MiniMax M3.1 Flash vs GLM-5.3-Flash : les grilles tarifaires concordent, alors décidez sur les lignes qui ne concordent pas.

Les deux grilles tarifaires sont, en pratique, la même grille. M​iniMax M3.1 Flash facture 0,15 $ par million de jetons d’entrée et 0,60 $ par million de jetons de sortie. GLM-5.3-Flash facture 0,15 $ et 0,50 $. Combinez-les comme le fait Artificial Analysis et les deux atteignent 0,10 $ par million. Leurs mesures indépendantes d’intelligence sont à un point d’écart — 43 contre 42 sur l’indice actuel. Ainsi, une comparaison qui s’arrête au prix et au score n’a rien à dire, ce qui explique pourquoi la plupart s’arrêtent là, puis recommandent le modèle que le rédacteur a justement testé. La décision entre M​iniMax M3.1 Flash et GLM-5.3-Flash se joue entièrement dans les lignes qui ne correspondent pas : ce que vous êtes autorisé à faire avec les poids, ce qui se passe lorsque votre sortie atteint un plafond, ce que vous pouvez fournir au modèle, et si la chose est même achetable via le point de terminaison que vous utilisez déjà.Les grilles tarifaires et les tableaux de benchmarks omettent tous deux la manière dont ces modèles échouent une fois en production, et les incidents recensés sont répertoriés dans les archives des incidents IA d’OrcaRouter où chaque entrée comporte ses propres sources, sa gravité, sa note de confiance et un indicateur de contestation.

• Six lignes, des deux côtés

• Prix — MiniMax M3.1 Flash : 0,15 $ en entrée et 0,60 $ en sortie par million, entrée mise en cache à 0,015 $ ; GLM-5.3-Flash : 0,15 $ et 0,50 $, entrée mise en cache à 0,03 $. Les deux reviennent à 0,10 $ par million pour une répartition 7:2:1 entre entrée, entrée mise en cache et sortie.

• Score indépendant — Intelligence Index de 43 pour M​iniMax M3.1 Flash, 42 pour GLM-5.3-Flash, sur la même version de l’indice consultée le même jour. Un point se situe dans le bruit d’une seule exécution d’évaluation.

• Coût par tâche terminée — 0,22 $ par tâche d’indexation pour MiniMax M3.1 Flash, contre 0,28 $ pour GLM-5.3-Flash. L’étiquette la moins chère est aussi la tâche la moins chère, d’environ 21 %.

• Sortie maximale — non publiée par M​iniMax pour M3.1 Flash ; 128 000 jetons pour GLM-5.3-Flash. Les deux annoncent une fenêtre de contexte d’un million de jetons, mais un seul d’entre eux indique quelle part peut en ressortir.

• Entrées — texte, image et vidéo pour MiniMax M3.1 Flash ; texte, image, vidéo et fichiers pour GLM-5.3-Flash. La vidéo des deux côtés est la partie inhabituelle ; le téléversement de fichiers d’un côté est la partie opérationnelle.

• Poids ouverts — GLM-5.3-Flash est sous licence MIT, avec 320 milliards de paramètres au total dont 18 milliards actifs, téléchargeable dès aujourd’hui. M​iniMax indique que les poids de M3.1 Flash seront publiés plus tard, sans licence ni date associée à la promesse.

Pourquoi un point sur l’indice n’est pas une raison de choisir l’un ou l’autre

L’Intelligence Index est un composite pondéré : agents à 30 %, programmation à 20 %, raisonnement scientifique à 20 %, général à 30 %, construit à partir de dix évaluations, dont AA-Briefcase et AA-Omniscience à 15 % chacune. Un seul point sur un composite de cette forme peut provenir du déplacement d’une sous-évaluation de quelques points. Lisez-le comme une égalité et vous aurez raison bien plus souvent que tort. Lisez-le comme un classement et vous choisissez un modèle de production sur le quatrième chiffre significatif d’une enquête.

