MiniMax M3.1 Flash לעומת DeepSeek V4.1 Flash: על מה שתי טבלאות הספקים למעשה מסכימות

שתי שורות. זה כל מה שמחזיק מעמד מטבלת ההשקה של MiniMax בהשוואה למספרים שDeepSeek פרסמה בעצמה, וראוי לומר זאת בפשטות לפני שממהרים לחזור על הכותרת של מי מהספקים: בשני מבחני הבנצ'מרק שבהם גם MiniMax M3.1 Flash וגם DeepSeek V4.1 Flash — נקודת הבדיקה 1017 שDeepSeek שחררה יומיים קודם — פרסמו שתי המעבדות ציון על אותה הערכה, המודל החדש יותר נמצא מאחור. MiniMax פרסמה את M3.1 Flash ב-19 באוקטובר 2026 עם טבלה שמשתרעת על עבודה סוכנית, קידוד, שימוש במחשב ואבטחת סייבר, וטענה לקפיצה דורית לעומת קודמה שלה. DeepSeek פרסמה את V4.1 Flash 1017 ב-17 באוקטובר 2026 עם כרטיס מודל שעושה את אותו הדבר. החלק המעניין בהצגתן זו לצד זו אינו מי מנצח. אלא כמה מעט מכל טבלה נבנה כך שאפשר להשוות אותו בכלל.טבלאות ספקים הן סוג אחד של ראיות ורשומות תקלות הן סוג אחר, ולכן הכשלים שמאחורי מהדורות כאלה מתועדים ב־OrcaRouter AI Incident Archive שבו לכל ערך יש מקורות משלו, חומרה, דרגת ביטחון ודגל מחלוקת.

מה M​iniMax בעצם כימת

הפוסט של MiniMax ספציפי יותר מרוב הפוסטים. הוא מציג כבר בפתח שישה נתונים מספריים: BankerToolBench 76.2, DeepSWE v1.1 73.7%, OSWorld V2 61.7, Agents' Last Exam 29.6, CyberGym 82%, והצהרה על ביצועי שיא ב-Automation-Bench בלי ציון בטקסט הסיכום. לצידם מוצגות שתי טענות בנוגע לתפוקה — הסקה מקוונת מהירה פי שלושה בקירוב מזו של המודל שהוא מחליף, ו-200 ומעלה טוקנים לשנייה עם P50 מעל 170 — וטענה לעלות נמוכה ב-70% במשימות סוכניות. כל זה מדווח על ידי הספק ולא שוחזר. MiniMax הריצה אותו, MiniMax פרסמה אותו, וההרנס מוזכר רק בהערות השוליים.

ההערת השוליים היא המקום שבו הטבלה מתחילה להתפרק. BankerToolBench, כך לפי M​iniMax, הוערך עם הארנס OpenCode 1.1718 ונשפט על ידי MiniMax-M2.7, המודל הישן יותר של MiniMax עצמה. זהו בנצ'מרק בשיפוט עצמי: מודל M​iniMax מדרג פלטים שיוצרו על ידי מודל M​iniMax, על קבוצת משימות ש-M​iniMax בחרה. ייתכן שהוא מבוצע היטב לחלוטין. זו אינה ראיה שאפשר לזקוף לחובת מעבדה שמפרסמת תוצאות על גבי ארנס שמישהו אחר מתחזק.

שתי השורות שמתיישרות

DeepSWE v1.1 הוא המדד המשותף היחיד באמת. שתי המעבדות מדווחות עליו, ושתיהן נוקבות בשם מערכת ההרצה: D​eepSeek מציינת Mini-SWE-V2 בכרטיס המודל שלה, M​iniMax מדווחת על אותה גרסת בנצ'מרק. M​iniMax טוענת ל-73.7%. D​eepSeek טוענת ל-77.0% עבור צ'ק-פוינט 1017, לעומת 74.2% עבור מהדורת V4.1 Flash שאותה היא החליפה. לפיכך הדירוג כאן אינו דו-משמעי, והוא אינו מחמיא למודל החדש יותר: מהדורת 17 באוקטובר של D​eepSeek מקדימה את מהדורת 19 באוקטובר של M​iniMax בבנצ'מרק סוכני הקידוד היחיד ששתי החברות מדדו באותה דרך, והיא מקדימה את המהדורה הקודמת שלה בכמעט שלוש נקודות תוך כדי כך.

Agents' Last Exam מספר את אותו סיפור עם פער גדול יותר. M​iniMax מדווחת על 29.6. D​eepSeek מדווחת על 35.4 עבור 1017, עלייה מ-31.8 בנקודת הבדיקה הקודמת. זהו פער של חמש נקודות במבחן שנועד להיות קשה לסוכנים, וזו השורה השנייה ברציפות שבה המודל המבוגר ביומיים נמצא בנוחות בחזית.

