMax no ha publicado un recuento de parámetros comparable para MiniMax-M3.1-Flash. La publicación de lanzamiento trata sobre resultados —benchmarks agénticos, una reducción declarada del 70 % en el costo de uso, una inferencia «casi tres veces más rápida» que la versión preliminar— y no sobre la forma de la red. Esa asimetría es en sí misma un dato sobre los dos productos: Q​wen vende una arquitectura que en principio podrías alojar; M​iniMax vende un servicio. Para una página de comparación, significa que el argumento arquitectónico solo funciona en una dirección. Puedes decir con confianza por qué Qwen3.8-Flash es rápido por parámetro activo. No puedes decir nada sobre por qué MiniMax-M3.1-Flash es rápido, porque el proveedor no te lo ha dicho.

Una línea por dimensión, ambos lados en cada una

• Precio de entrada — $0.15 por millón de tokens en ambos, y de ahí surge la coincidencia que enmarca esta página

• Precio de salida: MiniMax-M3.1-Flash a $0.60 por millón frente a Qwen3.8-Flash a $0.47, una diferencia del 28 % en detrimento de MiniMax

• Almacenamiento en caché: M​iniMax cobra $0.015 por millón de tokens de entrada en caché; QwenCloud indica $0.016 por millón de lecturas de caché y $0.20 por millón para la creación explícita de caché, así que la caché de M​iniMax es la más sencilla y ligeramente más económica de las dos.

• Contexto — MiniMax-M3.1-Flash con 1,000,000 de tokens; Qwen3.8-Flash con 1,000,000 de forma predeterminada, con una entrada máxima de 991,000 tokens y una salida máxima de 131,000 tokens

Capacidad independiente: Artificial Analysis otorga a MiniMax-M3.1-Flash una puntuación de 42 en su Intelligence Index, lo que lo sitúa en el puesto 41 de 173 modelos; el mismo rastreador otorga a Qwen3.8-Flash-Next una puntuación de 40, y no se publica ninguna puntuación de índice para el Qwen3.8-Flash alojado.

• Velocidad de salida — 125,5 tokens por segundo y un tiempo hasta el primer token de 1,04 segundos para MiniMax-M3.1-Flash; 51,6 tokens por segundo para Qwen3.8-Flash-Next en el mismo tracker, que es la cifra comparable más cercana disponible

• Coste por tarea completada — 0,22 $ para MiniMax-M3.1-Flash en el propio harness del tracker; no se publica ninguna cifra equivalente para ninguno de los dos artefactos de Qwen

• Verbosidad — 180 millones de tokens de salida consumidos en la ejecución del Intelligence Index de MiniMax-M3.1-Flash, frente a una mediana de 99 millones para los modelos del tracker; Qwen no publica ninguna cifra comparable.

• Control de razonamiento — MiniMax devuelve HTTP 400 si envías thinking: {"type": "disabled"} y rechaza reasoning_effort: "none", lo que deja una escala de cinco niveles cuyo valor predeterminado es max; Alibaba documenta tanto los modos con razonamiento como los modos sin razonamiento para la familia Qwen3.8, así que esta es la única fila en la que la documentación de los dos proveedores no es directamente comparable y deberías probar la alternancia en tu endpoint en lugar de confiar en cualquiera de las dos páginas

• Pesos — MiniMax afirma que los pesos de MiniMax-M3.1-Flash «se publicarán más adelante», sin fecha; los de Qwen3.8-Flash no se publican en absoluto, y el Qwen3.8-Flash-Next descargable se distribuye bajo la Licencia Qwen Community 1.0 en lugar de Apache 2.0

• Modalidades de entrada: texto e imagen en ambos, con Qwen3.8-Flash aceptando también video y ambos devolviendo solo texto

La diferencia en el precio de salida es menor que la del volumen de salida.

{{1}}Trece centavos por millón de tokens de salida{{/1}} parece un error de redondeo al lado de {{2}}un titular del 28%{{/2}}. En una carga de trabajo real, puede ser la decisión entera, en la dirección opuesta a la que indica la tarifa, porque los dos modelos no producen la misma cantidad de tokens para el mismo trabajo.

