MiniMax M3.1 Flash vs Gemini 3.5 Flash-Lite: metà prezzo, il doppio del punteggio eppure non è ancora la scelta ovvia

Gemini 3.5 Flash-Liteè in vendita dal 21 luglio 2026. MiniMax M3.1 Flashè arrivato il 19 ottobre 2026 a 0,15 $ per milione di token di input e 0,60 $ per milione di output — la metà e circa un quarto dei prezzi di Gemini 3.5 Flash-Lite pari a 0,30 $ e 2,50 $. Nell'Intelligence Index di Artificial Analysis il modello più recente ottiene un punteggio di 43 e il modello Google di 22. Quindi MiniMax M3.1 Flash costa meno su ogni voce relativa ai token ed è due volte più capace nell'indice indipendente. Poi si arriva alla riga del costo per attività, e Gemini 3.5 Flash-Lite la vince: 0,19 $ contro 0,22 $. Questa inversione è l'unico modo onesto di affrontare questo confronto, perché ti dice che la decisione non riguarda affatto i listini.

Due schede tariffarie che sembrano simili solo in apparenza

Inizia da ciò che ogni fornitore pubblica effettivamente, perché le strutture differiscono tanto quanto i numeri.

• Input — $0.15 per milione di token su MiniMax M3.1 Flash contro $0.30 su Gemini 3.5 Flash-Lite.

• Output — 0,60 $ contro 2,50 $, un divario di quattro a uno.

• Input memorizzato nella cache — $0.015 rispetto a $0.03, entrambi uno sconto del 90% sulla tariffa di input.

• Archiviazione cache — Google la tariffa a 1,00 $ per milione di token in cache all'ora. Il listino prezzi di lancio di MiniMax non dettaglia un costo di archiviazione.

• Batch and Flex — Google riduce l'input a $0,15 e l'output a $1,25 su entrambi i livelli. Il prezzo di lancio di MiniMax è una scheda piatta su tre righe, senza alcun livello batch nel materiale di lancio.

• Priorità — Google vende un livello prioritario a $0.54 per input e $4.50 per output. Il post di lancio di MiniMax non ha annunciato alcun equivalente.

• Contesto e limite di output — entrambi accettano 1 milione di token in input. MiniMax consente fino a 524.288 token in output; Gemini 3.5 Flash-Lite si ferma a 65.536.

• Pesi — MiniMax ha pubblicato il 23 ottobre un download da 252,4 GB con la sua licenza community. Gemini 3.5 Flash-Lite è proprietario.

Il tier batch merita una frase a sé, perché è l'unico punto in cui le due schede quasi si toccano. Un team che può tollerare la latenza batch ottiene l'input di Gemini 3.5 Flash-Lite a 0,15 $ — esattamente il prezzo standard dell'input di MiniMax — ma l'output a 1,25 $, comunque più del doppio dei 0,60 $ di MiniMax. Il batch riduce il divario sull'input e lascia intatto quello sull'output. Se il tuo carico di lavoro è sbilanciato verso l'output, come lo sono i carichi di lavoro degli agenti e di coding, lo sconto batch non salva il confronto.

Il divario di capacità non è affatto lieve, ma leggi la versione benchmark.

Artificial Analysis sottopone entrambi i modelli alla stessa suite, e i risultati non sono affatto vicini:

Indice di intelligenza — 43 per MiniMax M3.1 Flash, quinto posto su 173 modelli; 22 per Gemini 3.5 Flash-Lite, 44º posto.

• Terminal-Bench 4.0 — 26% contro 1%.

• AutomationBench-AA — 73% contro 25%.

• GDPval-AA — 1.458 contro 985.

• SciCode — 53% contro 41%.

Il dato di Terminal-Bench è quello che verrà citato fuori contesto, quindi necessita di contesto. La model card di Google per Gemini 3.5 Flash-Lite cita Terminal-Bench 2.1 al 54,0%. Artificial Analysis esegue Terminal-Bench 4.0 e registra l'1%. Entrambi i valori possono essere corretti, perché sono generazioni diverse del benchmark che testano cose diverse. Ciò che significa l'1% non è che Flash-Lite non sappia usare un terminale; significa che quasi mai completa le attuali difficili attività terminali end-to-end senza aiuto. Ciò che significa il 54% è che ha ottenuto buoni risultati su una versione precedente del benchmark. Chiunque confronti il modello con MiniMax M3.1 Flash su "Terminal-Bench" senza specificare la versione sta confrontando due test diversi.

