MiniMax M3.1 Flash vs DeepSeek V4.1 Flash : ce sur quoi les deux tableaux des fournisseurs s’accordent réellement

Deux lignes. C’est tout ce qui reste du tableau de lancement de MiniMax après comparaison avec les chiffres publiés par DeepSeek lui-même, et il vaut la peine de le dire clairement avant que l’annonce phare de l’un ou l’autre fournisseur ne soit reprise : sur les deux benchmarks où MiniMax M3.1 Flash et DeepSeek V4.1 Flash — le checkpoint 1017 livré par DeepSeek deux jours plus tôt — les deux laboratoires ont publié un score sur la même évaluation, le modèle le plus récent est en retrait. MiniMax a publié M3.1 Flash le 19 octobre 2026 avec un tableau couvrant le travail agentique, le codage, l’usage de l’ordinateur et la cybersécurité, ainsi qu’une affirmation de saut générationnel par rapport à son propre prédécesseur. DeepSeek a publié V4.1 Flash 1017 le 17 octobre 2026 avec une fiche modèle faisant la même chose. Ce qui est intéressant lorsqu’on les met côte à côte, ce n’est pas de savoir qui gagne. C’est à quel point chaque tableau est peu conçu pour être comparé.Les tableaux des fournisseurs constituent un type de preuve, les registres d’incidents un autre ; c’est pourquoi les défaillances derrière des lancements comme ceux-ci sont répertoriées dans l’OrcaRouter AI Incident Archive où chaque entrée comporte ses propres sources, son niveau de gravité, son grade de confiance et son indicateur de contestation.

Ce que M​iniMax a réellement chiffré

La publication de M​iniMax est plus précise que la plupart. Elle donne d’emblée six chiffres : BankerToolBench 76.2, DeepSWE v1.1 73.7 %, OSWorld V2 61.7, Agents’ Last Exam 29.6, CyberGym 82 %, et une affirmation de performance de premier rang sur Automation-Bench sans score dans le texte du résumé. À côté figurent deux affirmations de débit — environ trois fois plus rapide en inférence en ligne que le modèle qu’elle remplace, et plus de 200 tokens par seconde avec un P50 supérieur à 170 — ainsi qu’une affirmation de coût inférieur de 70 % sur les tâches agentiques. Tout cela est rapporté par le fournisseur et non reproduit. M​iniMax l’a exécuté, M​iniMax l’a publié, et le harnais n’est nommé que dans les notes de bas de page.

La note de bas de page est l’endroit où le tableau commence à se disloquer. BankerToolBench, affirme MiniMax, a été évalué avec le harnais OpenCode 1.1718 et jugé par MiniMax-M2.7, son propre modèle plus ancien. Il s’agit d’un benchmark auto-évalué : un modèle MiniMax qui note des sorties produites par un modèle MiniMax, sur un ensemble de tâches choisi par MiniMax. Il peut être parfaitement bien mené. Ce n’est pas une preuve que l’on peut opposer à un laboratoire qui publie sur un harnais maintenu par quelqu’un d’autre.

Les deux rangées qui s'alignent

DeepSWE v1.1 est la seule mesure véritablement partagée. Les deux laboratoires la publient, et tous deux nomment le harnais : DeepSeek indique Mini-SWE-V2 sur sa fiche modèle, MiniMax indique la même version du benchmark. MiniMax revendique 73,7 %. DeepSeek revendique 77,0 % pour le checkpoint 1017, contre 74,2 % pour la version V4.1 Flash qu’il remplace. Le classement ici n’est donc pas ambigu, et il n’est pas flatteur pour le modèle le plus récent : la version du 17 octobre de DeepSeek devance celle du 19 octobre de MiniMax sur le seul benchmark d’agents de codage que les deux entreprises ont mesuré de la même manière, et elle devance sa propre version précédente de près de trois points ce faisant.

Agents' Last Exam raconte la même histoire avec plus de recul. M​iniMax rapporte 29,6. D​eepSeek rapporte 35,4 pour 1017, contre 31,8 pour le checkpoint précédent. Cela fait un écart de cinq points sur un benchmark conçu pour être difficile pour les agents, et c'est la deuxième ligne consécutive où le modèle plus ancien de deux jours est confortablement en tête.

