MiniMax M3.1 Flash לעומת Qwen 3.8 Flash: אותו מחיר קלט, ארכיטקטורות מנוגדות

MiniMax-M3.1-Flash ו-Qwen3.8-Flash עולים אותו דבר — חמישה־עשר סנט למיליון אסימוני קלט — ונבנו על תיאוריות בלתי תואמות לגבי היכן הולך הכסף. MiniMax-M3.1-Flash, הזמין באופן כללי מאז 19 באוקטובר 2026, הוא מודל סגור שמבצע היסק בכל קריאה בין אם תרצו בכך ובין אם לא, ומייצר בקצב של 125.5 אסימונים לשנייה. Qwen3.8-Flash הוא תערובת מומחים בעלת 125 מיליארד פרמטרים שמפעילה כ־6 מיליארד מהם לכל אסימון, מייצר בקצב של כ־51.6 אסימונים לשנייה בנקודת הביקורת שנמדדה באופן בלתי תלוי, ומוכר אסימוני פלט בשלושה־עשר סנט פחות. האחד מהיר ומרבה במילים; האחר איטי ותמציתי. איזה מהם זול יותר עבור התעבורה שלכם תלוי ביחס שרוב הצוותים לעולם לא מודדים, וזו השאלה האמיתית היחידה בהשוואה הזו. הכשלים המתועדים של בינה מלאכותית ותקריות הסוכנים שמאחורי מהדורות כמו זו מרוכזים בארכיון התקריות OrcaRouter AI שבו כל ערך כולל מקורות משלו, חומרה, דירוג מהימנות וסימון מחלוקת.

דבר אחד שצריך לתקן לפני המספרים, כי הוא משפיע על כל שורה למטה. Qwen3.8-Flash הוא מוצר מתארח. הדבר שאפשר להוריד הוא Qwen3.8-Flash-Next, שחולק את הארכיטקטורה אבל לא את השם, את הרישיון או בהכרח את ההתנהגות — ונתוני הבנצ'מרק העצמאיים שקיימים הם עבור Flash-Next, לא עבור ה-Flash המתארח. הניקוד היחיד שנמדד באופן עצמאי של MiniMax-M3.1-Flash הוא עבור המודל עצמו, כי אין שום דבר אחר למדוד. כשנתון למטה הוא מספר של ספק, זה מצוין כך; כשהוא של Artificial Analysis, זה מצוין כך; כשהשורה לא ניתנת להשוואה ביושר, השורה אומרת זאת במקום.

שתי הארכיטקטורות אינן שני מצבים של עיצוב אחד.

המודל של Qwen הוא המובן יותר מבין השניים, והנתונים המספריים שלו מפורסמים בפירוט מספיק כדי להסיק מהם. Qwen3.8-Flash כולל 48 שכבות עם 512 מומחים בכל שכבה, עשרה מנותבים ועוד אחד משותף, ונשען על 125 מיליארד פרמטרים בסך הכול, עם כ-6 מיליארד פעילים לכל טוקן — כ-95% דלילות. לצד מחסנית המומוחים הוא נושא טבלת הטמעות n-gram בת 51 מיליארד פרמטרים וראש חיזוי ריבוי טוקנים בן 4 מיליארד פרמטרים, כך שהחפץ המאוחסן קרוב יותר ל-180 מיליארד פרמטרים מאשר ל-125 מיליארד. חיזוי ריבוי טוקנים הוא החלק החשוב למהירות: הוא מאפשר למודל להציע כמה טוקנים בכל מעבר קדימה ולאמת אותם, וכך מודל כה דליל נשאר שמיש בכלל.

MiniMax לא פרסמה מספר פרמטרים בר-השוואה עבור MiniMax-M3.1-Flash. פוסט ההשקה עוסק בתוצאות — בנצ'מרקים סוכניים, צמצום מוצהר של 70% בעלות השימוש, והסקה ש"כמעט פי שלושה מהירה" מהתצוגה המקדימה — ולא בצורת הרשת. האסימטריה הזו היא כשלעצמה נקודת נתונים על שני המוצרים: Qwen מוכרת ארכיטקטורה שאפשר באופן עקרוני לארח, ואילו MiniMax מוכרת שירות. עבור עמוד השוואה, זה אומר שטיעון הארכיטקטורה עובד רק בכיוון אחד. אפשר לומר בביטחון מדוע Qwen3.8-Flash מהירה לכל פרמטר פעיל. אי אפשר לומר דבר על הסיבה ש-MiniMax-M3.1-Flash מהירה, מפני שהספקית לא סיפרה לך.