La distinzione tra fornitore e indipendente conta altrettanto. La scheda di Google riporta anche SWE-Bench Pro al 54,2%, OSWorld-Verified al 74,0% e GDM-MRCR al 72,2% su contesti da 128K — tutti dati dichiarati dal fornitore, tutti sulle impostazioni scelte da Google. Il post di lancio di MiniMax riporta BankerToolBench a 76,2, DeepSWE v1.1 al 73,7% e OSWorld V2 a 61,7, anch'essi dichiarati dal fornitore. Le uniche righe in questo articolo che sottopongono entrambi i modelli allo stesso harness sono quelle di Artificial Analysis, ed è per questo che sostengono la tesi.

Perché il modello più costoso può comunque costare meno per attività

Artificial Analysis misura un costo per attività completata dell'Intelligence Index pari a 0,19 $ per Gemini 3.5 Flash-Lite e 0,22 $ per MiniMax M3.1 Flash. Sembra impossibile a fronte di un divario di prezzo dell'output di quattro a uno, finché non si ricorda che cosa misura la metrica: i token effettivamente consumati, moltiplicati per le tariffe del fornitore. Non è un confronto tra listini prezzi. È una misura di quanto lavoro svolge ciascun modello per completare la stessa attività.

MiniMax M3.1 Flash è un ragionatore prolisso. Artificial Analysis ha registrato circa 180 milioni di token di output sull'indice per M3.1 Flash, contro una mediana di circa 100 milioni per i modelli monitorati. Il costo di Gemini 3.5 Flash-Lite di $0,19 per attività, a circa un terzo del prezzo misto per token di MiniMax, implica che completa lo stesso indice con molti meno token. Si tratta di un'inferenza basata su due numeri pubblicati, non di un'affermazione del fornitore, ma punta nella stessa direzione: nei compiti in cui la riflessione extra di M3.1 Flash porta a una risposta corretta, la spesa in token è un buon affare. Nei compiti in cui la risposta non è mai stata in dubbio, la riflessione è uno spreco, e il modello più economico per token diventa quello più costoso per attività.

Esegui il calcolo della fattura su un carico di lavoro che potresti effettivamente avere: 20 milioni di token di input al mese con un tasso di cache hit del 60%, più 3 milioni di token di output.

• MiniMax M3.1 Flash — 8 milioni di input nuovi a $0,15 fanno $1,20; 12 milioni in cache a $0,015 fanno $0,18; 3 milioni di output a $0,60 fanno $1,80. Totale $3,18.

• Gemini 3.5 Flash-Lite — 8 milioni di input nuovi a $0,30 fanno $2,40; 12 milioni in cache a $0,03 fanno $0,36; 3 milioni di output a $2,50 fanno $7,50. Totale $10,26, prima dell'archiviazione della cache.

Si tratta di una differenza di 3,2x a favore di MiniMax. Riduci l'output a mezzo milione di token, la forma di un lavoro di classificazione o estrazione, e diventa $1,68 contro $4,01 — ancora 2,4x. Metti Gemini sul suo livello batch con l'output da 3 milioni di token e arriva a $5,19, ancora 1,6x MiniMax. L'aritmetica per token non vacilla.

Quindi l'inversione del costo per attività è reale ma limitata, e riguarda l'efficienza dei token più che il prezzo. Se il tuo carico di lavoro assomiglia all'Intelligence Index — attività brevi e ben specificate in cui un modello più piccolo può concludere rapidamente — l'efficienza di Flash-Lite può annullare il divario del listino. Se il tuo carico di lavoro assomiglia alla fattura sopra, non lo farà. L'unica previsione affidabile sono i tuoi conteggi di token sui tuoi prompt, misurati su entrambi.

La velocità è due misurazioni che puntano in direzioni opposte

La storia della velocità è più interessante di “uno è più veloce”, perché i due modelli si aggiudicano metà diverse della questione.

