Kimi K3.1 Pro vs MiniMax M3.1 Flash : un écart de prix de 15× qui se réduit à mesure que la tâche prend de l'ampleur

Alignez Kimi K3.1 Pro et MiniMax M3.1 Flash sur une grille tarifaire et la décision semble déjà prise avant même de commencer : l’un coûte quinze fois ce que coûte l’autre par million de tokens pondéré [prix des FOURNISSEURS ; le ratio est notre calcul]. Alignez-les plutôt sur un registre par tâche et l’écart s’est effondré à un facteur de neuf et demi, puis à environ trois. Aucun des prix des fournisseurs n’a bougé entre ces relevés. Le dénominateur, si. Ces deux-là ne sont pas en concurrence pour la même ligne de votre budget, et le moyen le plus rapide de choisir est de déterminer quelle ligne votre charge de travail touche.

Deux profils qui n'ont jamais ciblé le même acheteur

Kimi K3.1 Pro est un modèle clairsemé avec 2 800 milliards de paramètres au total et 104 milliards actifs par token [VENDOR], un contexte de 1 million de tokens [VENDOR], et une réflexion toujours activée : l'effort est réglé sur faible, élevé ou maximal, avec maximal par défaut, tandis que temperature et top_p sont fixes [VENDOR]. Il n'est pas en poids ouverts aujourd'hui ; le fournisseur promet une publication d'ici le 4 novembre [VENDOR], et Artificial Analysis le classe encore comme propriétaire [INDEPENDENT]. Sur cet indice, il affiche 57,5 tokens de sortie par seconde [INDEPENDENT] et un score de 55,09 [INDEPENDENT].

MiniMax M3.1 Flash est sorti le 2026-10-19 [VENDOR] comme un objet de nature opposée : un contexte de 1 048 576 jetons avec une sortie maximale de 524 288 jetons [VENDOR], 116,2 jetons par seconde [INDEPENDENT], et un score de 42,71 [INDEPENDENT]. Une remarque d’arrondi : Artificial Analysis arrondit cela à 43, notre fiche catalogue à 42 [INDEPENDENT] — la même mesure.

Le cadrage qui survit au premier paragraphe n’est donc pas « modèle de pointe contre modèle économique ». C’est celui d’un généraliste à la réflexion approfondie, au profil fortement orienté vers l’exécution, face à un modèle rapide, à contexte long et à débit bon marché, qui n’a qu’une semaine. Les 12,38 points d’indice qui les séparent [INDEPENDENT] sont réels, mais inégalement répartis, et c’est cette inégalité qui est la décision.

D'où vient réellement l'écart d'index

Si l’on décompose l’indice en ses lignes, un schéma apparaît : l’avantage de Kimi K3.1 Pro se concentre sur les lignes qui récompensent l’exécution soutenue plutôt que les connaissances stockées. Tous les chiffres ci-dessous sont [INDEPENDENT], issus d’Artificial Analysis.

• Terminal-Bench 4.0 : 67,17 % contre 25,76 %, un écart de 41,4 points et la plus grande séparation de l’ensemble.

• Terminal-Bench-Science : 34,29 % contre 3,33 %, un écart de 31,0 points. Les faibles pourcentages à un chiffre ne sont pas un artefact d’arrondi ; c’est un modèle qui échoue largement à cette famille de tâches.

• GDPval-AA : 1 845,72 contre 1 457,57, soit une différence de 388 points Elo. L'Elo n'est pas linéaire en termes de capacité ; il faut donc lire cela comme une classe de résultat différente, et non comme un pourcentage.

• SciCode : 60,76 % contre 53,36 % — véritablement compétitif.

• AA-LCR 86,33 % contre 79,67 % ; MMMU-Pro 83,87 % contre 79,13 % ; CritPt 24,57 % contre 22,29 % ; HLE 52,46 % contre 47,96 %. Ce sont les lignes où les deux sont les plus proches l’un de l’autre, et toutes sont à contexte long ou denses en connaissances.

• AutomationBench : 73,30 % contre 72,52 % — pratiquement à égalité.

• AnalystAgent se situe à 38,75 pour Kimi K3.1 Pro et FrontierCode à 47,07 %, tous deux sans équivalent MiniMax publié. Un résultat absent n’est pas un zéro et ne constitue pas une preuve de quoi que ce soit, si ce n’est que la comparaison comporte des lacunes.

La ligne qui complique toute histoire simple, c'est AA-Omniscience. MiniMax M3.1 Flash répond correctement à davantage de questions de connaissances — 56,20 % de précision contre 51,02 % — mais obtient 15,55 contre 29,52, car son taux d'hallucination est de 92,81 % contre 43,89 % [INDEPENDENT]. L'indice pénalise les réponses fausses données avec assurance. Un modèle qui a raison un peu plus souvent et se trompe avec bien plus d'assurance représente un danger pour les travaux fondés sur la recherche documentaire, où une phrase non étayée est pire qu'un aveu d'ignorance.

