DeepSeek V4 Pro vs MiniMax M3: Pertarungan Flagship Open-Weight

DeepSeek V4 Pro dan MiniMax M3 adalah dua model unggulan open-weight yang memperebutkan mahkota coding tahun ini, dan yang menarik adalah betapa berbedanya cara mereka berusaha memenangkannya. MiniMax M3, yang dirilis pada 1 Juni, adalah model open-weight pertama yang mengklaim coding kelas frontier, konteks 1 juta token, dan input multimodal asli dalam satu paket, dibangun di atas arsitektur Sparse Attention milik M​iniMax. DeepSeek V4 Pro, yang versi resminya dirilis pada 13 Agustus setelah pratinjau empat bulan, adalah spesialis penalaran: Mixture-of-Experts dengan 1,6 triliun parameter dan 49 miliar parameter aktif, peringkat Codeforces tertinggi yang pernah tercatat untuk model bahasa, dan kini papan skor agen yang jauh lebih kuat. Keduanya berlisensi MIT, keduanya murah, dan keduanya diposisikan secara agresif untuk melawan model yang harganya sepuluh hingga lima puluh kali lebih mahal.

Judul "kedua open-weight" itu menyembunyikan perbedaan yang sebenarnya. Ini bukan dua perusahaan yang membangun hal yang sama dengan logo berbeda. M3 bertaruh pada ekonomi konteks panjang — sparse attention yang membuat jendela sejuta token cukup murah untuk benar-benar digunakan. DeepSeek V4 Pro bertaruh pada kedalaman penalaran mentah — sebuah MoE paralel-ahli besar yang berpikir keras sebelum menjawab. Mana yang "lebih baik untuk coding" ternyata bergantung pada bagian coding mana yang Anda maksud, dan apakah input Anda berupa stack trace atau screenshot.

Dua arsitektur, dua taruhan

DeepSeek V4 Pro adalah model open-weights terbesar yang dirilis hingga saat ini: total 1,6 triliun parameter dengan 49 miliar parameter aktif per token, MoE 61 lapis dengan 384 pakar terarah (top-6), bobot pakar FP4 dengan attention FP8, dan desain attention hibrida yang menggabungkan compressed dan heavily-compressed sparse attention. Model ini membutuhkan sekitar 862 GB dalam FP8, yang menempatkan self-hosting di wilayah delapan-H100, bukan pada workstation. Model yang kini berlisensi MIT dan dapat diunduh adalah model yang sama di balik build API resmi yang dirilis minggu ini.

MiniMax M3 adalah model yang lebih kecil dan ramping — dengan total sekitar 428 miliar parameter dan sekitar 23 miliar aktif per token — dibangun di sekitar M​iniMax Sparse Attention (MSA). Vendor mengklaim MSA memotong komputasi per token menjadi sekitar seperdua puluh dari generasi sebelumnya, dengan prefill lebih dari 9x lebih cepat dan decode lebih dari 15x lebih cepat pada konteks panjang. Itulah inti dari model ini: jendela satu juta token hanya berguna jika inferensi di dalamnya terjangkau, dan MSA-lah yang membuat itu menjadi kenyataan. M3 juga menerima input gambar dan video secara native, yang tidak dapat dilakukan V4 Pro.

Keduanya menyediakan konteks 1,048,576 token. DeepSeek V4 Pro memuncak pada 384K output maksimum; batas MiniMax M3 lebih tinggi lagi, yaitu 512K. Keduanya memiliki mode berpikir yang dapat dialihkan — DeepSeek V4 Pro secara default mode berpikir aktif, sedangkan mode M3 ditampilkan sebagai sakelar.

