GPT-6.1 Sol לעומת MiniMax M3: כרטיס התעריפים הזול יותר מפסיד בחשבון

MiniMax M3 דורש רק חלק ממה שGPT-6.1 Sol דורש — $0.30 למיליון טוקני קלט לעומת $2.00, $1.20 למיליון טוקני פלט לעומת $10.00 — ולפי המדד שבאמת רץ, הוא זול יותר: $0.508 למשימה לעומת $0.724 בהערכת v4.3.2 של Artificial Analysis. זהו ניצחון אמיתי, וזה גם כל הטיעון, מפני שאותה מדידה שמעניקה ל-M3 את החשבון הנמוך יותר מעניקה ל-GPT-6.1 Sol יתרון של 22.6 נקודות במדד, ומערך הבנצ'מרקים שמודד אם מודל מסוגל לסיים עבודה סוכנית ולא לתאר אותה הופך את הפער לחומה. הספק הוציא את GPT-6.1 Sol ב-29 בספטמבר 2026. החברה השיקה את M3, המודל במשקולות פתוחות שלה עם 428 מיליארד פרמטרים, ב-31 במאי 2026.

שניהם פעילים, שניהם מתומחרים, ושניהם במרחק קריאת API אחת. מה שלפניכם הוא החשבון שמכריע ביניהם, ושני המקומות שבהם החשבון אינו כל הסיפור.

מה כל מודל הוא בפועל

GPT-6.1 Sol הוא ספינת הדגל הנוכחית של OpenAI להסקה ולהנדסת תוכנה — מודל סגור, שיצא שבוע אחד בלבד אחרי GPT-6 Sol שאותו הוא מחליף, ונמכר באותו מחיר מחירון של $2.00 / $10.00 כמו קודמו. הוא נושא תעריף קלט במטמון של $0.10, מחצית ממה ש-GPT-6 Sol גבה עבור פגיעות מטמון, וזהו המודל ש-OpenAI מצביעה עליו כשהיא מדברת על קידוד אייג'נטי ולא על צ'אט.

MiniMax M3 הוא מודל תערובת מומחים עם 428 מיליארד פרמטרים בסך הכול ו-23 מיליארד פעילים לכל טוקן, שפורסם תחת רישיון MiniMax Community License — מהדורה עם משקלים פתוחים ורישיון מותאם בעל נופך לא-מסחרי, ולא רישיון מאושר על ידי OSI. הוא מוגש על ידי מגוון רחב של ספקי הסקה: Artificial Analysis מתעד חמישה עשר מארחים עבור M3 לעומת שמונה עבור GPT-6.1 Sol. המגוון הזה הוא היתרון המעשי של משקלים פתוחים, והוא גם הסיבה לכך שתחרות המחירים ב-M3 הייתה מהירה יותר מאשר במודל הסגור.

כרטיס התעריפים, והמונה שגובר עליו

תעמידו את שני כרטיסי התעריפים המפורסמים זה מול זה — וזה בכלל לא צמוד.

• קלט — GPT-6.1 Sol $2.00 ל-1M לעומת MiniMax M3 $0.30 ל-1M; M3 זול ב-85%
• פלט — $10.00 ל-1M לעומת $1.20 ל-1M; M3 זול ב-88%
• קלט במטמון — $0.10 ל-1M לעומת $0.06 ל-1M
• עלות למשימת AA — $0.724 לעומת $0.508; M3 זול ב-30%, לא ב-85%
• אסימוני פלט למשימה — 38,128 לעומת 48,192; M3 כותב 26% יותר
• זמן למשימה — 640 שנ׳ לעומת 486 שנ׳
• חלון הקשר — 1,050,000 לעומת 1,048,576 אסימונים; למעשה שווה
• פלט מקסימלי — 128,000 אסימונים לעומת 512,000; M3 יפיק תשובה אחת ארוכה מאוד
• קלטים מתקבלים — טקסט, תמונה וקובץ לעומת טקסט, תמונה ווידאו
• דירוג במדד — GPT-6.1 Sol במקום ה-10 מתוך 147 מודלים לעומת MiniMax M3 במקום ה-62

