MiniMax M3.1 Flash vs Qwen 3.8 Flash : même prix d’entrée, architectures opposées

MiniMax-M3.1-Flash et Qwen3.8-Flash coûtent les mêmes 15 cents par million de jetons d'entrée et reposent sur des théories incompatibles de l'endroit où va l'argent. MiniMax-M3.1-Flash, disponible en général depuis le 19 octobre 2026, est un modèle fermé qui raisonne à chaque appel, que vous le vouliez ou non, et génère à 125,5 jetons par seconde. Qwen3.8-Flash est un mélange d'experts de 125 milliards de paramètres qui en active environ six milliards par jeton, génère à environ 51,6 jetons par seconde sur le checkpoint mesuré indépendamment, et vend les jetons de sortie 13 cents de moins. L'un est rapide et verbeux ; l'autre est lent et concis. Lequel est le moins cher sur votre trafic dépend d'un ratio que la plupart des équipes ne mesurent jamais, et c'est la seule vraie question de cette comparaison. Les défaillances documentées de l'IA et les incidents d'agents derrière des versions comme celle-ci sont recueillis dans l'OrcaRouter AI Incident Archive où chaque entrée comporte ses propres sources, son niveau de gravité, sa note de confiance et son indicateur de contestation.

Un point à corriger avant d’en venir aux chiffres, car il concerne chaque ligne ci-dessous. Qwen3.8-Flash est un produit hébergé. Ce que l’on peut télécharger, c’est Qwen3.8-Flash-Next, qui partage l’architecture mais pas le nom, la licence ni forcément le comportement — et les chiffres indépendants de benchmark qui existent concernent Flash-Next, pas Flash hébergé. Le seul score mesuré indépendamment de MiniMax-M3.1-Flash concerne le modèle lui-même, car il n’y a rien d’autre à mesurer. Lorsqu’un chiffre ci-dessous provient du fournisseur, c’est indiqué ; lorsqu’il provient d’Artificial Analysis, c’est indiqué ; lorsque la ligne ne peut pas être comparée honnêtement, la ligne l’indique à la place.

Les deux architectures ne sont pas deux réglages d’une même conception

Le modèle de Qwen est le plus lisible des deux, et ses chiffres sont publiés avec suffisamment de détails pour raisonner à partir d’eux. Qwen3.8-Flash compte 48 couches avec 512 experts par couche, dix routés plus un partagé, s’appuyant sur 125 milliards de paramètres au total avec environ 6 milliards actifs par token — soit une parcimonie d’environ 95 %. En plus de la pile d’experts, il embarque une table d’embedding n-gram de 51 milliards de paramètres et une tête de prédiction multi-token de 4 milliards de paramètres, si bien que l’artefact stocké est plus proche de 180 milliards de paramètres que de 125 milliards. La prédiction multi-token est l’élément déterminant pour la vitesse : elle permet au modèle de proposer plusieurs tokens par passe avant et de les vérifier, ce qui permet à un modèle aussi parcimonieux de rester utilisable tout court.

M​iniMax n'a pas publié de nombre de paramètres comparable pour MiniMax-M3.1-Flash. L'article de lancement porte sur les résultats — des benchmarks agentiques, une réduction revendiquée de 70 % du coût d'utilisation, une inférence « près de trois fois plus rapide » que la préversion — et non sur la forme du réseau. Cette asymétrie est en soi un point de données sur les deux produits : Q​wen vend une architecture que l'on pourrait en principe héberger, M​iniMax vend un service. Pour une page de comparaison, cela signifie que l'argument architectural ne fonctionne que dans un seul sens. Vous pouvez affirmer avec assurance pourquoi Q​wen3.8-Flash est rapide par paramètre actif. Vous ne pouvez rien dire sur les raisons pour lesquelles M​iniMax-M3.1-Flash est rapide, car le fournisseur ne vous l'a pas dit.

Une ligne par dimension, les deux côtés sur chacune.