שורה אחת לכל ממד, שני הצדדים בכל אחד

• מחיר קלט — $0.15 למיליון טוקנים בשני המקרים, וזה המקור לצירוף המקרים שממסגר את הדף הזה

• מחיר התפוקה — MiniMax-M3.1-Flash במחיר $0.60 למיליון לעומת Qwen3.8-Flash במחיר $0.47, פער של 28% לרעת MiniMax

• מטמון — MiniMax גובה $0.015 למיליון אסימוני קלט במטמון; QwenCloud מציינת $0.016 למיליון קריאות מהמטמון ו-$0.20 למיליון ליצירת מטמון מפורשת, כך שהמטמון של MiniMax הוא הפשוט והזול במקצת מבין השניים

• הקשר — MiniMax-M3.1-Flash ב־1,000,000 טוקנים; Qwen3.8-Flash ב־1,000,000 כברירת מחדל עם קלט מקסימלי של 991,000 טוקנים ופלט מקסימלי של 131,000 טוקנים

• יכולת עצמאית — Artificial Analysis מעניקה ל-MiniMax-M3.1-Flash ציון של 42 במדד האינטליגנציה שלה, מה שממקם אותו במקום ה-41 מתוך 173 מודלים; אותו כלי מעקב מעניק ל-Qwen3.8-Flash-Next ציון של 40, ולא פורסם ציון מדד עבור הגרסה המתארחת של Qwen3.8-Flash

• מהירות פלט — 125.5 טוקנים לשנייה וזמן של 1.04 שניות עד לטוקן הראשון עבור MiniMax-M3.1-Flash; 51.6 טוקנים לשנייה עבור Qwen3.8-Flash-Next באותו כלי מעקב, שהוא הנתון הזמין הקרוב ביותר להשוואה שקולה

• עלות לכל משימה שהושלמה — $0.22 עבור MiniMax-M3.1-Flash על ההרנס של הטרקר עצמו; לא פורסם נתון מקביל עבור אף אחד משני ארטיפקטי Qwen

• פירוט — 180 מיליון טוקני פלט נצרכו במהלך ריצת ה-Intelligence Index של MiniMax-M3.1-Flash, לעומת חציון של 99 מיליון עבור מודלים במעקב; Qwen אינה מפרסמת נתון בר-השוואה

• שליטה בחשיבה — M​iniMax מחזיר HTTP 400 אם שולחים thinking: {"type": "disabled"} ודוחה reasoning_effort: "none", מה שמשאיר סולם בן חמש דרגות שברירת המחדל שלו היא max; A​libaba מתעד גם מצבי חשיבה וגם מצבי לא-חשיבה עבור משפחת Qwen3.8, כך שזו השורה היחידה שבה התיעוד של שני הספקים אינו ניתן להשוואה ישירה, וכדאי לבדוק את המתג בנקודת הקצה שלך במקום להסתמך על אף אחד מהדפים

• משקלים — MiniMax אומרת שהמשקלים של MiniMax-M3.1-Flash "ישוחררו מאוחר יותר" ללא תאריך; המשקלים של Qwen3.8-Flash אינם מפורסמים כלל, ו-Qwen3.8-Flash-Next הניתן להורדה מופץ תחת Qwen Community License 1.0 ולא תחת Apache 2.0

• מודאליות קלט — טקסט ותמונה בשניהם, כאשר Qwen3.8-Flash מקבל גם וידאו ושניהם מחזירים טקסט בלבד

הפער במחיר התפוקה קטן יותר מהפער בנפח התפוקה

שלושה עשר סנט למיליון טוקני פלט נראה כמו שגיאת עיגול לעומת כותרת של 28%. בעומס עבודה אמיתי זה יכול להיות כל ההחלטה, בכיוון ההפוך למחירון, מפני ששני המודלים לא מייצרים אותו מספר טוקנים עבור אותה עבודה.

MiniMax-M3.1-Flash לא מצליח להפסיק לחשוב. תיעוד ה-API שלו מחזיר 400 עבור הבקשה המובנת מאליה להשבית אותו, והידית היחידה היא עד כמה הוא מתאמץ לחשוב — מ־low עד max, עם ברירת מחדל max. Artificial Analysis מדדה את התוצאה: 180 מיליון טוקני פלט לאורך הרצת האינדקס שלה, בעוד שהמודל החציוני באותו כלי מעקב מוציא 99 מיליון. זה פי 1.8 מנפח הפלט של מודל טיפוסי, וטוקני חשיבה מחויבים כטוקני פלט ונספרים כנגד תקרת ה-max_tokens שלך.

