DeepSeek V4 Pro vs MiniMax M3: オープンウェイトフラッグシップ対決

DeepSeek V4 ProとMiniMax M3は、今年のコーディング王者の座を争う2つのオープンウェイト旗艦モデルだが、興味深いのはその勝ち方が大きく異なることだ。6月1日にリリースされたMiniMax M3は、フロンティア級のコーディング性能、100万トークンのコンテキスト、ネイティブなマルチモーダル入力を1つのパッケージで実現すると主張する初のオープンウェイトモデルで、MiniMaxのSparse Attentionアーキテクチャ上に構築されている。4か月のプレビュー期間を経て8月13日に正式版が登場したDeepSeek V4 Proは、推論特化モデルだ。1.6兆パラメータのMixture-of-Experts（アクティブパラメータは490億）を擁し、言語モデルとして史上最高のCodeforcesレーティングを記録、エージェント性能のスコアカードも大幅に強化されている。両モデルともMITライセンスで、コストも安く、10倍から50倍の価格のモデルに対して積極的に挑んでいる。

「“両方オープンウェイト”という見出しは、本当の違いを隠している。これらは、ロゴが違うだけで同じものを作っている2社ではない。M3は長文コンテキストの経済性に賭けている——スパースアテンションにより、100万トークンのウィンドウを実際に使えるほど安くする。DeepSeek V4 Proは純粋な推論の深さに賭けている——答える前に深く考える、巨大なエキスパートパラレルMoEだ。「コーディングにどちらが優れているか」は、コーディングのどの部分を指すか、そして入力がスタックトレースかスクリーンショットかによって変わることがわかる。

2つのアーキテクチャ、2つの賭け

DeepSeek V4 Proは、これまでに公開されたオープンウェイトモデルの中で最大規模です。総パラメータ数は1.6兆、トークンあたりのアクティブパラメータは490億、61層のMoEアーキテクチャで384のルーティングエキスパート（top-6）を備え、FP4のエキスパートウェイトとFP8のアテンション、さらに圧縮および高圧縮スパースアテンションを組み合わせたハイブリッドアテンション設計を採用しています。FP8では約862GBのメモリが必要となるため、セルフホスティングはワークステーションではなく、8基のH100搭載環境が対象となります。現在MITライセンスで提供されダウンロード可能なモデルは、今週リリースされた公式APIビルドと同じものです。

MiniMax M3は、より小型で無駄のないマシンです。総パラメータ数は約4,280億、トークンごとにアクティブなパラメータは約230億で、M​iniMax Sparse Attention (MSA)を中心に構築されています。ベンダーは、MSAによりトークンあたりの計算量が前世代の約20分の1に削減され、長いコンテキストではプリフィルが9倍以上、デコードが15倍以上高速化されると主張しています。それがこのモデルの要点です。100万トークンのウィンドウは、その内部での推論が手頃なコストで行えて初めて有用であり、MSAがそれを実現しています。M3はまた、画像と動画の入力をネイティブで受け付けますが、V4 Proにはそれがありません。

両方とも1,048,576トークンのコンテキストを備えている。DeepSeek V4 Proは最大出力が384Kで頭打ちとなる一方、MiniMax M3はさらに高く512Kが上限だ。両方とも切り替え可能な思考モードを搭載しており、DeepSeek V4 Proはデフォルトで思考がオン、M3はスイッチとして公開されている。

DeepSeekの正式リリースが変えたもの

今週より前に書かれた現在の比較は、誤ったDeepSeekモデルを比較している。4月24日から稼働していたプレビューは推論モデルで、DeepSWEスコアは12.8だった。公式ビルドであるDeepSeek-V4-Pro-0813は、DeepSeek自身の評価でこれを62.7に引き上げ、Responses API、Codex統合、OpenAI互換およびAnthropic互換のエンドポイントを追加した。つまり、一方と通信するのと同じクライアントコードで他方とも通信できる。ベンダーのカード上のエージェント系スコアは現在、AnthropicのFable 5に近い位置にある。Terminal-Bench 2.1は87.9（Fable 5: 88.0）、CyberGymは83.3（Fable 5: 83.1）、AutomationBenchは31.8（Fable 5: 29.1）だ。これらは、リリースからまだ1日しか経っていないビルドに関するDeepSeek報告の数値であり、独立した研究所による再現はまだない。主張として扱うべきだが、その主張はもはや控えめなものではない。

コーディングのスコアボード、そしてどの数字が誰のものなのか

最もよく引用されるコーディングベンチマークでは、2つのモデルは結果を分け合っており、その分け方は示唆に富む：

• LiveCodeBench — DeepSeek V4 Pro 93.5、このベンチマークにおける最強のオープンウェイト結果であり、最も引用された勝利です。

• SWE-Bench Verified — DeepSeek V4 Pro 80.6 vs MiniMax M3 80.5、実質的に引き分け。

• SWE-Bench Pro — MiniMax M3 59.0 vs DeepSeek V4 Pro 55.4、エージェント型ソフトウェアエンジニアリングにおけるM3による3.6ポイントの有意なリード。

