DeepSeek V4 Pro vs MiniMax M3: la sfida tra le ammiraglie open-weight

DeepSeek V4 Pro e MiniMax M3 sono i due modelli open-weight di punta che si contendono la corona del coding quest'anno, e la cosa interessante è quanto diversamente tentano di vincerla. MiniMax M3, rilasciato il 1° giugno, è il primo modello open-weight a rivendicare coding all'avanguardia, un contesto da 1 milione di token e input multimodale nativo in un unico pacchetto, costruito sull'architettura Sparse Attention di MiniMax. DeepSeek V4 Pro, la cui versione ufficiale è arrivata il 13 agosto dopo quattro mesi di anteprima, è lo specialista del ragionamento: un Mixture-of-Experts da 1,6 trilioni di parametri con 49 miliardi di parametri attivi, il punteggio Codeforces più alto mai registrato per un modello linguistico, e ora una scorecard agentica molto più solida. Entrambi sono con licenza MIT, entrambi sono economici, ed entrambi sono posizionati in modo aggressivo contro modelli che costano da dieci a cinquanta volte tanto.

Quel titolo "entrambi open-weight" nasconde la vera divergenza. Non sono due aziende che costruiscono la stessa cosa con loghi diversi. M3 punta sull'economia del contesto lungo — attenzione sparsa che rende una finestra da un milione di token abbastanza economica da essere davvero utilizzabile. DeepSeek V4 Pro punta sulla profondità del ragionamento puro — un enorme MoE expert-parallel che pensa a lungo prima di rispondere. Quale sia "migliore per la programmazione" risulta dipendere da quale parte della programmazione intendi, e dal fatto che il tuo input sia uno stack trace o uno screenshot.

Due architetture, due scommesse

DeepSeek V4 Pro è il più grande modello open-weights rilasciato finora: 1,6 trilioni di parametri totali con 49 miliardi attivi per token, un MoE a 61 strati con 384 esperti instradati (top-6), pesi esperti FP4 con attenzione FP8, e un design di attenzione ibrido che combina attenzione sparsa compressa e fortemente compressa. Richiede circa 862 GB in FP8, il che colloca l'hosting autonomo nel territorio degli otto H100 piuttosto che su una workstation. Il modello ora con licenza MIT e scaricabile è lo stesso alla base della build API ufficiale rilasciata questa settimana.

MiniMax M3 è una macchina più piccola e più snella — circa 428 miliardi di parametri totali con circa 23 miliardi attivi per token — costruita attorno a M​iniMax Sparse Attention (MSA). Il fornitore afferma che MSA riduce il calcolo per token a circa un ventesimo della generazione precedente, con prefill più di 9 volte più veloce e decode più di 15 volte più veloce in contesti lunghi. Questo è l'intero scopo del modello: una finestra da un milione di token è utile solo se l'inferenza al suo interno è conveniente, ed è MSA a renderlo possibile. M3 accetta anche input di immagini e video in modo nativo, cosa che V4 Pro non fa.

Entrambi espongono un contesto di 1,048,576 token. DeepSeek V4 Pro raggiunge un massimo di 384K di output; il tetto di MiniMax M3 è ancora più alto, a 512K. Entrambi hanno una modalità di pensiero commutabile: DeepSeek V4 Pro ha il pensiero attivo di default, mentre quella di M3 è esposta come un interruttore.

Cosa ha cambiato il rilascio ufficiale di DeepSeek

Qualsiasi confronto attuale scritto prima di questa settimana sta confrontando il modello DeepSeek sbagliato. L'anteprima attiva dal 24 aprile era un modello di ragionamento che ha ottenuto un punteggio DeepSWE di 12.8. La build ufficiale, DeepSeek-V4-Pro-0813, ha portato quel punteggio a 62.7 nelle valutazioni interne di DeepSeek, e ha aggiunto un'API Responses, l'integrazione con Codex e endpoint compatibili con OpenAI e Anthropic — così lo stesso codice client che parla con uno può parlare con l'altro. I punteggi agentici sulla scheda del fornitore ora si attestano vicino a quelli di Fable 5 di Anthropic: Terminal-Bench 2.1 a 87.9 (Fable 5: 88.0), CyberGym 83.3 (Fable 5: 83.1), AutomationBench 31.8 (Fable 5: 29.1). Questi sono numeri dichiarati da DeepSeek su una build di un giorno fa, non riprodotti da alcun laboratorio indipendente — trattateli come affermazioni, ma non sono più affermazioni modeste.

La classifica di coding, e a chi appartengono i numeri

Nei benchmark di coding più citati, i due modelli si dividono la vittoria, e questa divisione è indicativa:

• LiveCodeBench — DeepSeek V4 Pro 93.5, il miglior risultato open-weight su questo benchmark e la sua vittoria più citata.

• SWE-Bench Verified — DeepSeek V4 Pro 80.6 vs MiniMax M3 80.5, di fatto un pareggio.

• SWE-Bench Pro — MiniMax M3 59.0 vs DeepSeek V4 Pro 55.4, un vantaggio significativo di 3,6 punti per M3 nell'ingegneria del software agentica.

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

• BrowseComp — MiniMax M3 83.5, un punteggio di agente di ricerca basato su browser che supera molti modelli chiusi.

• Codeforces — DeepSeek V4 Pro 3206, il punteggio più alto mai registrato per un modello linguistico.

