MiniMax M3.1 Flash vs DeepSeek V4.1 Flash: su cosa concordano davvero le due tabelle dei fornitori

Due righe. È quanto della tabella di lancio di MiniMax sopravvive a un confronto con i numeri pubblicati da DeepSeek stesso, e vale la pena dirlo chiaramente prima che venga ripetuto il titolo di uno dei due fornitori: sui due benchmark in cui MiniMax M3.1 Flash e DeepSeek V4.1 Flash — il checkpoint 1017 che DeepSeek ha distribuito due giorni prima — entrambi i laboratori hanno pubblicato un punteggio sulla stessa valutazione, il modello più recente è indietro. MiniMax ha rilasciato M3.1 Flash il 19 ottobre 2026 con una tabella che copre lavoro agentico, coding, uso del computer e cybersicurezza, e la dichiarazione di un salto generazionale rispetto al proprio predecessore. DeepSeek ha rilasciato V4.1 Flash 1017 il 17 ottobre 2026 con una model card che fa la stessa cosa. La parte interessante nel metterle insieme non è chi vince. È quanto poco di ciascuna tabella sia costruito per essere confrontato. Le tabelle dei fornitori sono un tipo di prova e i registri degli incidenti un altro, quindi i fallimenti dietro rilasci come questi sono catalogati in the OrcaRouter AI Incident Archive dove ogni voce riporta le proprie fonti, gravità, grado di confidenza e indicatore di contestazione.

Su cosa M​iniMax ha effettivamente messo un numero

Il post di MiniMax è più specifico della maggior parte. Fornisce subito sei valori numerici: BankerToolBench 76,2, DeepSWE v1.1 73,7%, OSWorld V2 61,7, Agents' Last Exam 29,6, CyberGym 82%, e l'affermazione di prestazioni ai vertici su Automation-Bench senza un punteggio nel testo di riepilogo. Accanto a questi ci sono due dichiarazioni sul throughput — un'inferenza online circa tre volte più veloce rispetto al modello che sostituisce, e oltre 200 token al secondo con un P50 superiore a 170 — e una dichiarazione di costi inferiori del 70% sui compiti agentici. Tutto ciò è riportato dal fornitore e non riprodotto. MiniMax l'ha eseguito, MiniMax l'ha pubblicato, e l'harness è nominato solo nelle note a piè di pagina.

{{1}}È nella nota a piè di pagina che la tabella inizia a sfaldarsi.{{/1}} BankerToolBench, afferma M​iniMax, è stato valutato con l'harness OpenCode 1.1718 e giudicato da MiniMax-M2.7, il suo modello precedente. Si tratta di un benchmark autogiudicato: un modello M​iniMax che valuta output prodotti da un modello M​iniMax, su un set di attività scelto da M​iniMax. Potrebbe essere eseguito perfettamente bene. Non è una prova che si possa usare contro un laboratorio che pubblica su un harness mantenuto da qualcun altro.

Le due righe che si allineano

DeepSWE v1.1 è l’unica misurazione davvero condivisa. Entrambi i laboratori la riportano, ed entrambi indicano l’harness: D​eepSeek indica Mini-SWE-V2 nella propria model card, M​iniMax riporta la stessa versione del benchmark. M​iniMax dichiara il 73,7%. D​eepSeek dichiara il 77,0% per il checkpoint 1017, contro il 74,2% della release V4.1 Flash che ha sostituito. Quindi la classifica qui non è ambigua e non è lusinghiera per il modello più recente: la release del 17 ottobre di D​eepSeek è davanti alla release del 19 ottobre di M​iniMax sull’unico benchmark per agenti di coding che le due aziende hanno misurato allo stesso modo, e nel farlo è davanti alla propria release precedente di quasi tre punti.

Agents' Last Exam racconta la stessa storia con maggiore distacco. M​iniMax riporta 29,6. D​eepSeek riporta 35,4 per 1017, in aumento rispetto a 31,8 per il checkpoint precedente. Si tratta di un divario di cinque punti su un benchmark progettato per essere difficile per gli agenti, ed è la seconda riga consecutiva in cui il modello più vecchio di due giorni è comodamente in vantaggio.