Tarification, lue selon trois dénominateurs

Au niveau des tokens, les deux ne sont pas sur le même marché. Kimi K3.1 Pro est affiché à 2,00 $ en entrée et 10,00 $ en sortie par million de tokens, les lectures de cache à 0,20 $, le tarif mixte 3:1 à 4,00 $ [VENDOR]. MiniMax M3.1 Flash est affiché à 0,15 $ en entrée et 0,60 $ en sortie, les lectures de cache à 0,015 $, le tarif mixte 3:1 à 0,2625 $ [VENDOR]. Le ratio mixte est de 15,2×.

Par tâche d’index terminée, le ratio descend à 9,6× : 2,1145 $ pour Kimi K3.1 Pro contre 0,2201 $ pour MiniMax M3.1 Flash {{1}}[INDÉPENDANT]{{/1}}. La raison est mécanique. Une tâche d’index consomme 55 195 jetons de sortie de Kimi K3.1 Pro et 78 612 de MiniMax M3.1 Flash — 42 % de jetons de sortie en plus produits par le modèle moins cher, ce qui grignote son propre avantage à l’extrémité coûteuse du tableau. Le coût par tâche est le chiffre qu’une équipe financière devrait examiner, et il est déjà inférieur d’un tiers à ce que suggère le ratio mis en avant.

Inversé, les points d'indice par dollar mixte s'élèvent à 13,8 pour Kimi K3.1 Pro et à 162,7 pour MiniMax M3.1 Flash [INDEPENDENT]. Ce n'est pas une recommandation : si la seule contrainte est le maximum de benchmark par dollar, la réponse est sans ambiguïté, et s'il s'agit ne serait-ce que d'accomplir cette catégorie de tâche, l'arithmétique est hors sujet.

Pourquoi l'écart ne cesse de se réduire à mesure que la tâche prend de l'ampleur

Les preuves les plus claires sont DataAnalyticsBench de Plotly — 43 questions portant sur des données synthétiques de parcs éoliens, une exécution par modèle, donc une direction plutôt qu’une distribution [INDEPENDENT]. Kimi K3.1 Pro a répondu à 42 des 43 questions à 0,31 $ par question, soit 13,47 $ au total, en utilisant 7,5 appels de modèle et environ 440 000 jetons d’entrée par question. MiniMax M3.1 Flash a répondu à 41 des 43 questions à environ 0,10 $ par question, soit 4,09 $ au total, en utilisant environ 45 appels et 4,2 millions de jetons d’entrée par question.

Trois choses se produisent en même temps. La précision est presque identique — à une question près, bien dans la marge de ce qu’une seule exécution permet de résoudre. L’écart de prix s’est réduit à 3,1×. Et le mécanisme est visible : le modèle le moins cher y parvient en effectuant 45 appels là où l’autre en effectue 7,5, et en poussant 9,5× plus d’entrée par question. Il achète la précision avec du contexte et des itérations plutôt qu’avec de la profondeur de paramètres, et les deux sont bon marché par token mais pas gratuits par tâche.

Si l'on passe à cent mille questions par mois, la comparaison est de 31 000 $ contre 10 000 $, soit environ 252 000 $ d'écart par an [INDÉPENDANT, extrapolé à partir des chiffres par question de Plotly]. C'est une véritable ligne budgétaire, et le volume auquel chiffrer la différence de précision entre 41 et 42 par mauvaise réponse : un avantage de deux points sur une tâche dont dépend votre activité peut valoir plus d'un quart de million de dollars.

Là où le niveau économique l’emporte vraiment

MiniMax M3.1 Flash est le meilleur achat pour les charges de travail partageant un même profil : volume élevé, sorties courtes ou faiblement contraintes, contexte de récupération important et tolérance à une réexécution. Classification, extraction contrainte par schéma avec un validateur en aval, résumé à grande échelle, réponse augmentée par récupération où chaque phrase doit pouvoir être rattachée à un passage fourni, et génération en masse avec relecture. Le débit est un avantage : 116,2 jetons par seconde contre 57,5 [INDEPENDENT], soit environ deux fois plus de simultanéité par réplique avant mise en file d’attente, et la sortie maximale de 524 288 jetons [VENDOR] signifie que les tâches de longue forme ne nécessitent aucun assemblage.