Le prime quattro di quelle righe sono riportate dal fornitore; l'Artificial Analysis Intelligence Index è l'unico numero indipendente su cui entrambi compaiono, e colloca MiniMax M3 a 44 contro DeepSeek V4 Pro a 32 nella sua configurazione non-reasoning (la configurazione reasoning non era ancora stata valutata su AA al momento della stesura). Una gara di coding di terze parti pubblicata questo mese offre la lettura più precisa: MiniMax M3 ha totalizzato il punteggio più alto in assoluto in un compito di implementazione nel mondo reale, con un giudice che ne ha elogiato il codice "di livello industriale", mentre DeepSeek V4 Pro è stato descritto come il miglior progettista di architetture ma più debole nel portare la logica di business fino a codice funzionante — "bravo a pensare, non a fare". Per i problemi algoritmici in stile competitive programming, i numeri di Codeforces e LiveCodeBench indicano V4 Pro. Per trasformare una specifica in un servizio completo e testato, i risultati del mondo reale propendono per M3.

La multimodalità è il vero bivio.

Togliendo i benchmark, la differenza decisiva è la modalità di input. MiniMax M3 accetta nativamente testo, immagini e video e supporta l'uso del computer e il visual grounding: un agente può leggere un diagramma, guardare uno schermo e agire su ciò che vede. DeepSeek V4 Pro è solo testo, il che va benissimo per pipeline di codice e documenti puri, ma è inutile per qualsiasi cosa in cui la risposta è dentro un'immagine. Se il tuo agente di coding lavora su issue e repository, la focalizzazione sul testo di V4 Pro non ti costa nulla. Se mai avesse bisogno di guardare un mockup di interfaccia, uno screenshot di crash o una foto di una lavagna, M3 è l'unico dei due che può farlo.

Prezzo e velocità: due curve diverse

Ai prezzi di listino dei provider trasmessi da OrcaRouter, i due modelli sono convenienti in posti diversi:

DeepSeek V4 Pro — $0,44 per milione di token in input, $0,88 per milione di token in output, input in cache $0,0035 per milione.

• MiniMax M3 — $0.30 per milione di input, $1.20 per milione di output, input in cache $0.06 per milione.

M3 vince su input e caching; V4 Pro vince su output, e l'output è dove vengono fatturati i token di ragionamento. Poiché DeepSeek V4 Pro ha il ragionamento attivo per impostazione predefinita e il suo ragionamento è verboso, una lunga esecuzione di un agente può spostare il costo misto verso il lato di V4 Pro nonostante l'input più economico di M3. La velocità va nell'altra direzione: MiniMax M3 misura circa 80–145 token di output al secondo a seconda del provider, contro i circa 54–65 di DeepSeek V4 Pro. Il vantaggio dell'attenzione sparsa di M3 si manifesta soprattutto su contesti lunghi, dove la decodifica rimane veloce mentre il costo di attenzione di V4 Pro sale.

Entrambi sono su OrcaRouter dietro una chiave compatibile con OpenAI, il che rende questa scelta meno un lancio di moneta di quanto sembri: un percorso di produzione può instradare DeepSeek V4 Pro per i passaggi algoritmici e di scrittura lunga, MiniMax M3 per i passaggi multimodali e a contesto lungo, e usare il DSL di routing o la fusione di modelli per farli cooperare in un'unica chiamata — ciascuno fatturato al prezzo di listino del fornitore con margine 0%, con failover automatico se l'endpoint di un fornitore vacilla.

Quale si adatta

• Programmazione competitiva, ragionamento algoritmico, matematica, output massimo per chiamata → DeepSeek V4 Pro. I risultati su Codeforces e LiveCodeBench sono i numeri open-weight più forti in assoluto.

• Trasformare le specifiche in servizi finiti, lunghe esecuzioni autonome di agenti → MiniMax M3, secondo le competizioni di coding del mondo reale e il suo vantaggio in agentic SWE-Bench Pro.

• Qualsiasi input che non sia testo (screenshot, diagrammi, fotogrammi video) → MiniMax M3, l'unica opzione multimodale qui.

• Contesto da un milione di token che deve rimanere conveniente e veloce → l'attenzione sparsa di MiniMax M3, con guadagni di 9x in prefill e 15x in decode rispetto alla generazione precedente.

• Costo di output più basso per il testo → DeepSeek V4 Pro a $0,88 contro i $1,20 di M3, soprattutto con il ragionamento attivato.

• Self-hosting su GPU di data center modeste → l'impronta attiva più piccola di MiniMax M3; il checkpoint FP8 da 862 GB di V4 Pro richiede un cluster serio.

Nessuno dei due modelli ha ancora un verdetto definitivo, ed entrambi si muovono velocemente: la build ufficiale di DeepSeek V4 Pro è arrivata questa settimana e non è stata ancora valutata con benchmark indipendenti, i pesi di MiniMax M3 sono stati promessi ma devono ancora essere pubblicati completamente nei repository open, e DeepSeek ha annunciato un aumento dei prezzi per la linea V4. Se devi scegliere oggi, scegli in base a modalità e carico di lavoro: il lavoro agentico multimodale e a contesto lungo va a MiniMax M3, il ragionamento puro su testo e codice al prezzo di output più basso va a DeepSeek V4 Pro — e instradali insieme, così che quando uscirà la prima classifica indipendente per uno dei due modelli, cambiare il tuo traffico sarà una modifica di configurazione, non una riscrittura.