• Prix d'entrée — 0,15 $ par million de jetons pour les deux, d'où vient la coïncidence qui encadre cette page

• Prix de sortie — MiniMax-M3.1-Flash à 0,60 $ par million contre Qwen3.8-Flash à 0,47 $, soit un écart de 28 % au détriment de MiniMax

• Mise en cache — M​iniMax facture 0,015 $ par million de jetons d’entrée mis en cache ; QwenCloud indique 0,016 $ par million de lectures de cache et 0,20 $ par million pour la création explicite de cache, donc le cache de M​iniMax est le plus simple et légèrement moins cher des deux

• Contexte — MiniMax-M3.1-Flash à 1 000 000 de tokens ; Qwen3.8-Flash à 1 000 000 par défaut, avec une entrée maximale de 991 000 tokens et une sortie maximale de 131 000 tokens

• Capacité autonome — Artificial Analysis attribue à MiniMax-M3.1-Flash un score de 42 sur son Intelligence Index, ce qui le classe 41e sur 173 modèles ; le même outil de suivi attribue à Qwen3.8-Flash-Next un score de 40, et aucun score d’index n’est publié pour la version hébergée de Qwen3.8-Flash

• Vitesse de génération — 125,5 tokens par seconde et un temps jusqu’au premier token de 1,04 seconde pour MiniMax-M3.1-Flash ; 51,6 tokens par seconde pour Qwen3.8-Flash-Next sur le même outil de suivi, soit la valeur comparable la plus proche disponible

• Coût par tâche terminée — 0,22 $ pour MiniMax-M3.1-Flash sur le banc d’essai propre au tracker ; aucun chiffre équivalent n’est publié pour l’un ou l’autre des artefacts Q​wen

• Verbosité — 180 millions de tokens de sortie consommés lors du passage de MiniMax-M3.1-Flash à l’Intelligence Index, contre une médiane de 99 millions pour les modèles du tracker ; Qwen ne publie aucun chiffre comparable

• Contrôle du raisonnement — MiniMax renvoie une erreur HTTP 400 si vous envoyez thinking : {"type": "disabled"} et rejette reasoning_effort : "none", ce qui laisse une échelle à cinq niveaux dont la valeur par défaut est max ; Alibaba documente à la fois les modes thinking et non-thinking pour la famille Qwen3.8, il s'agit donc de la seule ligne où la documentation des deux fournisseurs n'est pas directement comparable et où vous devriez tester le basculement sur votre point de terminaison plutôt que de faire confiance à l'une ou l'autre page.

• Poids — M​iniMax indique que les poids de MiniMax-M3.1-Flash « seront publiés plus tard », sans date ; ceux de Qwen3.8-Flash ne sont pas publiés du tout, et le Qwen3.8-Flash-Next téléchargeable est distribué sous la Q​wen Community License 1.0 plutôt que sous Apache 2.0

• Modalités d’entrée — texte et image pour les deux, Qwen3.8-Flash acceptant également la vidéo et les deux ne renvoyant que du texte

La différence de prix de production est plus faible que celle du volume de production.

Treize cents par million de tokens de sortie ressemblent à une erreur d'arrondi à côté d'un chiffre phare de 28 %. Sur une charge de travail réelle, cela peut être l'élément décisif, et ce dans le sens inverse de la grille tarifaire, car les deux modèles ne produisent pas le même nombre de tokens pour une même tâche.

MiniMax-M3.1-Flash n’arrête pas de réfléchir. Sa référence d’API renvoie une erreur 400 pour la demande évidente visant à le désactiver, et le seul levier est l’intensité de sa réflexion — de low à max, avec max par défaut. Artificial Analysis a mesuré la conséquence : 180 millions de tokens de sortie sur son exécution d’index, alors que le modèle médian du même outil de suivi en dépense 99 millions. Cela représente 1,8 × le volume de sortie d’un modèle typique, et les tokens de réflexion sont facturés comme des tokens de sortie et comptés dans votre plafond max_tokens.

