MiniMax M3.1 Flash vs GLM-5.3-Flash: le tariffe coincidono, quindi decidi sulle righe che non coincidono

I due listini prezzi sono, in pratica, lo stesso listino. M​iniMax M3.1 Flash costa $0,15 per milione di token in input e $0,60 per milione in output. GLM-5.3-Flash costa $0,15 e $0,50. Combinali come fa Artificial Analysis ed entrambi arrivano a $0,10 per milione. Le loro misurazioni indipendenti di intelligenza distano un punto — 43 contro 42 sull'indice attuale. Quindi un confronto che si ferma al prezzo e al punteggio non ha nulla da dire, ed è per questo che la maggior parte si ferma lì e poi raccomanda il modello che l'autore si è trovato a testare. La decisione tra M​iniMax M3.1 Flash e GLM-5.3-Flash vive interamente nelle righe che non coincidono: cosa ti è consentito fare con i pesi, cosa succede quando il tuo output raggiunge un tetto, cosa puoi dare in pasto al modello e se la cosa sia persino acquistabile tramite l'endpoint che già usi.I listini prezzi e le tabelle di benchmark omettono entrambi come questi modelli falliscono una volta in produzione, e gli incidenti registrati sono catalogati in l'OrcaRouter AI Incident Archive dove ogni voce riporta le proprie fonti, la gravità, il grado di confidenza e il flag di contestazione.

• Sei righe, su entrambi i lati

• Prezzo — M​iniMax M3.1 Flash: 0,15 $ input e 0,60 $ output per milione, input in cache 0,015 $; GLM-5.3-Flash: 0,15 $ e 0,50 $, input in cache 0,03 $. Entrambi si combinano a 0,10 $ per milione con un mix 7:2:1 di input, input in cache e output.

• Punteggio indipendente — Intelligence Index 43 per M​iniMax M3.1 Flash, 42 per GLM-5.3-Flash, sulla stessa versione dell'indice consultata lo stesso giorno. Un punto rientra nel rumore di una singola esecuzione di valutazione.

• Costo per attività completata — 0,22 $ per attività di indicizzazione con M​iniMax M3.1 Flash, rispetto a 0,28 $ con GLM-5.3-Flash. Il prezzo più basso si traduce anche in un costo per attività inferiore, di circa il 21%.

Output massimo — non pubblicato da M​iniMax per M3.1 Flash; 128.000 token per GLM-5.3-Flash. Entrambi dichiarano una finestra di contesto da 1 milione di token, ma solo uno dei due indica quanto può essere restituito.

• Input — testo, immagine e video per M​iniMax M3.1 Flash; testo, immagine, video e file per GLM-5.3-Flash. Il video da entrambe le parti è l'elemento insolito; il caricamento dei file da una sola parte è l'elemento operativo.

Pesi aperti — GLM-5.3-Flash è distribuito con licenza MIT, 320 miliardi di parametri totali con 18 miliardi attivi, scaricabile oggi. MiniMax afferma che i pesi di M3.1 Flash saranno rilasciati in seguito, senza licenza e senza una data legata alla promessa.

Perché un punto sull'indice non è un motivo per scegliere l'uno o l'altro

L'Intelligence Index è un composito ponderato: agenti al 30%, coding al 20%, ragionamento scientifico al 20%, generale al 30%, costruito a partire da dieci valutazioni, tra cui AA-Briefcase e AA-Omniscience al 15% ciascuna. Un singolo punto su un composito di questo tipo può derivare da una singola sotto-valutazione che si sposta di un paio di punti. Leggilo come un pareggio e avrai ragione molto più spesso di quanto avrai torto. Leggilo come una classifica e stai scegliendo un modello di produzione sulla quarta cifra significativa di un sondaggio.