MiniMax-M3.1-Flash no puede dejar de pensar. Su referencia de API devuelve un 400 para la solicitud obvia de desactivarlo, y la única palanca es cuánto piensa —de low a max, con max como valor predeterminado—. Artificial Analysis midió la consecuencia: 180 millones de tokens de salida en su ejecución del índice, donde el modelo mediano del mismo rastreador consume 99 millones. Eso es 1,8× el volumen de salida de un modelo típico, y los tokens de pensamiento se facturan como tokens de salida y cuentan contra tu límite de max_tokens.

Hagamos las cuentas con un caso deliberadamente simple. Una carga de trabajo que costaría un dólar en tokens de salida con un modelo mediano cuesta 1,82 $ con MiniMax-M3.1-Flash si se mantiene la proporción de verbosidad. Esa misma carga de trabajo con Qwen3.8-Flash a 0,47 $ en lugar de 0,60 $ cuesta 0,78 $ antes de cualquier ajuste por volumen; y si el modo sin pensamiento de Qwen está disponible y lo usas, no hay ningún volumen de pensamiento que pagar. En el tráfico dominado por la salida, la brecha de trece centavos y la verbosidad de 1,8× se combinan hasta acercarse a una diferencia total de 2,3×. Ese es el argumento contra MiniMax-M3.1-Flash dicho con toda la contundencia que merece.

El argumento a su favor es la velocidad, y la velocidad no es un beneficio blando cuando la carga de trabajo es agéntica. A 125,5 tokens por segundo frente a 51,6, MiniMax-M3.1-Flash produce resultados unas 2,4 veces más rápido, lo que significa que un bucle de uso de herramientas de varios pasos que a Qwen le lleva veinte segundos de generación, a MiniMax le lleva ocho. Si tu agente realiza cuarenta llamadas al modelo para terminar una tarea, esa es la diferencia entre una tarea de trece minutos y una de cinco, y una latencia así cambia lo que puedes construir, no solo cuánto pagas. También significa que los tokens adicionales de MiniMax llegan en menos tiempo real que los tokens, menos numerosos, de Qwen, que es la frase que hace que el argumento de la verbosidad sea complicado en lugar de decisivo.

Dos tablas de benchmark de proveedores que no puedes poner una al lado de la otra

Ambas empresas publicaron evaluaciones, y ambos conjuntos son inservibles para una comparación directa, por una razón que conviene exponer sin rodeos en lugar de esquivarla.

La tabla de MiniMax para MiniMax-M3.1-Flash incluye BankerToolBench con 76,2; DeepSWE v1.1 con 73,7 %; OSWorld V2 con 61,7; Agents' Last Exam con 29,6 y CyberGym con 82 %, y describe su resultado en AutomationBench-AA como uno de los mejores sin publicar una puntuación. La tabla de Alibaba para Qwen3.8-Flash-Next incluye SWE-bench Pro con 62,5; DeepSWE 1.1 con 58,7; CoWorkBench con 73,9; AndroidWorld con 84,5; MathVision con 95,7 y JobBench con 55,7. Las dos listas comparten exactamente un nombre de benchmark —DeepSWE v1.1— y ahí las cifras del proveedor son 73,7 % frente a 58,7 %, una diferencia de quince puntos que parece decisiva y no es comparable, porque las dos cifras corresponden a modelos distintos de los que aparecen en esta página (uno es el Flash-Next alojado y el otro es M3.1-Flash) y porque ninguna de las dos empresas publicó el arnés, el andamiaje ni los criterios de aprobación.

Las tablas sirven para leer la intención. MiniMax midió el uso de computadoras, tareas profesionales de largo horizonte y descubrimiento de vulnerabilidades: el perfil de un modelo pensado para operar software. Alibaba midió programación, matemáticas multimodales y control de dispositivos móviles: el perfil de un modelo pensado para integrarse en aplicaciones a través de distintas modalidades. Ninguna de las dos tablas contiene una cifra de un competidor, y ninguna debería usarse como si la tuviera.