La comparaison des coûts par tâche est plus utile que la comparaison des indices, et elle va aussi dans le même sens que le prix affiché. À 0,22 $ par tâche terminée, M​iniMax M3.1 Flash fait le travail de l’indice pour moins que les 0,28 $ de GLM-5.3-Flash, malgré un tarif de sortie par token plus élevé. C’est l’arithmétique de la verbosité et du cache qui fait son œuvre : GLM-5.3-Flash facture un tiers de plus par token de sortie et en récupère moins via le cache, donc le tarif de sortie d’apparence plus avantageuse sur la fiche de M​iniMax est réellement moins cher au global. Si votre charge de travail est une boucle d’agent de longue durée où l’essentiel de la facture correspond à des tokens de sortie relus, ce 21 % est le chiffre qui apparaît sur le poste mensuel.

La vitesse tranche nettement, et elle tranche en défaveur du modèle moins cher.

C’est la dimension où les deux cessent d’être interchangeables. M​iniMax M3.1 Flash mesure environ 105 jetons par seconde en sortie, avec un délai de 1,38 seconde avant le premier jeton. GLM-5.3-Flash mesure 76,8 jetons par seconde avec un premier jeton à 2,57 secondes. M​iniMax est environ 36 % plus rapide une fois lancé et environ deux fois plus rapide à démarrer. Pour une surface interactive — un éditeur, un volet de discussion, un assistant de codage où le premier jeton est ce que l’humain attend — un avantage de 1,2 seconde sur le TTFT fait la différence entre un outil qui semble réactif et un autre qui semble y réfléchir. Pour un pipeline par lots, l’écart de débit compte davantage que l’écart de latence, et il favorise toujours M​iniMax.

Les deux modèles vous font payer la réflexion, que vous le vouliez ou non. MiniMax rejette d’emblée une requête qui tente de désactiver le raisonnement. La documentation de Z.ai dit la même chose en d’autres termes : la réflexion ne peut pas être désactivée, et l’effort maximal est le réglage recommandé. Ainsi, aucun des deux camps n’offre le levier de coût qu’un modèle à raisonnement activable vous procure, et les deux facturent leurs jetons de raisonnement comme des sorties. Si vous espériez que l’un de ces deux modèles soit l’option économique et discrète pour une tâche de classification à gros volume, aucun ne l’est. C’est une caractéristique du niveau, pas de l’un ou l’autre fournisseur.

Le plafond de 128K pour les réponses est la ligne qui détermine le travail réel

GLM-5.3-Flash annonce une sortie maximale de 128 000 jetons. M​iniMax ne publie rien pour M3.1 Flash — pas un chiffre bas, pas une mise en garde, rien sur la page du modèle ni dans la documentation de l’API que nous pouvons trouver. En pratique, cela signifie que vous ne pouvez pas savoir, avant d’envoyer une requête, si une génération de code de 40 000 jetons aboutira ou sera tronquée. Vous pouvez le découvrir empiriquement et mettre en place une nouvelle tentative en conséquence, mais vous ne pouvez pas l’inscrire dans un plan de capacité ni dans un contrat.

Pour l’essentiel du trafic de type conversationnel, cela est invisible. Pour les charges de travail qui rendent un palier Flash intéressant — réécritures de fichiers entiers, longues transcriptions d’agents, extraction structurée à partir d’un document volumineux —, le plafond de sortie est la première chose qui casse, et elle casse discrètement. Un modèle qui tronque à une longueur non documentée et renvoie une réponse partielle bien formée est plus pénible à exploiter qu’un modèle qui refuse la requête. Si une partie quelconque de votre pipeline génère plus de quelques milliers de tokens en un seul appel, cette unique ligne non publiée devrait peser plus lourd que la différence d’un point sur l’indice et l’avantage de coût de 21 % combinés.

Les poids ouverts ne sont pas ici une question de philosophie.

GLM-5.3-Flash est sous licence MIT, avec des poids téléchargeables, 320 milliards de paramètres au total et 18 milliards actifs, ce qui le place dans la catégorie où une équipe sérieuse peut l’auto-héberger sur un nœud multi-GPU et où une équipe plus petite peut au moins auditer ce pour quoi il a été entraîné. M​iniMax M3.1 Flash est fermé aujourd’hui, et la promesse de poids ultérieurs n’est exactement que cela — une promesse sans licence, sans nombre de paramètres et sans date. Les processus d’achat qui demandent « quelle est notre porte de sortie si ce fournisseur change les conditions » ont une réponse d’un côté et une phrase de l’autre.