Il confronto dei costi per attività è più utile del confronto degli indici, e indica anche la stessa direzione del prezzo di listino. A $0.22 per attività completata, M​iniMax M3.1 Flash svolge il lavoro dell'indice a un costo inferiore rispetto ai $0.28 di GLM-5.3-Flash, nonostante una tariffa di output per token più alta. È l'aritmetica di verbosità e caching che fa il suo lavoro: GLM-5.3-Flash addebita un terzo in più per token di output e ne recupera meno tramite cache, quindi la tariffa di output apparentemente più conveniente sulla scheda di M​iniMax è davvero più conveniente nel complesso. Se il tuo carico di lavoro è un ciclo di agente di lunga durata in cui la maggior parte della bolletta è costituita da token di output riletti, quel 21% è il numero che compare nella voce mensile.

La velocità si separa nettamente, e lo fa a scapito del modello più economico

Questa è la dimensione in cui i due smettono di essere intercambiabili. MiniMax M3.1 Flash misura circa 105 token al secondo in output, con un tempo al primo token di 1,38 secondi. GLM-5.3-Flash misura 76,8 token al secondo, con un tempo al primo token di 2,57 secondi. MiniMax è circa il 36% più veloce una volta avviato e circa due volte più rapido a partire. Per un'interfaccia interattiva — un editor, un riquadro di chat, un assistente alla programmazione in cui il primo token è ciò che l'utente sta aspettando — un vantaggio di 1,2 secondi sul TTFT è la differenza tra uno strumento che sembra reattivo e uno che sembra stia riflettendo. Per una pipeline batch, il divario di throughput conta più di quello di latenza, e favorisce comunque MiniMax.

Entrambi i modelli ti fanno pagare il ragionamento, che tu lo voglia o no. M​iniMax rifiuta una richiesta che tenti di disabilitare del tutto il ragionamento. La documentazione di Z.ai dice la stessa cosa con parole diverse: il ragionamento non può essere disattivato e lo sforzo massimo è l'impostazione consigliata. Quindi nessuna delle due parti offre la leva di costo che ti dà un modello con ragionamento attivabile/disattivabile, ed entrambe fatturano i token di ragionamento come output. Se speravi che uno di questi due fosse l'opzione economica e silenziosa per un lavoro di classificazione ad alto volume, nessuno dei due lo è. È una proprietà della fascia, non di uno dei due fornitori.

Il tetto di 128K per le risposte è la riga che decide il lavoro reale

GLM-5.3-Flash dichiara un output massimo di 128.000 token. MiniMax non dichiara nulla per M3.1 Flash — non un numero basso, non un avvertimento, nulla sulla pagina del modello né nella documentazione API che riusciamo a trovare. In pratica, ciò significa che non puoi sapere, prima di inviare una richiesta, se una generazione di codice da 40.000 token verrà completata o troncata. Puoi scoprirlo empiricamente e puoi costruirci attorno un meccanismo di retry, ma non puoi inserirlo in un piano di capacità o in un contratto.

Per la maggior parte del traffico in forma di chat questo è invisibile. Per i carichi di lavoro che rendono interessante un livello Flash — riscritture di interi file, lunghi transcript di agenti, estrazione strutturata da un documento di grandi dimensioni — il tetto di output è la prima cosa che si rompe, e si rompe in silenzio. Un modello che tronca a una lunghezza non documentata e restituisce una risposta parziale ben formata è peggiore da gestire rispetto a un modello che rifiuta la richiesta. Se una qualsiasi parte della tua pipeline genera più di qualche migliaio di token in una singola chiamata, questa singola riga non pubblicata dovrebbe pesare più della differenza di un punto nell'indice e del vantaggio di costo del 21% messi insieme.

Qui i pesi aperti non sono una questione filosofica.

GLM-5.3-Flash è distribuito con licenza MIT e pesi scaricabili, 320 miliardi di parametri totali e 18 miliardi attivi, il che lo colloca nella fascia in cui un team serio può self-hostare su un nodo multi-GPU e un team più piccolo può almeno verificare ciò per cui è stato addestrato. M​iniMax M3.1 Flash oggi è a codice chiuso, e la promessa di pesi successivi è esattamente questo — una promessa senza licenza, senza numero di parametri e senza data. I processi di approvvigionamento che si chiedono "qual è la nostra via d'uscita se questo fornitore cambia i termini" hanno una risposta da un lato e una frase dall'altro.