שתי השורות הזולות שלמעלה הן אלה שגיליון רכש רואה. השורה השלישית היא זו שמשלמת את החשבון, והיא אומרת שיתרון של 85–88% במחירון הופך ליתרון של 30% במציאות, מפני ש-M3 מפיק יותר טוקנים לכל משימה ומפני שמשימה אינה כמות עבודה קבועה. מחירונים מתמחרים טוקנים; עבודה מתומחרת במשימות. כל השוואה שנעצרת בשתי השורות הראשונות משווה את המספרים הלא נכונים, ביחידה הלא נכונה.

היכן ששלושים האחוזים מפסיקים להיות חשובים

עלות המשימה קרובה מספיק כדי שפער האינדקס יכריע עבור כל דבר מעבר לטקסט בכמויות גדולות. Artificial Analysis מציבה את GPT-6.1 Sol ב-51.83 ואת MiniMax M3 ב-29.22 — פער של 22.6 נקודות, ופער שאינו מתפרס באופן אחיד על פני מכלול המבחנים. בהערכות שמבקשות ממודל להפעיל מסוף, לערוך מאגר קוד ולאמת את עבודתו שלו, שני המודלים אינם באותה קטגוריה:

• Terminal-Bench 4.0 — GPT-6.1 Sol 0.5606 לעומת MiniMax M3 0.0202
• Terminal-Bench Science — 0.5810 לעומת 0.0048
• AA-Omniscience — 41.53 לעומת 1.35
• MMLU-Pro — 0.8595 לעומת 0.7856
• AutomationBench — 0.6487 לעומת 0.2125
• τ²-bench — לא פורסם עבור GPT-6.1 Sol בהרצה זו לעומת 0.8889 עבור M3
• GPQA Diamond — לא פורסם עבור GPT-6.1 Sol בהרצה זו לעומת 0.9293 עבור M3
• CritPT — 0.3171 לעומת 0.0371

קראו את זה היטב, כי זה לא ניצחון מוחלט, והחריגים הם החלק המעניין. MiniMax M3 מקבל 0.8889 ב-τ²-bench, הערכת השימוש בכלים ודיאלוג שירות הלקוחות, ו-0.9293 ב-GPQA Diamond — ציון במדעים ברמת תואר שני שמנצח כל נתון של OpenAI שפורסם בהרצה המסוימת הזו. M3 הוא מודל הסקה מוכשר ומשתמש כלים שיחתי טוב. ב-Terminal-Bench 4.0 הוא מקבל 0.0202. זה לא "גרוע יותר"; זה מודל שלא מצליח להחזיק בכלל משימת מאגר רב-שלבית, ושום הנחה על טוקנים לא הופכת משימה שהמודל נכשל בה לזולה יותר מהמשימה שהמודל מסיים.

יש עלות מסדר שני שנתון לפי-משימה מסתיר. M3 רושם 48,192 אסימוני פלט למשימה וזמן עד לתשובה ראשונה של 23.0 שניות, לעומת 332.0 שניות של GPT-6.1 Sol — המודל הקטן מתחיל לדבר כמעט מיד ואחר כך מנמק באריכות. אם עומס העבודה שלך רגיש להשהיה אך רדוד, זו נקודה לזכות M3. אם הוא סוכני, ספירת האסימונים היא מה שאתה משלם עליו והציון הסופי הוא מה שאתה מקבל.

כרטיס המודל שלנו עבור GPT-6.1 Sol מציג את אותם המספרים בצורה שאליה תנתבו בפועל: תעריף של $2.00 / $10.00, חלון הקשר של 1,050,000 טוקנים, p50 של 4.54 שניות עד לטוקן הראשון, ובלוק האינדקס והבנצ'מרק של Artificial Analysis שמופיע באותו עמוד.