Apa yang diubah oleh rilis resmi DeepSeek

Perbandingan terkini apa pun yang ditulis sebelum minggu ini membandingkan model DeepSeek yang salah. Pratinjau yang berjalan sejak 24 April adalah model penalaran yang mencatat skor DeepSWE 12.8. Build resminya, DeepSeek-V4-Pro-0813, mendorongnya menjadi 62.7 pada evaluasi internal DeepSeek, serta menambahkan Responses API, integrasi Codex, dan endpoint yang kompatibel dengan OpenAI dan Anthropic — sehingga kode klien yang sama yang berbicara dengan satu dapat berbicara dengan yang lain. Skor agentik pada kartu vendor kini berada mendekati Fable 5 milik Anthropic: Terminal-Bench 2.1 sebesar 87.9 (Fable 5: 88.0), CyberGym 83.3 (Fable 5: 83.1), AutomationBench 31.8 (Fable 5: 29.1). Ini adalah angka yang dilaporkan DeepSeek pada build yang baru berumur satu hari dan belum direproduksi oleh laboratorium independen mana pun — perlakukan sebagai klaim, tetapi klaim tersebut bukan lagi klaim yang sederhana.

Papan skor coding, dan angka siapa milik siapa

Pada tolok ukur pengkodean yang paling banyak dikutip, kedua model tersebut membagi hasil, dan pembagian tersebut informatif:

• LiveCodeBench — DeepSeek V4 Pro 93.5, hasil open-weight terkuat pada benchmark ini dan kemenangan yang paling banyak dikutip.

• SWE-Bench Verified — DeepSeek V4 Pro 80.6 vs MiniMax M3 80.5, secara efektif seri.

• SWE-Bench Pro — MiniMax M3 59.0 vs DeepSeek V4 Pro 55.4, keunggulan M3 yang signifikan sebesar 3,6 poin pada rekayasa perangkat lunak agentik.

• Terminal-Bench 2.1 — DeepSeek V4 Pro 67.9 vs MiniMax M3 66.0, hampir imbang.

• BrowseComp — MiniMax M3 83.5, agen riset berbasis peramban dengan skor yang melampaui banyak model tertutup.

Codeforces — DeepSeek V4 Pro 3206, peringkat tertinggi yang pernah tercatat untuk model bahasa.

Empat baris pertama dari baris-baris tersebut adalah {{1}}laporan vendor{{/1}}; Artificial Analysis Intelligence Index adalah satu-satunya angka {{2}}independen{{/2}} yang memuat keduanya, dan indeks tersebut menempatkan MiniMax M3 di peringkat 44 melawan DeepSeek V4 Pro di peringkat 32 dalam konfigurasi non-reasoning-nya (konfigurasi reasoning belum diberi skor di AA pada saat penulisan artikel ini). Kompetisi coding dari pihak ketiga yang diterbitkan bulan ini memberikan gambaran yang lebih tajam: MiniMax M3 mencetak skor tertinggi secara keseluruhan dalam tugas implementasi dunia nyata, dengan seorang juri memuji kodenya yang "berkelas industri", sementara DeepSeek V4 Pro digambarkan sebagai perancang arsitektur terbaik tetapi lebih lemah dalam membawa logika bisnis hingga menjadi kode yang berfungsi — "pandai berpikir, bukan pandai bertindak." Untuk masalah algoritmik bergaya competitive programming, angka Codeforces dan LiveCodeBench menunjukkan V4 Pro. Untuk mengubah spesifikasi menjadi layanan jadi yang teruji, hasil dunia nyata condong ke M3.

Multimodalitas adalah percabangan jalan yang sesungguhnya.

Singkirkan tolok ukurnya dan perbedaan yang menentukan adalah modalitas input. MiniMax M3 menerima teks, gambar, dan video secara native serta mendukung penggunaan komputer dan visual grounding — agen dapat membaca diagram, mengamati layar, dan bertindak sesuai apa yang dilihatnya. DeepSeek V4 Pro hanya mendukung teks, yang memang tepat untuk pipeline kode dan dokumen murni serta tidak berguna untuk apa pun yang jawabannya ada di dalam gambar. Jika agen pengodean Anda bekerja dari isu dan repositori, fokus teks V4 Pro tidak merugikan Anda sedikit pun. Jika ia perlu melihat mockup UI, tangkapan layar crash, atau foto papan tulis, M3 adalah satu-satunya dari keduanya yang bisa.