הריצו את החשבון על מקרה פשוט בכוונה. עומס עבודה שעלותו דולר אחד של טוקני פלט במודל חציוני עולה $1.82 ב-MiniMax-M3.1-Flash אם יחס הפירוט נשמר. אותו עומס עבודה על Qwen3.8-Flash במחיר $0.47 במקום $0.60 עולה $0.78 לפני כל התאמת נפח — ואם מצב ללא חשיבה של Qwen זמין ואתם משתמשים בו, אין נפח חשיבה לשלם עליו כלל. בתעבורה שנשלטת על ידי פלט, פער שלושה-עשר סנט ויחס פירוט של 1.8× מתרבים להפרש כולל קרוב יותר ל-2.3×. זו הטענה נגד MiniMax-M3.1-Flash, בניסוח בוטה כפי שהיא ראויה לו.

הטיעון בעדו הוא מהירות, ומהירות אינה יתרון שולי כשעומס העבודה הוא סוכני. בקצב של 125.5 אסימונים לשנייה לעומת 51.6, MiniMax-M3.1-Flash מפיק פלט מהר פי כ-2.4, כלומר לולאת שימוש בכלים מרובת שלבים שלוקחת ל-Q​wen עשרים שניות של יצירה לוקחת ל-M​iniMax שמונה. אם הסוכן שלך מבצע ארבעים קריאות למודל כדי לסיים משימה, זה ההבדל בין משימה של שלוש עשרה דקות לכזו של חמש דקות, ושהות כזו משנה את מה שאפשר לבנות ולא רק כמה משלמים. זה גם אומר שהאסימונים הנוספים של M​iniMax מגיעים בזמן שעון קצר יותר מהאסימונים המעטים יותר של Q​wen, וזה המשפט שהופך את טיעון הפירוט למורכב במקום להכרעה.

שתי טבלאות בנצ'מרק של ספקים שאי אפשר לשים זו לצד זו

שתי החברות פרסמו הערכות, ושתי מערכות ההערכות אינן שמישות להשוואה ראש בראש, מסיבה שראויה להיאמר בגלוי ולא לעקוף אותה.

הטבלה של M​iniMax עבור MiniMax-M3.1-Flash מכסה את BankerToolBench ב-76.2, DeepSWE v1.1 ב-73.7%, OSWorld V2 ב-61.7, Agents' Last Exam ב-29.6 ו-CyberGym ב-82%, ומתארת את תוצאת AutomationBench-AA שלה כאחת מהביצועים המובילים בלי להדפיס ציון. הטבלה של A​libaba עבור Qwen3.8-Flash-Next מכסה את SWE-bench Pro ב-62.5, DeepSWE 1.1 ב-58.7, CoWorkBench ב-73.9, AndroidWorld ב-84.5, MathVision ב-95.7 ו-JobBench ב-55.7. שתי הרשימות חולקות בדיוק שם מבחן אחד — DeepSWE v1.1 — ושם מספרי הספקים הם 73.7% מול 58.7%, פער של חמש-עשרה נקודות שנראה מכריע ואינו בר-השוואה, משום ששתי הנתונים מתייחסים למודלים שונים מאלה שבעמוד הזה (האחד הוא Flash-Next המתארח, והשני הוא M3.1-Flash), ומשום שאף אחת מהחברות לא פרסמה את ה-harness, את ה-scaffold או את קריטריוני המעבר.

מה שהטבלאות טובות לו הוא קריאת כוונה. M​iniMax מדדה שימוש במחשב, משימות מקצועיות ארוכות טווח וגילוי פגיעויות — הפרופיל של מודל שנועד להפעיל תוכנה. A​libaba מדדה קידוד, מתמטיקה רב-מודלית ושליטה במכשירים ניידים — הפרופיל של מודל שנועד להיות מוטמע ביישומים על פני מודאליות שונות. אף אחת מהטבלאות אינה מכילה נתון של מתחרה, ואף אחת מהן לא צריכה לשמש כאילו כן.

מה שהרישיונות למעשה מתירים

סיפור המשקלים הפתוחים הוא השורה שרוב הקונים טועים בה, בשני הכיוונים.

