DeepSeek V4.1 Flash vs MiniMax M3.1 Flash : cartes identiques, modèles différents

Deux fournisseurs, deux modèles, un seul prix. Aussi bien DeepSeek V4.1 Flash que MiniMax M3.1 Flash coûtent 0,15 $ par million de jetons en entrée et 0,60 $ par million en sortie sur OrcaRouter. Les deux offrent un contexte de 1 M de jetons. Aucun des deux n'est un modèle phare, et tous deux appartiennent au palier sur lequel leur fournisseur veut attirer du volume. Le prix affiché ne permet pas de les distinguer, ce qui en fait la comparaison la plus nette du site : toutes les autres colonnes décident, et aucune n'est masquée.

Les cartes

• DeepSeek V4.1 Flash — 0,15 $ en entrée, 0,60 $ en sortie ; 0,003 $ pour l’entrée mise en cache ; doublés à 0,30 $ et 1,20 $ pendant deux créneaux en semaine ; contexte de 1 M ; sortie maximale de 384 K ; 2 500 requêtes simultanées ; vision prise en charge ; premier jeton mesuré à 1,49 seconde au p50.

• MiniMax M3.1 Flash — $0,15 en entrée, $0,60 en sortie ; contexte de 1 M ; sortie maximale de 524 K ; premier token p50 mesuré à 2,66 secondes ; aucune ligne de cache-hit publiée sur la fiche telle que nous la lisons.

Trois différences comptent, et toutes trois sont mesurables avant de vous engager : le plafond de sortie, la latence du premier jeton et la question de savoir si un préfixe mis en cache bénéficie d’une remise.

Plafond : 524K contre 384K

Le plafond de sortie de MiniMax est supérieur de 36 %. Sur un seul appel, c’est la différence entre une génération de 350 000 tokens qui tient et une qui ne tient pas — et 350 000 tokens de sortie à 0,60 $ le million représentent 21 cents dans les deux cas, si bien que le plafond est une limite de capacité plutôt qu’une limite de coût. Si votre charge de travail n’écrit jamais plus de 300 K dans une seule requête, cette colonne est une égalité avec un chiffre marketing accolé.

Si c’est le cas, MiniMax est le seul des deux à accepter le travail, et le prix identique cesse d’être ce qui compte.

Vitesse : 1,49 contre 2,66 secondes

Le premier token mesuré de DeepSeek est de 1,49 seconde ; celui de MiniMax est de 2,66. Les deux sont assez rapides pour qu’une interface de chat paraisse réactive, et assez lents pour qu’un agent effectuant vingt tours par tâche remarque la différence — environ 23 secondes par tâche à ces chiffres, contre une facture de tokens de quelques centimes. Sur les pipelines limités par le débit, le modèle plus rapide représente simplement plus de travail accompli par heure à budget de concurrence identique.

La ligne de cache, qu’une seule carte affiche

DeepSeek publie un prix en cas de cache hit : 0,003 $ par million de tokens d’entrée, contre 0,15 $ en cas d’échec. Cela représente une remise de cinquante fois sur la partie d’un prompt qui se répète, et c’est le levier le plus important sur l’une ou l’autre des cartes tarifaires. La carte de MiniMax, telle que nous la lisons, ne comporte aucune ligne équivalente — ce qui ne signifie pas que la mise en cache soit absente, seulement que la remise n’est pas publiable à partir de la carte.

Pour un agent qui renvoie à chaque tour un prompt système stable et un historique croissant, cette asymétrie peut l’emporter à la fois sur le plafond et sur la latence. C’est aussi la première chose à tester plutôt qu’à supposer : envoyez deux fois le même préfixe et comparez les deux factures.

La fenêtre de pointe, que seule une carte possède.

DeepSeek double tous ses tarifs entre 01:00 et 04:00 ainsi qu’entre 06:00 et 10:00 UTC les jours ouvrés, à l’exclusion des jours fériés chinois. Les tarifs de 0,15 $ et 0,60 $ de MiniMax sont fixes. Une charge de travail européenne ou asiatique qui s’exécute pendant les heures de bureau se trouve au tarif de pointe de DeepSeek pour la majeure partie de son trafic — 0,30 $ et 1,20 $, soit le double du tarif affiché de MiniMax pour les mêmes tokens.

Ainsi, les cartes identiques ne sont pas identiques en pratique. Hors pointe, avec un préfixe mis en cache stable, DeepSeek est nettement moins cher. Dans une fenêtre de pointe en semaine sans mise en cache, c’est deux fois plus cher. L’horaire détermine laquelle de ces phrases est vraie.

Quoi exécuter

Les deux modèles sont sur OrcaRouter aux tarifs publiés par leurs fournisseurs, sur un seul point d’accès compatible OpenAI avec basculement automatique, ce qui rend ce test peu coûteux : diriger une fraction du trafic vers chacun et comparer les tokens de sortie par tâche terminée, la latence p95 et la proportion de requêtes tombant dans les fenêtres de pointe de DeepSeek.

Ce qu’il ne faut pas faire, c’est vous en prendre à l’autocollant. C’est la seule colonne où ces deux modèles sont d’accord, ce qui signifie que c’est la seule colonne qui ne vous apprend rien.