Le chiffre d'hallucination contraint cette liste plutôt que de l'embellir. Un taux de 92,81 % [INDEPENDENT] est supportable lorsque la vérité de référence se trouve dans le prompt et qu'un validateur rejette les affirmations non étayées. Il n'est pas supportable dans un assistant factuel ouvert, sans récupération, sans vérification des citations et sans humain dans la boucle — et sa précision légèrement supérieure rendra ces défaillances plus difficiles à remarquer, et non plus faciles.

Quand la formule coûteuse s'amortit

Kimi K3.1 Pro justifie son prix sur les lignes qui ressemblent à du travail plutôt qu’à de la restitution. Terminal-Bench 4.0 à 67,17 % et Terminal-Bench-Science à 34,29 % en sont les signaux les plus clairs : des tâches shell et de codage à long horizon où une réponse partielle équivaut à une exécution échouée et où chaque nouvelle tentative coûte de l’attention d’ingénierie plutôt que des tokens [INDÉPENDANT]. L’écart de 388 Elo de GDPval-AA [INDÉPENDANT] va dans le même sens pour le travail professionnel. Si votre charge de travail est un agent qui doit mener à bien une procédure en plusieurs étapes sans supervision, un score de 25,76 % à Terminal-Bench 4.0 [INDÉPENDANT] n’est pas une réduction — c’est un autre produit.

Deux détails opérationnels ont leur place ici plutôt que dans une note de bas de page. Le raisonnement est toujours activé, l’effort étant défini par défaut au maximum [VENDOR], de sorte que la latence ne se réduit pas sans accepter un changement de capacité ; prévoyez un p50 d’environ 6,9 secondes plutôt qu’un chemin rapide qui n’existe pas. En production sur notre route au cours des sept jours précédant le 26 octobre, Kimi K3.1 Pro a tourné à 52,4 jetons de sortie par seconde avec un taux d’erreur de 0,064 % et a transporté 1,305 milliard de jetons en trois jours [OURS]. MiniMax M3.1 Flash n’a transporté qu’environ 10 000 jetons sur notre route au cours de cette période [OURS], bien trop peu pour mesurer quoi que ce soit, donc chaque chiffre de latence et de coût le concernant ici, débit compris, est celui de l’évaluateur.

Choisir entre les deux

Partez de la ligne d’évaluation qui ressemble le plus à votre trafic, et non du titre de l’index ou de la grille tarifaire. Si la réponse repose sur Terminal-Bench, GDPval ou toute famille d’exécution à long horizon, les écarts de 41 points et de 388 Elo tranchent avant même que l’on parle de coût. Si elle repose sur AA-LCR, MMMU-Pro, CritPt ou AutomationBench, les deux se tiennent à quelques points près et vous devriez choisir sur le prix, le débit et le contexte — c’est-à-dire MiniMax M3.1 Flash, avec une couche de récupération et un validateur gérant le profil d’hallucination.

Le cas intermédiaire est un travail analytique délimité avec une réponse vérifiable. Le 42 sur 43 de Plotly contre 41 sur 43 [INDEPENDENT] a cette forme, et un écart de 3,1× sur une tâche où le modèle moins cher a besoin de 9,5× l’entrée pour rester au niveau est un véritable compromis. Échantillonnez d’abord votre propre trafic ; une seule exécution de 43 questions est une direction, pas un verdict.

Une remarque structurelle sur la tarification, qui compte plus que tout ratio ci-dessus. OrcaRouter répercute sans modification les prix des tokens des fournisseurs : ainsi, lorsqu’un prix catalogue change, notre prix pour ce modèle change le jour même, sans palier renégocié entre-temps. Chaque ratio ici est un instantané des grilles tarifaires actuelles de deux fournisseurs, et non un barème de majoration — si l’un ou l’autre des fournisseurs baisse le prix de sortie le mois prochain, le 15,2× et le 9,6× bougeront tous les deux, tandis que la facturation restera le miroir de la leur. C’est aussi pourquoi l’avantage de l’offre économique mérite d’être revérifié plutôt que mémorisé : MiniMax M3.1 Flash est sorti le 19 octobre [VENDOR], une semaine avant la rédaction de ce texte, et un tarif de lancement est rarement un tarif définitif.

Sources : Artificial Analysis Intelligence Index v4.3.2, données au 26 octobre 2026, pour les chiffres de l’indice, de la ligne, du débit et du coût par tâche ; les comptes rendus DataAnalyticsBench de Plotly des 20 et 23 octobre pour la comparaison à 43 questions ; les fiches modèles des fournisseurs pour les prix, les limites de contexte, les paramètres et les dates de publication. MiniMax M3.1 Flash a transporté environ 10 000 tokens sur la route d’OrcaRouter au cours de la fenêtre de sept jours, trop peu pour être mesuré, de sorte que ses chiffres de latence et de coût ici sont ceux de l’évaluateur.