Tout le reste dans les deux tableaux est soit mesuré sur un banc d’essai différent, soit évalué par un modèle différent, soit publié par une seule des parties. La fiche de D​eepSeek affiche Terminal-Bench 4.0 à 42,3 dans le harnais Claude Code, HLE sans outils à 42,6, ProgramBench à 29,1, Apex Bench v1.1 à 72,1 et Automation-Bench v1.0.6 à 60,5. La publication de M​iniMax ne donne pas du tout de chiffre pour Terminal-Bench 4.0, et sa ligne Automation-Bench se trouve sous une note de bas de page concernant les 600 tâches publiées publiquement, plutôt qu’à côté d’un nombre comparable que nous pourrions attribuer avec confiance à la résolution à laquelle la publication l’affiche. Deux de ces lignes sont vérifiables. Les autres correspondent à deux examens différents portant le même nom sur la couverture.

Là où le tableau de M​iniMax est solide et celui de D​eepSeek silencieux

Ce serait une erreur de lire les deux lignes communes comme le tableau complet, car ce sont toutes deux des lignes de raisonnement sur le codage et les agents, et l'argumentaire de M​iniMax est plus large. OSWorld V2 à 61,7 est un score d'utilisation d'ordinateur que D​eepSeek ne publie pas, et M​iniMax revendique la première place parmi les modèles chinois sur ce benchmark. CyberGym à 82 % est un score d'agent de sécurité que D​eepSeek ne publie pas non plus. BankerToolBench 76,2 mesure la sélection d'outils dans un contexte de flux de travail métier que ni la fiche de D​eepSeek ni Artificial Analysis ne couvrent. Sur ce terrain, M​iniMax ne perd pas ; elle n'a pas de concurrent. Ne pas avoir de concurrent n'est pas la même chose qu'être en tête, et le résumé de l'éditeur lui-même — « atteindre le niveau des modèles de premier plan » — est une affirmation de parité, pas de leadership.

L'autre point qu'il vaut la peine de remarquer à propos du tableau de lancement, c'est la façon dont il traite les concurrents. Le graphique publié place la colonne de MiniMax à côté de DeepSeek, Kimi-K3, GLM-5.3, GPT-5.6 Sol et Opus 5, et les chiffres de ces colonnes sont les chiffres publiés par les autres laboratoires eux-mêmes, et non des chiffres obtenus par MiniMax. C'est une pratique normale et elle n'est pas malhonnête, mais cela signifie que chaque comparaison entre colonnes dans cette image hérite du harnais que chaque laboratoire a utilisé. Un tableau qui aligne six modèles vous invite à lire horizontalement. Or, seules deux de ces lignes ont été conçues pour être lues ainsi.

L’histoire des prix va dans l’autre sens, et elle est bien réelle.

Côté tarifs, M​iniMax a la grille la plus claire. M3.1 Flash coûte 0,15 $ par million de tokens d’entrée et 0,60 $ par million de sortie, avec l’entrée mise en cache à 0,015 $ — soit une remise de 90 % — et sans variation selon l’heure de la journée. D​eepSeek V4.1 Flash 1017 affiche 0,30 $ et 1,20 $ pendant ses fenêtres de pointe en semaine, puis tombe de moitié à 0,15 $ et 0,60 $ hors pointe, avec des accès au cache à 0,006 $ et 0,003 $ respectivement. Pendant les heures de pointe, D​eepSeek coûte le double de ce que facture M​iniMax pour le même million de tokens. Hors pointe, les deux grilles sont identiques. Une charge de travail qui s’exécute selon un planning que vous maîtrisez peut profiter de la fenêtre avantageuse de D​eepSeek ; une charge de travail qui s’exécute au rythme de vos utilisateurs ne le peut pas.