• Tempo al primo token: 1,48 secondi su MiniMax M3.1 Flash contro 6,94 secondi su Gemini 3.5 Flash-Lite. Il modello MiniMax inizia a rispondere quasi cinque volte prima.

• Throughput in uscita — 95,6 token al secondo contro 430,2. Una volta avviato, Flash-Lite trasmette in streaming circa quattro volte e mezzo più velocemente.

Quale numero conti dipende dalla forma della chiamata. In un'interfaccia di chat, la latenza del primo token è ciò che l'utente percepisce; un modello che si blocca per sette secondi prima della prima parola sembra guasto, indipendentemente da quanto velocemente generi poi. In una generazione lunga — un rapporto da 100.000 token, un grande refactor — il throughput domina il tempo effettivo e chi parte lentamente può finire prima. In un ciclo agentico, dove ogni passo è una breve chiamata a uno strumento e il ciclo viene eseguito venti volte, il tempo al primo token viene pagato venti volte e il throughput conta appena.

Due avvertenze. Artificial Analysis ha misurato 95,6 token al secondo per M3.1 Flash, mentre il materiale di MiniMax stesso dichiara una mediana superiore a 170 e picchi superiori a 200 — un promemoria del fatto che il percorso di serving e le condizioni di misurazione spostano molto questo numero. E i 430 token al secondo di Flash-Lite sono davvero veloci, ma il suo limite di output di 65.536 token significa che il caso di generazione lunga in cui quella velocità renderebbe di più è limitato. Il limite di 524.288 token di MiniMax è otto volte più grande.

La dispersione tra provider è più ampia del divario tra i modelli. La pagina di OrcaRouter stessa per Gemini 3.5 Flash-Lite riporta un p50 del tempo al primo token di 3,59 secondi e un p95 di 10,00 secondi tra i provider a cui instrada, rispetto al valore di 6,94 secondi di Artificial Analysis. Non è una contraddizione; è l'aspetto che ha un modello instradato quando backend diversi lo servono. Significa anche che il modo onesto di confrontare questi due modelli sulla latenza è misurare la propria route, non fidarsi di un singolo numero di nessuno dei due fornitori.

La riga che dovrebbe decidere il lavoro regolamentato

La valutazione AA-Omniscience di Artificial Analysis assegna a MiniMax M3.1 Flash un punteggio di 16: il 56% delle domande fattuali ha ricevuto una risposta corretta e il tasso di allucinazione è del 93%. Quest'ultimo dato non significa che il 93% delle risposte fosse sbagliato. Significa che, tra le risposte non corrette, il 93% era del tutto errato anziché una risposta parziale o un rifiuto: il modello di solito risponde quando dovrebbe rifiutarsi.

La pagina Artificial Analysis di Gemini 3.5 Flash-Lite non riporta alcun punteggio AA-Omniscience, quindi i due non possono essere confrontati sull'astensione. Quell'assenza non è un certificato di buona salute; sono dati mancanti. Ciò che si può dire è che un modello con un tetto di capacità inferiore e una forte propensione alle risposte brevi può fallire in modo diverso — rifiutandosi di rispondere o producendo output evidentemente scarni — ma non esiste alcuna misurazione pubblicata che lo dimostri. Non dare per scontato che il modello più piccolo sia più sicuro solo perché è più piccolo.

Per attività di programmazione e agentiche, AA-Omniscience è un cattivo predittore: non viene chiesto al modello di ricordare fatti, gli viene chiesto di agire su file e risultati di strumenti. Per qualsiasi cosa che assomigli al lavoro intellettuale — riassumere un contratto, rispondere alla domanda di un cliente su una policy, estrarre una cifra da un documento depositato — la cifra del 93% è la prima cosa da tenere presente in fase di progettazione, non l'ultima. Il recupero delle informazioni, la verifica delle citazioni e una fase di revisione umana non sono opzionali in quel contesto, e un prezzo per token più basso non compensa il costo di una risposta sbagliata data con sicurezza.

Una regola decisionale che sopravvive al tuo stesso carico di lavoro

• Classificazione, estrazione, routing e traduzione ad alto volume con output brevi — Gemini 3.5 Flash-Lite. L'indice 22 è sufficiente per compiti ristretti, i 430 token al secondo sono il punto, e 65,536 token di output sono abbondanti. Il suo livello batch a $0.15 di input rende il caso del volume più forte.