Lo que las licencias permiten realmente

La cuestión de los pesos abiertos es la fila en la que más se equivocan los compradores, y en ambos sentidos.

Qwen3.8-Flash no es abierto. Lo que sí está abierto es Qwen3.8-Flash-Next, y la diferencia no es cosmética: es un artefacto separado, publicado el 26 de agosto de 2026, descrito por el propio laboratorio de A​libaba como una vista previa de la arquitectura que sustentará Qwen4, distribuido como 131 fragmentos que suman aproximadamente 360 GB en bf16 y FP8 sin cuantización GGUF proporcionada por el proveedor. Lleva la Q​wen Community License 1.0, que no es Apache 2.0 y no es la licencia que muchos equipos asumen cuando oyen "pesos de Q​wen". Cualquiera que planee descargar Flash y ejecutarlo localmente debería leer esa licencia antes de dimensionar el hardware, porque 360 GB de pesos no caben en un solo acelerador y las cuantizaciones de la comunidad son la única vía para reducir la huella.

MiniMax-M3.1-Flash está cerrado con una promesa. La publicación de lanzamiento dice que los pesos «se publicarán más adelante» y no da fecha, ni licencia, ni tamaño. Esa es una posición estrictamente más débil que la de Qwen —algo que puedes descargar hoy con una licencia restrictiva supera a algo que quizá puedas descargar con el tiempo bajo condiciones desconocidas—, pero no es poca cosa, y es lo que más probabilidades tiene de cambiar el cálculo en esta página. Si MiniMax publica los pesos, la comparación de precios deja de importarle a cualquiera que tenga GPUs, y la ventaja de esparsidad que Qwen obtuvo con 6 mil millones de parámetros activos se enfrenta a un competidor que también puede servirse en tu propio hardware.

¿A cuál llamar hoy?

Ambos son accesibles a través de OrcaRouter, aunque no por igual. Qwen3.8-Flash está en el catálogo como qwen/qwen3.8-flash, uno de más de 200 modelos detrás de una única clave de API, con los precios de lista de los proveedores trasladados con un 0 % de recargo. MiniMax-M3.1-Flash no está en el catálogo; se puede invocar mediante la propia API de MiniMax, su M Plan y MiniMax Code, y a través del socio de servicio que MiniMax nombró el 21 de octubre. Lo que se puede enrutar desde el lado de MiniMax es el resto de la línea — MiniMax-M3 entre ellos —, por lo que un equipo que quiera probar la comparación con su propio tráfico puede poner qwen/qwen3.8-flash y minimax/minimax-m3 detrás de una sola clave y medir, en lugar de leer dos tablas de proveedores y hacer conjeturas.

Esa medición vale la pena hacerla antes de comprometerse, porque los dos modelos fallan de maneras opuestas en un benchmark. MiniMax-M3.1-Flash parecerá caro por token y barato por tarea completada si tu trabajo es agéntico, con trayectorias largas que el modelo termina en menos idas y vueltas porque cada una es rápida. Qwen3.8-Flash parecerá más barato en cada línea de la factura y parecerá peor en cualquier bucle sensible a la latencia, porque 51,6 tokens por segundo es una restricción real cuando un agente necesita cuarenta respuestas secuenciales. Ninguna de esas cosas es un defecto. Son los dos diseños funcionando según lo previsto.

El veredicto concreto: si estás creando un agente que opera software y pagas por tarea completada en lugar de por token, la velocidad de MiniMax-M3.1-Flash compensa su verbosidad, y sus pesos cerrados son el precio de entrada hasta que MiniMax los publique. Si realizas extracción, clasificación o generación de gran volumen donde la longitud de salida está acotada y la latencia no es la limitación, Qwen3.8-Flash es más barato en la tarifa y aún más barato cuando dejas de pagar por tokens de razonamiento que no solicitaste — y si necesitas poseer el modelo en lugar de alquilarlo, Qwen3.8-Flash-Next es el único de los dos que realmente puedes tener, bajo una licencia que deberías leer primero.