C'è anche un aspetto legato ai costi nascosto in tutto ciò, ed è quello che nessuno inserisce in una tabella comparativa. Un modello a pesi aperti pone un tetto a quanto qualsiasi fornitore può farti pagare per esso, perché l'alternativa è sempre eseguirlo da te. Un modello chiuso non ha un tale tetto; il fornitore stabilisce il prezzo e tu lo accetti o migri. A parità di tariffe miste oggi, la licenza di GLM-5.3-Flash è ciò che mantiene onesta la sua tariffa il prossimo anno, e quella di M​iniMax è ciò che lascia la tariffa interamente a discrezione di M​iniMax.

La disponibilità è il punto in cui il pareggio si rompe davvero

GLM-5.3-Flash è disponibile dal 26 agosto 2026 ed è nel catalogo di OrcaRouter come z-ai/glm-5.3-flash, a $0,15 per milione di token in input e $0,50 per milione di token in output, con input in cache a $0,03, oltre a uno SKU gratuito per la valutazione e al più grande z-ai/glm-5.3 a $1,26 e $3,96 se ti serve il modello di punta. MiniMax M3.1 Flash, lanciato da due giorni al momento in cui scriviamo, è raggiungibile tramite l'API proprietaria di MiniMax, M Plan e MiniMax Code, e non è nel nostro catalogo — non abbiamo intenzione di lasciar intendere che lo sia, e la pagina del modello non restituisce nulla quando la si cerca.

Quell'asimmetria vale più di quanto sembri quando confronti due modelli che costano lo stesso. Portare GLM-5.3-Flash in un codebase è una stringa di modello. Portare M​iniMax M3.1 Flash dentro significa una seconda relazione con un fornitore, una seconda struttura di fatturazione e un secondo insieme di limiti di frequenza, oltre a quello che hai già.un unico punto in cui il prezzo di listino di un fornitore viene passato con un ricarico dello 0% così una variazione delle tariffe arriva in fattura il giorno in cui avviene anziché al rinnovo successivo. Se in futuro M​iniMax inserisce M3.1 Flash su un endpoint instradabile, la decisione diventa quella tra due modelli invece che tra due contratti. Oggi non succede, e fingere il contrario sarebbe il tipo di confronto che questo blog esiste per evitare.

Quale chiamare

Se il tuo lavoro è interattivo, con molto output e vive all'interno di uno stack compatibile con OpenAI già esistente, GLM-5.3-Flash è la risposta più semplice: stesso prezzo misto, un tetto di output pubblicato, una licenza MIT su cui puoi agire già oggi, input di file e video e una voce in catalogo che lo rende una modifica da una riga. Il primo token in 2,57 secondi è il prezzo da pagare, e per gli agenti in background è un prezzo che vale la pena pagare.

Se il tuo lavoro è sensibile alla latenza e l'output è limitato — un classificatore di instradamento, un generatore di contenuti brevi, un passo dell'agente che restituisce un piano anziché un file — M​iniMax M3.1 Flash è il modello più veloce con il costo per attività più basso, e il suo tetto di output non pubblicato non viene mai messo alla prova perché non ci si avvicina mai. Sceglilo per il throughput e per il primo token a 1,38 secondi, non per l'indice, e sii consapevole che stai adottando un modello chiuso con una frequenza che nessuno ha limitato.

Quello che non dovreste fare è scegliere tra loro sulle tabelle di benchmark. Entrambi i fornitori hanno pubblicato numeri su harness di propria scelta, nessuno ha eseguito quello dell'altro, e l'unico benchmark che entrambe le famiglie hanno riportato storicamente — DeepSWE — è stato eseguito in harness diversi nelle release dei due laboratori abbastanza spesso che un confronto tra colonne è congettura travestita da decimale. Le due cifre in questo articolo misurate allo stesso modo per entrambi i modelli sono l'indice e il costo per attività, e queste due dicono che i modelli hanno lo stesso prezzo e la stessa capacità. Tutto ciò che effettivamente differisce è un termine di licenza, un limite documentato o una riga in un catalogo.