Tutto il resto nelle due tabelle è misurato su un rig diverso, giudicato da un modello diverso, oppure pubblicato da una sola delle due parti. La scheda di D​eepSeek riporta Terminal-Bench 4.0 a 42,3 nell'harness di Claude Code, HLE senza strumenti a 42,6, ProgramBench 29,1, Apex Bench v1.1 72,1 e Automation-Bench v1.0.6 a 60,5. Il post di M​iniMax non fornisce affatto un dato per Terminal-Bench 4.0, e la sua riga di Automation-Bench si trova sotto una nota a piè di pagina riguardante le 600 attività rilasciate pubblicamente, anziché accanto a un numero comparabile che, alla risoluzione con cui il post viene renderizzato, potremmo attribuire con sicurezza. Due di quelle righe sono verificabili. Le altre sono due esami diversi con lo stesso nome sulla copertina.

Dove la tabella di MiniMax è solida e quella di DeepSeek tace

Sarebbe un errore leggere le due righe condivise come il quadro completo, perché sono entrambe righe di ragionamento per coding e agenti, e la proposta di MiniMax è più ampia. OSWorld V2 a 61.7 è un dato di computer-use che DeepSeek non pubblica, e MiniMax rivendica il primo posto tra i modelli cinesi su questo fronte. CyberGym all'82% è un dato sugli agenti di sicurezza che anche DeepSeek non pubblica. BankerToolBench 76.2 misura la selezione degli strumenti in un contesto di flussi di lavoro aziendali che né la scheda di DeepSeek né Artificial Analysis coprono. Su quel terreno MiniMax non sta perdendo; è senza avversari. Essere senza avversari non equivale a essere in vantaggio, e la sintesi dello stesso fornitore — «raggiungere il livello dei modelli leader» — è un'affermazione di parità, non di primato.

L'altra cosa che vale la pena notare nella tabella di lancio è ciò che fa con i concorrenti. Il grafico pubblicato affianca la colonna di M​iniMax a D​eepSeek, Kimi-K3, GLM-5.3, GPT-5.6 Sol e Opus 5, e i numeri in quelle colonne sono le cifre pubblicate dagli altri laboratori stessi, non numeri eseguiti da M​iniMax. È una pratica normale e non è disonesta, ma significa che ogni confronto tra colonne in quell'immagine eredita qualunque harness ciascun laboratorio abbia usato. Una tabella che allinea sei modelli invita a leggere trasversalmente le righe. Solo due di quelle righe sono state costruite per essere lette trasversalmente.

La storia dei prezzi va nella direzione opposta, ed è reale

Sul fronte dei costi, M​iniMax ha la scheda più pulita. M3.1 Flash costa 0,15 $ per milione di token in input e 0,60 $ per milione in output, con input in cache a 0,015 $ — uno sconto del 90% — e nessuna variazione in base all’orario. D​eepSeek V4.1 Flash 1017 indica 0,30 $ e 1,20 $ durante le sue finestre di picco nei giorni feriali, che scendono della metà a 0,15 $ e 0,60 $ fuori picco, con hit in cache rispettivamente a 0,006 $ e 0,003 $. Nelle ore di picco D​eepSeek costa il doppio di quanto addebita M​iniMax per lo stesso milione di token. Fuori picco le due schede sono identiche. Un carico di lavoro che viene eseguito secondo una pianificazione che controlli può inseguire la finestra economica di D​eepSeek; un carico di lavoro che viene eseguito quando lo fanno i tuoi utenti non può.