• Terminal-Bench 2.1 — DeepSeek V4 Pro 67.9 vs MiniMax M3 66.0、僅差。

• BrowseComp — MiniMax M3 83.5、多くのクローズドモデルを凌駕するブラウザベースのリサーチエージェントスコア。

• Codeforces — DeepSeek V4 Pro 3206、言語モデルとして記録された最高評価。

それらの行のうち最初の4つはベンダー報告によるものです。Artificial Analysis Intelligence Indexは、両方が掲載されている唯一の独立した数値であり、非推論構成ではMiniMax M3が44、DeepSeek V4 Proが32とランク付けされています（推論構成は執筆時点でAAではスコアリングされていませんでした）。今月発表された第三者によるコーディング対決では、より鋭い評価が示されています。MiniMax M3は実世界の実装タスクで総合最高スコアを獲得し、審査員はその「産業グレード」のコードを賞賛しました。一方、DeepSeek V4 Proは最良のアーキテクチャ設計者と評されましたが、ビジネスロジックを実際に動作するコードにまで落とし込む点では弱く、「考えるのは得意だが、実行するのは苦手」とされました。競技プログラミング風のアルゴリズム問題については、CodeforcesとLiveCodeBenchの数値はV4 Proを示しています。仕様を完成されテスト済みのサービスに変えることについては、実世界の結果はM3に傾いています。

マルチモダリティこそが真の分岐点だ

ベンチマークを除けば、決定的な違いは入力モダリティです。MiniMax M3はテキスト、画像、ビデオをネイティブに受け付け、コンピューター操作とビジュアルグラウンディングをサポートします——エージェントは図を読み取り、画面を監視し、見たものに基づいて行動できます。DeepSeek V4 Proはテキスト専用で、純粋なコードやドキュメントパイプラインにはまさに適しており、答えが画像内にあるものには役に立ちません。コーディングエージェントがイシューやリポジトリから作業する場合、V4 Proのテキスト重視は何のコストもかかりません。UIモックアップ、クラッシュスクリーンショット、ホワイトボードの写真を確認する必要がある場合、この2つのうちでそれができるのはM3だけです。

価格と速度：二つの異なる曲線

OrcaRouterがそのまま通すプロバイダー定価では、2つのモデルは異なる場所でそれぞれ安価です：

• DeepSeek V4 Pro — 入力100万トークンあたり$0.44、出力100万トークンあたり$0.88、キャッシュ入力は100万トークンあたり$0.0035。

• MiniMax M3 — 入力100万トークンあたり$0.30、出力100万トークンあたり$1.20、キャッシュ入力100万トークンあたり$0.06。

M3は入力とキャッシュに強く、V4 Proは出力に強い。そして出力こそ、思考トークンが課金される部分だ。DeepSeek V4 Proはデフォルトで思考モードがオンになっており、その推論は冗長なため、長いエージェント実行では、より安いM3の入力コストにもかかわらず、複合コストがV4 Pro側に傾く可能性がある。速度は逆で、MiniMax M3はプロバイダーによって毎秒80～145出力トークン、DeepSeek V4 Proはおよそ54～65トークンだ。M3のスパースアテンションの利点は長いコンテキストで最も顕著になり、デコードは高速を維持する一方、V4 Proはアテンションコストが上昇する。

両方とも単一のOpenAI互換キーの背後にあるOrcaRouter上にあるため、これは見た目ほど五分五分の選択ではありません。本番パスでは、アルゴリズム処理と長文作成のパスにはDeepSeek V4 Proを、マルチモーダル処理と長コンテキストのパスにはMiniMax M3をルーティングし、ルーティングDSLまたはモデルフュージョンを使用して単一の呼び出しで連携させることができます。各プロバイダーはリスト価格で課金され、マークアップは0%で、一方のプロバイダーのエンドポイントが不安定になった場合には自動フェイルオーバーが行われます。

どれが合いますか？

• 競技プログラミング、アルゴリズム的推論、数学、1回の呼び出しあたりの最大出力 → DeepSeek V4 Pro。Codeforces と LiveCodeBench の結果は、オープンウェイトの中で最強の数値です。

• 仕様を完成したサービスに変える、長時間の自律エージェント実行 → MiniMax M3（実世界のコーディングコンテストと、そのエージェント型SWE-Bench Proでのリードに基づく）

• テキスト以外の入力（スクリーンショット、図表、動画の静止画）→ MiniMax M3、ここでは唯一のマルチモーダルオプションです。

• 手頃な価格で高速な処理を維持しなければならない百万トークンのコンテキスト → 前世代比でプリフィル9倍、デコード15倍の性能向上を実現するMiniMax M3のスパースアテンション

• テキストの出力コストが最安 → DeepSeek V4 Proは$0.88、M3は$1.20。特に思考モードをオンにした場合。

• 控えめなデータセンターGPUでのセルフホスティング → MiniMax M3はアクティブフットプリントが小さい；V4 Proの862 GB FP8チェックポイントは本格的なクラスタを必要とする。

どちらのモデルも評価はまだ定まっておらず、両方とも急速に動いています。DeepSeek V4 Proの公式ビルドは今週リリースされたばかりで、独立したベンチマークはまだ取られていません。MiniMax M3のウェイトは公開が約束されたものの、オープンリポジトリに完全にはまだ揃っていません。さらにDeepSeekはV4ラインの値上げを発表しました。今日選ぶ必要があるなら、モダリティとワークロードで選びましょう。マルチモーダルで長文脈のエージェント型作業はMiniMax M3へ、最も低い出力価格での純粋なテキスト・コード推論はDeepSeek V4 Proへ。そして両方を一緒にルーティングしておけば、どちらかのモデルの最初の独立スコアボードが出たとき、トラフィックの切り替えは書き直しではなく設定変更だけで済みます。