DeepSeek V4.1 Flash vs MiniMax M3.1 Flash: schede identiche, modelli diversi

Due fornitori, due modelli, un prezzo. Entrambi DeepSeek V4.1 Flash e MiniMax M3.1 Flash costano 0,15 $ per milione di token di input e 0,60 $ per milione di token di output su OrcaRouter. Entrambi offrono un contesto da 1 milione di token. Nessuno dei due è un flagship, ed entrambi sono la fascia su cui ciascun fornitore vuole far convergere i volumi. Il prezzo di listino non riesce a separarli, il che rende questo il confronto più pulito del sito: ogni altra colonna decide, e nessuna di esse è nascosta.

Le carte

• DeepSeek V4.1 Flash — $0,15 in ingresso, $0,60 in uscita; $0,003 per input in cache; raddoppia a $0,30 e $1,20 in due fasce orarie nei giorni feriali; contesto 1M; output massimo 384K; 2.500 richieste concorrenti; supporto vision; p50 misurato del primo token 1,49 secondi.

• MiniMax M3.1 Flash — $0,15 in ingresso, $0,60 in uscita; contesto 1M; output massimo 524K; p50 misurato del primo token 2,66 secondi; nessuna riga pubblicata sui cache hit nella scheda, per come l'abbiamo letta.

Tre differenze contano, e tutte e tre sono misurabili prima di impegnarti: il limite massimo dell'output, la latenza del primo token e se un prefisso in cache ottiene uno sconto.

Tetto: 524K rispetto a 384K

Il tetto di output di MiniMax è più grande del 36%. In una singola chiamata, questa è la differenza tra una generazione da 350.000 token che rientra e una che non rientra — e 350.000 token di output a $0,60 per milione fanno 21 centesimi in entrambi i casi, quindi il tetto è una soglia di capacità, non una soglia di costo. Se il tuo carico di lavoro non scrive mai più di 300K in una singola richiesta, questa colonna è un pareggio con un numero di marketing allegato.

Se lo farà, MiniMax è l'unico dei due ad accettare il lavoro, e il prezzo identico smette di essere il punto.

Velocità: 1,49 rispetto a 2,66 secondi

Il primo token misurato di DeepSeek è 1,49 secondi; quello di MiniMax è 2,66. Entrambi sono abbastanza rapidi da far sembrare reattiva un'interfaccia di chat, e abbastanza lenti da far sì che un agente che compie venti turni per attività si accorga della differenza: circa 23 secondi per attività con questi valori, a fronte di una spesa in token di pochi centesimi. Nelle pipeline vincolate dal throughput, il modello più veloce è semplicemente più lavoro svolto all'ora con lo stesso budget di concorrenza.

La riga di cache, che solo una scheda visualizza

DeepSeek pubblica un prezzo per i cache hit: $0,003 per milione di token di input, contro $0,15 per un cache miss. Si tratta di uno sconto di cinquanta volte sulla porzione di prompt che si ripete, ed è la leva più grande su entrambe le schede. La scheda di MiniMax, per come la leggiamo, non riporta una riga equivalente — il che non significa che la cache sia assente, ma solo che lo sconto non è pubblicabile a partire dalla scheda.

Per un agente che reinvia a ogni turno un prompt di sistema stabile e una cronologia in crescita, quell'asimmetria può superare sia il limite massimo sia la latenza. È anche la prima cosa da verificare invece che dare per scontata: invia due volte lo stesso prefisso e confronta le due fatture.

La finestra di picco, che solo una carta possiede

DeepSeek raddoppia ogni tariffa tra le 01:00–04:00 e le 06:00–10:00 UTC nei giorni feriali, esclusi i festivi pubblici cinesi. Le tariffe di MiniMax da $0,15 e $0,60 sono fisse. Un carico di lavoro europeo o asiatico eseguito durante l'orario lavorativo ricade sulla tariffa di picco di DeepSeek per la maggior parte del suo traffico — $0,30 e $1,20, il doppio del prezzo di listino di MiniMax per gli stessi token.

Quindi le schede identiche non sono identiche in pratica. Fuori dalle ore di punta, con un prefisso in cache stabile, DeepSeek è sensibilmente più economico. In una finestra di punta nei giorni feriali senza caching, costa il doppio. È il calendario a decidere quale frase è vera.

Cosa eseguire

Entrambi i modelli sono su OrcaRouter alle tariffe pubblicate dai rispettivi fornitori, su un unico endpoint compatibile con OpenAI con failover automatico, ed è questo che rende economico questo test: instradare una porzione di traffico verso ciascuno e confrontare i token di output per attività completata, la latenza p95 e la quota di richieste che cadono nelle finestre di picco di DeepSeek.

Quello che non dovresti fare è scegliere in base all'adesivo. È l'unica colonna su cui questi due modelli concordano, il che significa che è l'unica colonna che non ti dice nulla.