כל השאר בשתי הטבלאות נמדד על מערך שונה, נשפט על ידי מודל שונה, או פורסם על ידי צד אחד בלבד. הכרטיס של DeepSeek מציג Terminal-Bench 4.0 ב-42.3 בהארנס של Claude Code, HLE ללא כלים ב-42.6, ProgramBench 29.1, Apex Bench v1.1 72.1 ו-Automation-Bench v1.0.6 ב-60.5. הפוסט של MiniMax אינו נותן כלל נתון של Terminal-Bench 4.0, והשורה שלו ל-Automation-Bench יושבת תחת הערת שוליים על 600 המשימות שפורסמו לציבור, ולא לצד מספר בר-השוואה שנוכל לייחס בביטחון ברזולוציה שבה הפוסט מוצג. שתיים מהשורות האלה ניתנות לבדיקה. השאר הן שתי בחינות שונות עם אותו שם על הכריכה.

היכן שהטבלה של M​iniMax חזקה וזו של D​eepSeek שותקת

יהיה זה טעות לקרוא את שתי השורות המשותפות כתמונה השלמה, מפני ששתיהן שורות של קידוד וחשיבת סוכנים, וההצעה של MiniMax רחבה יותר. OSWorld V2 עם 61.7 הוא נתון שימוש במחשב ש-DeepSeek אינה מפרסמת, ו-MiniMax טוענת למקום הראשון בקרב המודלים הסיניים בו. CyberGym עם 82% הוא נתון סוכן אבטחה ש-DeepSeek גם אינה מפרסמת. BankerToolBench 76.2 מודד בחירת כלים בהקשר של זרימת עבודה עסקית שאף לא הכרטיס של DeepSeek ולא Artificial Analysis מכסה. בשטח הזה MiniMax אינה מפסידה; היא ללא מתחרים. ללא מתחרים אינו זהה ליתרון, והסיכום של הספק עצמו — "להגיע לרמה של המודלים המובילים" — הוא טענה להשתוות, לא להובלה.

הדבר הנוסף שראוי לשים לב אליו בטבלת ההשקה הוא מה שהיא עושה עם המתחרים. הגרפיקה שפורסמה מציבה את העמודה של M​iniMax לצד D​eepSeek, Kimi-K3, GLM-5.3, GPT-5.6 Sol ו-Opus 5, והמספרים בעמודות האלה הם הנתונים שפרסמו המעבדות האחרות בעצמן ולא מספרים ש-M​iniMax הריצה. זה נוהג מקובל וזה לא חוסר יושר, אבל זה אומר שכל השוואה חוצת-עמודות בתמונה הזאת יורשת את מערכת הבדיקות שכל מעבדה במקרה השתמשה בה. טבלה שמסדרת שישה מודלים מזמינה אותך לקרוא לרוחב השורות. רק שתיים מהשורות האלה נבנו כדי להיקרא לרוחב.

סיפור המחיר נע בכיוון ההפוך, והוא אמיתי

מבחינת עלות, ל-MiniMax יש את הכרטיס הנקי יותר. M3.1 Flash עולה $0.15 למיליון טוקני קלט ו-$0.60 למיליון טוקני פלט, כאשר קלט במטמון עומד על $0.015 — הנחה של 90% — ואין שינוי לפי שעה ביום. DeepSeek V4.1 Flash 1017 מציג $0.30 ו-$1.20 בחלונות השיא בימי החול, ויורד בחצי ל-$0.15 ו-$0.60 מחוץ לשעות השיא, כאשר פגיעות מטמון עומדות על $0.006 ו-$0.003 בהתאמה. בשעות השיא DeepSeek עולה פי שניים ממה ש-MiniMax גובה עבור אותו מיליון טוקנים. מחוץ לשעות השיא שני הכרטיסים זהים. עומס עבודה שרץ לפי לוח זמנים שבשליטתך יכול לרדוף אחר החלון הזול של DeepSeek; עומס עבודה שרץ כשהמשתמשים שלך פעילים לא יכול.