Faisons le calcul sur un cas volontairement simple. Une charge de travail qui coûterait un dollar de tokens de sortie sur un modèle médian coûte 1,82 $ sur MiniMax-M3.1-Flash si le ratio de verbosité se vérifie. La même charge de travail sur Q​wen3.8-Flash à 0,47 $ au lieu de 0,60 $ coûte 0,78 $ avant tout ajustement de volume — et si le mode non-pensant de Q​wen est disponible et que vous l'utilisez, il n'y a aucun volume de réflexion à payer du tout. Sur un trafic dominé par la sortie, l'écart de treize cents et la verbosité de 1,8× se multiplient pour approcher une différence totale de 2,3×. Voilà l'argument contre MiniMax-M3.1-Flash, énoncé aussi crûment qu'il le mérite.

L’argument en sa faveur est la vitesse, et la vitesse n’est pas un avantage accessoire lorsque la charge de travail est agentique. À 125,5 jetons par seconde contre 51,6, MiniMax-M3.1-Flash produit une sortie environ 2,4× plus rapidement, ce qui signifie qu’une boucle multi-étapes d’utilisation d’outils qui prend vingt secondes de génération à Qwen n’en prend que huit à MiniMax. Si votre agent effectue quarante appels au modèle pour terminer une tâche, c’est la différence entre une tâche de treize minutes et une tâche de cinq minutes, et une latence de ce type change ce que vous pouvez construire, et pas seulement combien vous payez. Cela signifie aussi que les jetons supplémentaires de MiniMax arrivent en moins de temps réel que les jetons moins nombreux de Qwen, ce qui est la phrase qui rend l’argument de la verbosité complexe plutôt que décisif.

Deux tableaux comparatifs de fournisseurs que vous ne pouvez pas mettre côte à côte

Les deux entreprises ont publié des évaluations, et les deux ensembles sont inutilisables pour une comparaison directe, pour une raison qu’il vaut la peine d’énoncer clairement plutôt que de contourner.

Le tableau de MiniMax pour MiniMax-M3.1-Flash couvre BankerToolBench à 76,2, DeepSWE v1.1 à 73,7 %, OSWorld V2 à 61,7, Agents' Last Exam à 29,6 et CyberGym à 82 %, et décrit son résultat à AutomationBench-AA comme parmi les meilleurs performeurs sans afficher de score. Le tableau d'Alibaba pour Qwen3.8-Flash-Next couvre SWE-bench Pro à 62,5, DeepSWE 1.1 à 58,7, CoWorkBench à 73,9, AndroidWorld à 84,5, MathVision à 95,7 et JobBench à 55,7. Les deux listes partagent exactement un nom de benchmark — DeepSWE v1.1 — et là, les chiffres des fournisseurs sont 73,7 % contre 58,7 %, un écart de quinze points qui semble décisif et n'est pas comparable, car les deux chiffres concernent des modèles différents de ceux de cette page (l'un est le Flash-Next hébergé, l'autre est M3.1-Flash) et parce qu'aucune des deux entreprises n'a publié le harnais, l'échafaudage ou les critères de réussite.

Ces tableaux servent à lire les intentions. MiniMax a mesuré l’utilisation d’un ordinateur, les tâches professionnelles de longue durée et la découverte de vulnérabilités — le profil d’un modèle conçu pour faire fonctionner des logiciels. Alibaba a mesuré la programmation, les mathématiques multimodales et le contrôle d’appareils mobiles — le profil d’un modèle conçu pour être intégré dans des applications selon différentes modalités. Aucun des deux tableaux ne contient le chiffre d’un concurrent, et aucun ne doit être utilisé comme s’il en contenait un.

Ce que les licences autorisent réellement

Le dossier des modèles à poids ouverts est la ligne que la plupart des acheteurs interprètent mal, et ce dans les deux sens.