Il y a aussi une dimension coût enfouie là-dedans, et c’est celle que personne ne met dans un tableau comparatif. Un modèle à poids ouverts plafonne ce qu’un fournisseur peut vous facturer pour l’utiliser, car l’alternative est toujours de l’exécuter vous-même. Un modèle fermé n’a pas un tel plafond ; le fournisseur fixe le prix, et vous l’acceptez ou vous migrez. À tarifs mixtes identiques aujourd’hui, la licence de GLM-5.3-Flash est ce qui garantit l’honnêteté de son tarif l’an prochain, et celle de M​iniMax est ce qui laisse le tarif entièrement à la discrétion de M​iniMax.

C'est la disponibilité qui tranche réellement en cas d'égalité.

GLM-5.3-Flash est en ligne depuis le 26 août 2026 et figure au catalogue d’OrcaRouter sous le nom z-ai/glm-5.3-flash, à 0,15 $ par million de tokens d’entrée et 0,50 $ par million de tokens de sortie, avec l’entrée en cache à 0,03 $, aux côtés d’un SKU gratuit pour l’évaluation et du plus grand z-ai/glm-5.3 à 1,26 $ et 3,96 $ si vous avez besoin du modèle phare. M​iniMax M3.1 Flash, sorti depuis deux jours au moment de la rédaction, est accessible via l’API propre à M​iniMax, le M Plan et M​iniMax Code, et il ne figure pas dans notre catalogue — nous n’allons pas laisser entendre le contraire, et la page du modèle ne renvoie rien quand on la cherche.

Cette asymétrie vaut plus qu'il n'y paraît quand on compare deux modèles qui coûtent le même prix. Intégrer GLM-5.3-Flash dans une base de code se résume à une chaîne de modèle. Intégrer M​iniMax M3.1 Flash, c'est une deuxième relation fournisseur, une deuxième structure de facturation et un deuxième ensemble de limites de débit, en plus de celui que vous avez déjà. Et c'est précisément le cas où une couche de routage n'est pas un argument commercial mais un élément de plomberie : une seule clé, une seule facture, un seul endroit où le prix catalogue d'un fournisseur est répercuté avec 0 % de marge afin qu'une variation de tarif se répercute sur votre facture le jour même où elle survient, plutôt qu'au prochain renouvellement. Si M​iniMax propose M3.1 Flash sur un endpoint routable plus tard, cela devient une décision à deux modèles au lieu d'être une décision à deux contrats. Aujourd'hui, ce n'est pas le cas, et prétendre le contraire serait le genre de comparaison que ce blog existe pour éviter.

Lequel appeler ?

Si votre travail est interactif, riche en sorties et s’inscrit dans une stack existante compatible OpenAI, GLM-5.3-Flash est la réponse la plus simple : même prix combiné, un plafond de sortie publié, une licence MIT que vous pouvez utiliser dès aujourd’hui, la prise en charge de fichiers et de vidéos en entrée, et une entrée au catalogue qui en fait une modification d’une seule ligne. Le premier token en 2,57 secondes est le prix à payer, et pour des agents en arrière-plan, c’est un prix qui vaut la peine d’être payé.

Si votre travail est sensible à la latence et que la sortie est bornée — un classificateur de routage, un générateur de contenus courts, une étape d’agent qui renvoie un plan plutôt qu’un fichier — MiniMax M3.1 Flash est le modèle plus rapide avec un coût par tâche plus faible, et son plafond de sortie non publié n’est jamais testé parce que vous ne vous en approchez jamais. Choisissez-le pour le débit et le premier token à 1,38 seconde, pas pour l’indice, et sachez en le choisissant que vous optez pour un modèle fermé avec un rythme que personne n’a plafonné.

Ce que vous ne devez pas faire, c’est choisir entre eux à partir des tableaux de benchmarks. Les deux fournisseurs ont publié des chiffres sur des harnais de leur choix, aucun n’a exécuté celui de l’autre, et le seul benchmark que les deux familles ont historiquement rapporté — DeepSWE — a été exécuté dans des harnais différents selon les versions des deux laboratoires assez souvent pour qu’une comparaison entre colonnes relève de la conjecture déguisée en décimale. Les deux chiffres de cet article qui ont été mesurés de la même manière pour les deux modèles sont l’indice et le coût par tâche, et ces deux chiffres indiquent que les modèles sont au même prix et de même capacité. Tout ce qui diffère réellement est une clause de licence, une limite documentée ou une ligne dans un catalogue.