Harga dan kecepatan: dua kurva yang berbeda

Pada harga daftar penyedia yang diteruskan oleh OrcaRouter, kedua model tersebut murah di tempat yang berbeda:

DeepSeek V4 Pro — $0.44 per juta input, $0.88 per juta output, input cache $0.0035 per juta.

• MiniMax M3 — $0.30 per juta input, $1.20 per juta output, input cache $0.06 per juta.

M3 unggul pada input dan caching; V4 Pro unggul pada output, dan output adalah tempat token berpikir ditagih. Karena DeepSeek V4 Pro secara default mengaktifkan mode berpikir dan penalarannya bertele-tele, eksekusi agen yang panjang dapat menggeser biaya gabungan ke sisi V4 Pro meskipun input M3 lebih murah. Kecepatan justru sebaliknya: MiniMax M3 menghasilkan sekitar 80–145 token output per detik tergantung penyedianya, sedangkan DeepSeek V4 Pro sekitar 54–65. Keunggulan sparse-attention M3 paling terlihat pada konteks yang panjang, di mana decode-nya tetap cepat sementara biaya atensi V4 Pro meningkat.

Keduanya berada di OrcaRouter di belakang satu kunci yang kompatibel dengan OpenAI, yang membuat ini tidak seperti lemparan koin: jalur produksi dapat merutekan DeepSeek V4 Pro untuk tahapan algoritmik dan penulisan panjang, MiniMax M3 untuk tahapan multimodal dan konteks panjang, dan menggunakan DSL perutean atau fusi model agar keduanya bekerja sama dalam satu panggilan — masing-masing ditagih sesuai harga daftar penyedia dengan markup 0%, dengan failover otomatis jika endpoint salah satu penyedia goyah.

Mana yang cocok

• Pemrograman kompetitif, penalaran algoritmik, matematika, keluaran maksimum per panggilan → DeepSeek V4 Pro. Hasil Codeforces dan LiveCodeBench adalah angka open-weight terkuat yang ada.

• Mengubah spesifikasi menjadi layanan yang siap pakai, menjalankan agen otonom dalam waktu lama → MiniMax M3, berdasarkan kompetisi coding dunia nyata dan keunggulannya di SWE-Bench Pro yang agenik.

• Input apa pun yang bukan teks (tangkapan layar, diagram, bingkai video) → MiniMax M3, satu-satunya opsi multimodal di sini.

• Konteks jutaan token yang harus tetap terjangkau dan cepat → attention sparse MiniMax M3, dengan kecepatan prefill 9x dan decode 15x lipat dibandingkan generasi sebelumnya.

• Biaya output terendah untuk teks → DeepSeek V4 Pro sebesar $0.88 vs M3 sebesar $1.20, terutama dengan thinking aktif.

• Hosting sendiri pada GPU pusat data yang sederhana → jejak aktif MiniMax M3 yang lebih kecil; checkpoint FP8 V4 Pro sebesar 862 GB membutuhkan klaster yang serius.

Belum ada vonis final untuk kedua model, dan keduanya bergerak cepat — build resmi DeepSeek V4 Pro rilis minggu ini dan belum di-benchmark secara independen, bobot MiniMax M3 telah dijanjikan tetapi masih perlu sepenuhnya hadir di repositori terbuka, dan DeepSeek telah mengumumkan kenaikan harga untuk lini V4. Jika Anda harus memilih hari ini, pilih berdasarkan modalitas dan beban kerja: pekerjaan agen multimodal dan konteks panjang jatuh pada MiniMax M3, penalaran teks-dan-kode murni dengan harga output terendah jatuh pada DeepSeek V4 Pro — dan arahkan keduanya bersama-sama sehingga ketika papan skor independen pertama untuk salah satu model muncul, mengalihkan lalu lintas Anda hanyalah perubahan konfigurasi, bukan penulisan ulang.