Artificial Analysis chiffre la différence qui subsiste après les jeux tarifaires : 0,22 $ pour accomplir une tâche de l’Intelligence Index sur M3.1 Flash, contre 0,26 $ sur DeepSeek V4.1 Flash 1017. Cela représente un écart de 15 % en faveur de MiniMax sur la même évaluation, et c’est la seule affirmation économique de cette comparaison qui soit mesurée de façon indépendante plutôt qu’avancée par le fournisseur. C’est important parce que la fiche tarifaire par token ne vous le dit pas. Les 0,30 $/1,20 $ de DeepSeek ressemblent à une pénalité de 2x et se comportent comme une pénalité de 15 %, parce que MiniMax consomme 180 millions de tokens de sortie pour exécuter l’indice, contre 210 millions pour DeepSeek, et parce que DeepSeek est environ deux fois plus rapide, à 208,7 tokens par seconde contre environ 105. Deux modèles, deux philosophies tarifaires, et une différence de coût réelle de dix-huit cents par évaluation.

C'est aussi là qu'une couche de routage trouve sa place, d'une manière facile à énoncer et difficile à faire à la main. OrcaRouter répercute le prix catalogue du fournisseur avec 0 % de marge, donc lorsque l'un ou l'autre des laboratoires modifie un tarif, le montant de votre facture évolue le jour même plutôt qu'au prochain renouvellement du contrat — et sur une carte tarifaire avec une fenêtre de pointe, c'est la différence entre un budget que l'on fixe une fois et un budget que l'on revérifie toutes les heures. Nous ne proposons pas M​iniMax M3.1 Flash ni DeepSeek V4.1 Flash 1017 au catalogue aujourd'hui, et cet article n'affirme pas que nous les proposons ; la famille D​eepSeek que nous routons est un checkpoint différent, une distinction qu'il vaut mieux ne pas confondre lorsque votre code est épinglé à la chaîne de modèle.

Deux nombres que le tableau de référence ne contient pas

Le premier point est la vitesse. MiniMax revendique plus de 200 tokens par seconde et un P50 supérieur à 170. Artificial Analysis mesure environ 105 tokens par seconde sur son propre banc de test, avec un temps jusqu’au premier token de 1,38 seconde. DeepSeek mesure 208,7 tokens par seconde à 1,07 seconde. Les débits annoncés par les fournisseurs sont presque toujours mesurés dans le meilleur cas qu’une pile de service peut produire ; c’est le chiffre indépendant qui apparaît dans votre p95. Sur cette dimension, l’annonce de MiniMax et le résultat mesuré ne sont pas proches, et le résultat mesuré est la moitié de celui de DeepSeek.

Le deuxième point est la licence. DeepSeek V4.1 Flash 1017 est sous licence MIT, avec des poids sur Hugging Face et 552 milliards de paramètres au total contre 16 milliards actifs. MiniMax indique que les poids de M3.1 Flash « seront publiés plus tard » et n’a associé à cette promesse ni date, ni licence, ni nombre de paramètres. Si votre service achats passe par une revue de sécurité qui demande ce qui se passe si le fournisseur disparaît, le tableau de benchmarks n’est pas la question à laquelle vous répondez, et dans le tableau qui vous a été fourni, la réponse n’y figure pas.

Qu’est-ce qui changerait cette lecture ?

Trois choses, par ordre d'importance. Des exécutions indépendantes de DeepSWE v1.1 et d'Agents' Last Exam sur le checkpoint de MiniMax permettraient de trancher si les 73,7 et 29,6 sont prudents ou généreux — à l'heure actuelle, personne en dehors des deux labos n'a publié ni l'un ni l'autre. Un score Automation-Bench publié par MiniMax, sur la même version de 600 tâches que DeepSeek a utilisée, donnerait à l'affirmation agentique le chiffre qui lui manque actuellement. Et une mise à disposition des poids accompagnée d'une licence rendrait le modèle comparable sur l'axe où DeepSeek n'a actuellement aucune concurrence.

D’ici là, le résumé honnête est plus étroit que chacun des deux articles de lancement. M​iniMax M3.1 Flash est un modèle moins cher pour venir à bout d’une tâche, plus lent à utiliser en conversation, un modèle fermé à se procurer et — sur les deux seuls benchmarks que les deux entreprises ont mesurés à l’identique — celui qui arrive en deuxième position. Ce n’est pas l’histoire que le tableau était censé raconter, mais c’est l’histoire que le tableau contient. Si vous devez choisir entre eux cette semaine, choisissez d’après la grille tarifaire et la licence, car ce sont les deux lignes dont personne n’a eu besoin d’être convaincu.