מה שווים המשקלים הפתוחים כאן

העובדה שניתן להוריד את M3 היא הטיעון החזק ביותר בעדו, וכדאי לדייק לגבי מה זה נותן. זה נותן תנאי רישיון שמאפשרים לך להריץ את המודל בגבולות שלך — שימושי אם הנתונים לא יכולים לצאת — וזה נותן את תחרות המחירים שנובעת מ-15 מארחים עצמאיים. זה לא נותן לך פריסה זולה: 428 מיליארד פרמטרים עם 23 מיליארד פעילים עדיין דורשים חומרת הסקה רצינית, ו-MiniMax Community License הוא רישיון מותאם אישית עם תנאים נלווים, לא רישיון ללא הגבלות. עבור רוב הצוותים, "משקלים פתוחים" פירושו מחיר טוב יותר על הסקה מתארחת, לא קופסה בארון.

כרטיס ה-OrcaRouter של MiniMax M3 הוא המקום שבו נמצאים המספרים המוגשים: תעריף של $0.30 / $1.20, חלון הקשר של 1,048,576 טוקנים, פלט מרבי של 512,000 טוקנים, קלט טקסט/תמונה/וידאו, ונפח של 56.4 מיליון טוקנים על פני שבעה ימים בקרב הספקים שמנתבים אותו.

שניהם מאחורי מפתח אחד

הסיבה המעשית לכך שההשוואה הזו היא שינוי תצורה ולא מיגרציה היא ששני המודלים נגישים מנקודת קצה אחת של OrcaRouter — API אחד ליותר מ-200 מודלים, כאשר מחיר המחירון של הספק מועבר הלאה בתוספת של 0%, מה שאומר ששינוי בתעריף של MiniMax נוחת על החשבון שלך באותו יום שבו הספק מפרסם אותו, ולא בכל פעם שמוכר מחדש מנהל משא ומתן מחדש. זה חשוב יותר ל-M3 מאשר ליריבו: כל הסיבה לנתב למודל עם משקלים פתוחים היא שהמחיר שלו ורשימת המארחים שלו נמצאים בתנועה, ומונה העברה הוא מהסוג שעוקב אחרי מטרה נעה.

מעבר אוטומטי לגיבוי הוא החצי השני. את M3 מגישים ספקים רבים ברמות אמינות משתנות, ושכבת הניתוב יכולה להעביר בקשה למארח אחר כשאחד מהם מדרדר, בלי שהקורא יידע על איזה מארח היא נחתה. זו הדרך הכנה לאמץ מודל שציון ה-Terminal-Bench שלו אומר "לא למסלול הקריטי" — למקם אותו במקום שבו ניסיון חוזר הוא זול.

איזה מהם, אם אתה חייב לבחור היום

אם העבודה היא טקסט בכמויות — חילוץ, סיכום, סיווג, דיאלוג, כל דבר שהפלט שלו הוא פרוזה ומצב הכשל שלו הוא משפט שגוי ולא בילד שבור — MiniMax M3 הוא ברירת המחדל הנכונה ושלושים האחוזים הם כסף אמיתי. השתמשו במספרים של GPQA ו-τ²-bench כראיה שלכם: זהו מודל מוכשר שבמקרה הוא זול.

אם העבודה היא אג'נטית — מאגרי קוד, מסופים, שרשראות כלים, כל דבר עם שלב אימות — ה-0.0202 ב-Terminal-Bench 4.0 מהווה פסילה, ו-GPT-6.1 Sol עם 0.5606 תמורת $0.724 למשימה הוא העסקה הטובה יותר, אפילו ב-85% יותר לכל טוקן. המחירון מעולם לא היה הדבר שקנית.

התשובה המועילה היא שאין זו בחירה חד-פעמית. נתב את השכבה הרדודה אל M3, נתב את השכבה הסוכנית אל GPT-6.1 Sol, והשאר את שתיהן מאחורי אישור אחד — routing DSL מרכיב את השתיים לקריאה אחת כאשר משימה מתחילה כחילוץ והופכת לעבודת תיקון.