Qwen3.8-Flash אינו פתוח. מה שפתוח הוא Qwen3.8-Flash-Next, וההבדל אינו קוסמטי: מדובר בארטיפקט נפרד, שפורסם ב-26 באוגוסט 2026, ותואר על ידי המעבדה של אליבאבא עצמה כתצוגה מקדימה של הארכיטקטורה שתשמש בסיס ל-Qwen4, והופץ כ-131 חלקים בסך כולל של כ-360 GB ב-bf16 וב-FP8, ללא כימות GGUF מטעם הספק. הוא נושא את רישיון Qwen Community License 1.0, שאינו Apache 2.0 ואינו הרישיון שצוותים רבים מניחים כשהם שומעים "משקלי Qwen". כל מי שמתכנן להוריד את Flash ולהריץ אותו מקומית צריך לקרוא את הרישיון הזה לפני קביעת גודל החומרה, כי 360 GB של משקלים אינם נכנסים במאיץ בודד וכימותים קהילתיים הם הדרך היחידה לטביעת רגל קטנה יותר.

‏MiniMax-M3.1-Flash סגור עם הבטחה. פוסט ההשקה אומר שהמשקלים "ישוחררו מאוחר יותר" ואינו נותן תאריך, רישיון או גודל. זו עמדה חלשה באופן מובהק מזו של Qwen — דבר שאפשר להוריד היום תחת רישיון מגביל עדיף על דבר שאולי אפשר יהיה להוריד בסופו של דבר בתנאים לא ידועים — אבל זה לא כלום, וזה הדבר היחיד בעל הסבירות הגבוהה ביותר לשנות את החישוב בעמוד הזה. אם MiniMax תספק משקלים, השוואת המחירים מפסיקה להיות רלוונטית למי שיש לו GPUs, ויתרון הדלילות ש-Qwen קנתה עם 6 מיליארד פרמטרים פעילים ניצב מול מתחרה שאפשר להריץ גם על החומרה שלך.

למי להתקשר היום

שניהם נגישים דרך OrcaRouter, אם כי לא באותה מידה. Qwen3.8-Flash נמצא בקטלוג בתור qwen/qwen3.8-flash, אחד מתוך יותר מ-200 מודלים מאחורי מפתח API יחיד, עם העברת מחירי המחירון של הספקים ללא תוספת (0% רווח). MiniMax-M3.1-Flash אינו בקטלוג; ניתן לקרוא לו דרך ה-API של M​iniMax עצמו, דרך M Plan ו-M​iniMax Code שלו, ודרך שותף השירות ש-M​iniMax ציינה ב-21 באוקטובר. מה שניתן לנתב מהצד של M​iniMax הוא שאר הקו — MiniMax-M3 ביניהם — כך שצוות שרוצה לבחון את ההשוואה על התעבורה שלו יכול להציב את qwen/qwen3.8-flash ואת minimax/minimax-m3 מאחורי מפתח אחד ולמדוד, במקום לקרוא שני טבלאות ספקים ולנחש.

המדידה הזו שווה ביצוע לפני שמתחייבים, מפני ששני המודלים נכשלים בדרכים מנוגדות בבנצ'מרק. MiniMax-M3.1-Flash ייראה יקר לכל טוקן וזול לכל משימה שהושלמה אם העבודה שלך היא סוכנית, עם מסלולים ארוכים שהמודל מסיים במספר סבבים קטן יותר כי כל אחד מהם מהיר. Qwen3.8-Flash ייראה זול יותר בכל שורה בחשבונית ויראה גרוע יותר בכל לולאה רגישה להשהיה, כי 51.6 טוקנים לשנייה הם אילוץ ממשי כשסוכן זקוק לארבעים תגובות עוקבות. אף אחד מאלה אינו פגם. אלה שני העיצובים שפועלים כמתוכנן.

פסק הדין המצומצם: אם אתם בונים סוכן שמפעיל תוכנה ואתם משלמים לפי משימה שהושלמה ולא לפי טוקן, המהירות של MiniMax-M3.1-Flash שווה את המלל שלה, והמשקלים הסגורים שלה הם מחיר הכניסה עד ש-MiniMax תשחרר אותם. אם אתם מריצים חילוץ, סיווג או יצירה בנפח גבוה שבהם אורך הפלט מוגבל והשהיה אינה האילוץ, Qwen3.8-Flash זול יותר לפי מחירון התעריפים וזול עוד יותר ברגע שמפסיקים לשלם על טוקני חשיבה שלא ביקשתם — ואם אתם צריכים להחזיק במודל ולא לשכור אותו, Qwen3.8-Flash-Next הוא היחיד מבין השניים שתוכלו למעשה להחזיק, תחת רישיון שכדאי לקרוא קודם.