Qwen3.8-Flash n'est pas ouvert. Ce qui est ouvert, c'est Qwen3.8-Flash-Next, et la différence n'est pas cosmétique : il s'agit d'un artefact distinct, publié le 26 août 2026, décrit par le laboratoire d'Alibaba lui-même comme un aperçu de l'architecture qui servira de base à Qwen4, livré sous forme de 131 fragments totalisant environ 360 Go en bf16 et FP8, sans quantification GGUF fournie par le fournisseur. Il est régi par la Qwen Community License 1.0, qui n'est pas Apache 2.0 et n'est pas la licence que beaucoup d'équipes supposent en entendant « poids Qwen ». Quiconque prévoit de télécharger Flash et de l'exécuter localement devrait lire cette licence avant de dimensionner le matériel, car 360 Go de poids ne tiennent pas sur un seul accélérateur et les quantifications communautaires sont la seule voie vers une empreinte plus réduite.

MiniMax-M3.1-Flash est fermé, mais accompagné d’une promesse. L’annonce de lancement indique que les poids « seront publiés plus tard » et ne donne ni date, ni licence, ni taille. C’est une position strictement moins favorable que celle de Qwen — une chose que l’on peut télécharger aujourd’hui sous une licence restrictive vaut mieux qu’une chose que l’on pourrait éventuellement télécharger un jour selon des conditions inconnues —, mais ce n’est pas rien, et c’est l’élément le plus susceptible de changer le calcul sur cette page. Si MiniMax publie les poids, la comparaison des prix n’aura plus d’importance pour quiconque dispose de GPU, et l’avantage de sparsité que Qwen a obtenu avec 6 milliards de paramètres actifs affrontera un concurrent qui peut lui aussi être exécuté sur votre propre matériel.

Lequel appeler aujourd'hui

Les deux sont accessibles via OrcaRouter, mais pas de la même manière. Qwen3.8-Flash figure au catalogue sous le nom de qwen/qwen3.8-flash, l'un des plus de 200 modèles derrière une seule clé API, avec les prix catalogue des fournisseurs répercutés à 0 % de marge. MiniMax-M3.1-Flash n'est pas au catalogue ; il est appelable via l'API propre de M​iniMax, son M Plan et M​iniMax Code, ainsi que via le partenaire de service désigné par M​iniMax le 21 octobre. Ce qui est routable côté M​iniMax, c'est le reste de la gamme — MiniMax-M3 notamment — de sorte qu'une équipe qui veut tester la comparaison sur son propre trafic peut placer qwen/qwen3.8-flash et minimax/minimax-m3 derrière une seule clé et mesurer, plutôt que de lire deux tableaux fournisseurs et de deviner.

Cette mesure vaut la peine d’être effectuée avant de s’engager, car les deux modèles échouent de manières opposées sur un benchmark. MiniMax-M3.1-Flash paraîtra cher par token et bon marché par tâche terminée si votre travail est agentique, avec de longues trajectoires que le modèle termine en moins d’allers-retours parce que chacun est rapide. Qwen3.8-Flash paraîtra moins cher sur chaque ligne de la facture et moins bon sur toute boucle sensible à la latence, car 51,6 tokens par seconde est une contrainte réelle lorsqu’un agent a besoin de quarante réponses séquentielles. Ni l’un ni l’autre n’est un défaut. Ce sont les deux conceptions qui fonctionnent comme prévu.

Le verdict précis : si vous construisez un agent qui pilote des logiciels et que vous payez à la tâche accomplie plutôt qu’au token, la vitesse de MiniMax-M3.1-Flash vaut sa verbosité, et ses poids fermés sont le prix d’entrée tant que MiniMax ne les a pas publiés. Si vous faites de l’extraction, de la classification ou de la génération à haut volume, avec une longueur de sortie bornée et sans contrainte de latence, Qwen3.8-Flash est moins cher sur la grille tarifaire, et moins cher encore dès que vous cessez de payer des tokens de raisonnement que vous n’avez pas demandés — et si vous avez besoin de posséder le modèle plutôt que de le louer, Qwen3.8-Flash-Next est le seul des deux que vous pouvez réellement détenir, sous une licence que vous devriez lire au préalable.