• Coding su scala repository, agenti multi-step, documenti lunghi, output di lunga forma — MiniMax M3.1 Flash. Terminal-Bench 4.0 al 26% contro l'1% è il divario rilevante, 524.288 token di output eliminano un limite invalicabile, e il prezzo di input è dimezzato.

• Accesso on-premises o ai pesi — MiniMax M3.1 Flash, e solo quello. Il download da 252,4 GB è reale, ma è disciplinato dalla MiniMax Community Licence: l'attribuzione è obbligatoria per le implementazioni commerciali e, oltre i 20 milioni di dollari di fatturato annuo, è richiesta un'autorizzazione scritta preventiva. "Open weights" non significa "open source", e gli addetti agli acquisti dovrebbero leggere la licenza prima del numero di parametri.

• Chat sensibile alla latenza — testali entrambi. MiniMax vince ampiamente sul tempo al primo token; Gemini vince sul throughput in streaming. Quale dei due sembra più veloce dipende dalla lunghezza della risposta.

• Risposta non supervisionata a domande fattuali — nessuno dei due senza recupero e verifica. MiniMax M3.1 Flash ha un problema di astensione misurato; Gemini 3.5 Flash-Lite non ha alcuna misurazione pubblicata.

Dove ciascuno è effettivamente richiamabile

C'è un'asimmetria che vale la pena enunciare chiaramente. Gemini 3.5 Flash-Lite è oggi nel catalogo di OrcaRouter, quindi può essere chiamato tramite una singola chiave API al prezzo di listino del provider con 0% di ricarico, con failover automatico tra provider e con il DSL di routing disponibile per comporlo con altri modelli. MiniMax M3.1 Flash non è nel catalogo; la linea MiniMax lì si ferma a MiniMax-M3. Chiamare M3.1 Flash significa ricorrere all'API di MiniMax stessa o a uno dei suoi partner di servizio, tra cui Tenstorrent Cloud, che ha annunciato il deployment il 22 ottobre.

Questo conta più per la valutazione che per la produzione. Se vuoi risolvere la questione del costo per attività sui tuoi dati, il confronto utile è spesso MiniMax-M3 contro Gemini 3.5 Flash-Lite su una singola chiave, perché entrambi sono instradabili e misurati a consumo allo stesso modo; il modello più recente deve quindi superare quella baseline prima che tu aggiunga un secondo fornitore. OrcaRouter applica invariati i prezzi di listino dei fornitori, quindi una variazione di prezzo di MiniMax o un livello batch di Google compare sulla tua fattura lo stesso giorno in cui cambia, non alla fine di un contratto negoziato.

La scelta dipende da quale numero puoi permetterti di sbagliare.

Se scegli Gemini 3.5 Flash-Lite e ti sbagli sulle sue capacità, il fallimento è visibile: 1% su Terminal-Bench 4.0 e un punteggio del 25% su AutomationBench-AA non si nascondono. Vedrai il task fallire e lo sposterai su un altro modello.

Se scegli MiniMax M3.1 Flash e sbagli sul costo, l'errore è minore di quanto suggerisca il tariffario: nell'esempio sopra misurato in token costa da due a tre volte meno, mentre sulla metrica per attività di Artificial Analysis costa circa il 16% in più. Nessuno dei due esiti è catastrofico.

Se scegli MiniMax M3.1 Flash e ti sbagli sull'astensione, il fallimento è silenzioso. È questa l'asimmetria che dovrebbe guidare la decisione nel lavoro basato sulla conoscenza, ed è il motivo per cui questo confronto non si conclude con «vince il modello più economico e più intelligente». Per i carichi di lavoro agentici e di programmazione, dove il modello agisce su artefatti che puoi ispezionare, MiniMax M3.1 Flash è la scelta più forte a un prezzo per token inferiore. Per l'elaborazione ad alto volume di risposte brevi, la velocità e l'efficienza nei compiti di Gemini 3.5 Flash-Lite si guadagnano comunque il loro posto. Per il lavoro fattuale senza un livello di verifica, la risposta onesta è che nessuno dei due modelli se l'è guadagnato.