Artificial Analysis מציבה מספר להבדל ששורד את משחקי התמחור: $0.22 להשלמת משימת Intelligence Index אחת על M3.1 Flash לעומת $0.26 על DeepSeek V4.1 Flash 1017. זה פער של 15% לטובת MiniMax באותה הערכה, וזו הטענה הכלכלית היחידה בהשוואה הזו שנמדדה באופן בלתי תלוי ולא הוצהרה על ידי הספק. זה חשוב כי תעריף המחיר לפי טוקן לא מספר לך את זה. התעריף של DeepSeek, $0.30/$1.20, נראה כמו קנס של פי 2 ומתנהג כמו כזה של 15%, כי MiniMax שורפת 180 מיליון טוקני פלט בהרצת האינדקס לעומת 210 מיליון אצל DeepSeek, ובגלל ש-DeepSeek מהירה בערך פי שניים, עם 208.7 טוקנים בשנייה לעומת כ-105. שני מודלים, שתי פילוסופיות תמחור, והפרש עלות אמיתי של שמונה-עשרה סנט להערכה.

וזה גם המקום שבו שכבת ניתוב מצדיקה את מקומה, בדרך שקל להצהיר עליה וקשה לבצע ידנית. OrcaRouter מעביר את מחיר המחירון של הספק הלאה בתוספת של 0%, כך שכאשר אחת משתי המעבדות משנה תעריף, המספר בחשבון שלך משתנה באותו יום ולא בחידוש החוזה הבא — ובכרטיס עם חלון שיא, זה ההבדל בין תקציב שקובעים פעם אחת לבין תקציב שבודקים מחדש בכל שעה. אנחנו לא מציעים M​iniMax M3.1 Flash או DeepSeek V4.1 Flash 1017 בקטלוג היום, והמאמר הזה אינו טענה שאנו כן מציעים; משפחת D​eepSeek שאנחנו כן מנתבים היא נקודת ביקורת אחרת, וזה הבדל שכדאי להקפיד עליו כשמחרוזת המודל היא מה שהקוד שלך מוצמד אליו.

שני מספרים שטבלת הבנצ׳מרק אינה מכילה

הראשון הוא מהירות. MiniMax טוענת ליותר מ-200 טוקנים לשנייה ול-P50 מעל 170. Artificial Analysis מודדת בערך 105 טוקנים לשנייה במערכת הבדיקה שלה, עם זמן של 1.38 שניות לטוקן הראשון. DeepSeek מודדת 208.7 טוקנים לשנייה ב-1.07 שניות. טענות ספקים לגבי תפוקה נמדדות כמעט תמיד במקרה הטוב ביותר שמערכת ההגשה יכולה להפיק; המספר העצמאי הוא זה שמופיע ב-p95 שלך. בממד הזה, הטענה של MiniMax עצמה והתוצאה הנמדדת אינן קרובות, והתוצאה הנמדדת היא מחצית מזו של DeepSeek.

השני הוא רישיון. DeepSeek V4.1 Flash 1017 מופץ ברישיון MIT עם משקלים ב-Hugging Face וב-552 מיליארד פרמטרים בסך הכול לעומת 16 מיליארד פעילים. MiniMax אומרת שהמשקלים של M3.1 Flash "יפורסמו מאוחר יותר" ולא צירפה להבטחה הזו תאריך, רישיון או מספר פרמטרים. אם הרכש שלכם עובר סקירת אבטחה ששואלת מה יקרה אם הספק ייעלם, טבלת הבנצ'מרקים היא לא השאלה שאתם עונים עליה, ובטבלה שקיבלתם התשובה איננה שם.

מה היה משנה את הקריאה הזו?

שלושה דברים, לפי סדר מידת חשיבותם. הרצות עצמאיות של DeepSWE v1.1 ו-Agents' Last Exam על ה-checkpoint של MiniMax יכריעו אם 73.7 ו-29.6 הם שמרניים או נדיבים — נכון לעכשיו אף אחד מחוץ לשתי המעבדות לא פרסם אף אחד מהם. ציון Automation-Bench שפורסם מצד MiniMax, על אותה מהדורת 600 משימות שבה השתמש DeepSeek, יעניק לטענה הסוכנית את המספר שחסר לה כרגע. ושחרור משקלים עם רישיון מצורף יהפוך את המודל לבר-השוואה בציר שבו ל-DeepSeek אין כרגע תחרות כלל.

עד אז, סיכום כן הוא צר יותר מכל אחד מפוסטי ההשקה. M​iniMax M3.1 Flash הוא מודל זול יותר לסיים איתו משימה, איטי יותר לשיחה איתו, סגור יותר לרכישה, ו—בשני הבנצ'מרקים היחידים ששתי החברות מדדו באופן זהה—זה שבמקום השני. זה לא הסיפור שהטבלה נועדה לספר, אבל זה הסיפור שהטבלה מכילה. אם אתם בוחרים ביניהם השבוע, בחרו לפי כרטיס המחיר והרישיון, כי אלה שתי השורות שאיש לא היה צריך לשכנע לגביהן.