Artificial Analysis quantifica la differenza che sopravvive ai giochi di prezzo: 0,22 $ per completare un task dell'Intelligence Index su M3.1 Flash contro 0,26 $ su DeepSeek V4.1 Flash 1017. Si tratta di un divario del 15% a favore di MiniMax sulla stessa valutazione, ed è l'unica affermazione economica in questo confronto misurata in modo indipendente anziché asserita dal fornitore. È importante perché il prezzo per token non te lo dice. I 0,30 $/1,20 $ di DeepSeek sembrano una penalità di 2x e si comportano come una del 15%, perché MiniMax consuma 180 milioni di token di output eseguendo l'indice contro i 210 milioni di DeepSeek e perché DeepSeek è circa due volte più veloce, a 208,7 token al secondo contro circa 105. Due modelli, due filosofie di prezzo e una differenza di costo reale di diciotto centesimi per valutazione.

Ed è anche il punto in cui uno strato di routing si guadagna il suo posto, in un modo facile da enunciare e difficile da fare a mano. OrcaRouter passa il prezzo di listino del provider con markup allo 0%, quindi quando uno dei due laboratori modifica una tariffa, il numero sulla tua fattura cambia lo stesso giorno anziché al rinnovo contrattuale successivo — e su una scheda con una finestra di picco, questa è la differenza tra un budget che imposti una volta e un budget che ricontrolli ogni ora. Oggi non abbiamo in catalogo MiniMax M3.1 Flash o DeepSeek V4.1 Flash 1017, e questo articolo non intende affermare che lo facciamo; la famiglia DeepSeek che instradiamo è un checkpoint diverso, una distinzione che vale la pena tenere ben chiara quando la stringa del modello è quella a cui il tuo codice è vincolato.

Due numeri che la tabella del benchmark non contiene

Il primo aspetto è la velocità. MiniMax dichiara oltre 200 token al secondo e un P50 superiore a 170. Artificial Analysis misura circa 105 token al secondo con la propria strumentazione, con un tempo al primo token di 1,38 secondi. DeepSeek misura 208,7 token al secondo a 1,07 secondi. Le dichiarazioni dei fornitori sul throughput sono quasi sempre misurate nel caso migliore che uno stack di serving può produrre; il dato indipendente è quello che emerge nel tuo p95. Su questa dimensione la dichiarazione di MiniMax e il risultato misurato non sono vicini, e il risultato misurato è la metà di quello di DeepSeek.

Il secondo è la licenza. DeepSeek V4.1 Flash 1017 è distribuito con licenza MIT, con i pesi su Hugging Face e 552 miliardi di parametri totali contro 16 miliardi attivi. M​iniMax afferma che i pesi di M3.1 Flash «saranno rilasciati in seguito» e non ha associato a quella promessa né una data, né una licenza, né un conteggio dei parametri. Se il vostro processo di approvvigionamento passa attraverso una revisione di sicurezza che chiede cosa succede se il fornitore sparisce, la tabella dei benchmark non è la domanda a cui state rispondendo, e nella tabella che vi è stata fornita la risposta non c'è.

Cosa cambierebbe questa interpretazione?

Tre cose, in ordine di quanto conterebbero. Esecuzioni indipendenti di DeepSWE v1.1 e Agents' Last Exam sul checkpoint di MiniMax stabilirebbero se 73,7 e 29,6 siano prudenti o generosi — al momento nessuno al di fuori dei due laboratori ha pubblicato né l'uno né l'altro. Un punteggio Automation-Bench pubblicato da MiniMax, sulla stessa release da 600 task usata da DeepSeek, darebbe all'affermazione sulle capacità agentiche il numero che al momento le manca. E un rilascio dei pesi con una licenza allegata renderebbe il modello comparabile sull'asse dove attualmente DeepSeek non ha alcuna concorrenza.

Fino ad allora, il riassunto onesto è più limitato di entrambi i post di lancio. M​iniMax M3.1 Flash è un modello più economico con cui portare a termine un compito, più lento con cui parlare, un modello chiuso da procurarsi e — sulle uniche due benchmark che entrambe le aziende hanno misurato in modo identico — quello al secondo posto. Non è la storia che la tabella era pensata per raccontare, ma è la storia che la tabella contiene. Se questa settimana state scegliendo tra i due, scegliete in base al listino prezzi e alla licenza, perché quelle sono le due righe di cui nessuno ha dovuto essere convinto.