MiniMax M3.1 Flash vs DeepSeek V4.1 Flash：2社のベンダー表が実際に一致している点

2行。MiniMaxのローンチ表のうち、DeepSeekが自ら公表した数値との比較に耐えるのは、それだけだ。そして、どちらかのベンダーの見出しが繰り返される前に、はっきりそう言っておく価値がある。MiniMax M3.1 Flashと、DeepSeekが2日前に公開した1017チェックポイントであるDeepSeek V4.1 Flashの両方が同じ評価でスコアを公表した2つのベンチマークでは、新しい方のモデルが後れを取っている。MiniMaxは2026年10月19日にM3.1 Flashをリリースし、その表はエージェント作業、コーディング、コンピュータ操作、サイバーセキュリティを網羅し、自社の前世代からの世代的な飛躍をうたっていた。DeepSeekは2026年10月17日にV4.1 Flash 1017をリリースし、モデルカードでも同じことをしていた。両者を並べてみて興味深いのは、どちらが勝つかではない。それぞれの表のどれだけ少ない部分が、そもそも比較できるように作られているか、だ。ベンダーの表は一種の証拠であり、インシデント記録はまた別の証拠だ。そのため、このようなリリースの背後にある障害はthe OrcaRouter AI Incident Archiveに記録されており、各項目には独自の情報源、重大度、信頼度グレード、異議ありフラグが付いている。

MiniMaxが実際に数値化したもの

M​iniMaxの投稿は大半より具体的だ。冒頭で6つの数値を示している。BankerToolBench 76.2、DeepSWE v1.1 73.7%、OSWorld V2 61.7、Agents' Last Exam 29.6、CyberGym 82%、そして要約文ではスコアを示さずにAutomation-Benchで最高性能を達成したという主張だ。それらに加えて、スループットに関する2つの主張 — 置き換えるモデルよりオンライン推論が約3倍高速であること、P50が170を超える状態で毎秒200トークン以上であること — と、エージェントタスクでコストが70%低いという主張がある。これらはすべてベンダーによる報告であり、再現されていない。M​iniMaxが実行し、M​iniMaxが公表したもので、ハーネスは脚注でのみ名指しされている。

脚注の箇所で、この表は崩れ始める。M​iniMax によれば、BankerToolBench は OpenCode 1.1718 ハーネスで評価され、同社の旧モデルである MiniMax-M2.7 によって判定された。これは自己判定型のベンチマークだ。M​iniMax のモデルが、M​iniMax のモデルが生成した出力を、M​iniMax が選んだタスクセット上で採点している。運営自体は完璧かもしれない。しかし、他者が保守するハーネスで公開しているラボに対して突きつけられる証拠にはならない。

揃っている2つの行

DeepSWE v1.1は、真に共通した唯一の測定項目だ。両研究所ともこれを報告し、どちらもハーネス名を明示している。DeepSeekはモデルカードでMini-SWE-V2と述べ、MiniMaxも同じベンチマークバージョンを報告している。MiniMaxは73.7%を主張する。DeepSeekは1017チェックポイントについて77.0%を主張し、それが置き換えたV4.1 Flashリリースの74.2%と対比している。したがって、ここでの順位は曖昧ではなく、新しい方のモデルにとって芳しいものでもない。DeepSeekの10月17日リリースは、両社が同じ方法で測定した唯一のコーディングエージェントベンチマークにおいて、MiniMaxの10月19日リリースを上回っており、しかもその過程で自社の前回リリースを3ポイント近く上回っている。

Agents' Last Examは、より大きな差で同じ構図を示している。M​iniMaxは29.6を報告。D​eepSeekは1017について35.4を報告しており、前のチェックポイントの31.8から上昇している。これはエージェントにとって難しくなるよう設計されたベンチマークでの5ポイント差であり、2日古いモデルが余裕をもって先行する2行連続の結果となっている。

2つの表のその他の項目はすべて、異なる測定環境で測定されているか、異なるモデルによって判定されているか、片方の側だけが公開しているかのいずれかだ。D​eepSeekのカードには、Claude CodeハーネスでのTerminal-Bench 4.0が42.3、ツールなしのHLEが42.6、ProgramBenchが29.1、Apex Bench v1.1が72.1、Automation-Bench v1.0.6が60.5と記載されている。M​iniMaxの投稿にはTerminal-Bench 4.0の数値がまったく示されておらず、Automation-Benchの行は、公開された600個のタスクに関する脚注の下にあり、投稿が描画する解像度では我々が自信を持って帰属できる比較可能な数値の隣にはない。そのうち2行は検証可能だ。残りは、表紙に同じ名前が付いた2つの異なる試験である。

M​iniMaxの表が強く、D​eepSeekの表が沈黙しているところ

共有の2行だけを全体像として読むのは誤りだ。なぜなら、そのどちらもコーディングとエージェント推論の行であり、MiniMaxの訴求はより広範だからだ。OSWorld V2の61.7は、DeepSeekが公表していないコンピューター操作の数値であり、MiniMaxはそれで中国モデル中1位を主張している。CyberGymの82%は、DeepSeekもまた公表していないセキュリティエージェントの数値だ。BankerToolBench 76.2は、DeepSeekのモデルカードもArtificial Analysisもカバーしていない業務ワークフロー設定におけるツール選択を測定する。その領域でMiniMaxは負けていない。対抗馬がいないのだ。対抗馬がいないことは先行していることと同じではなく、ベンダー自身の要約——「最先端モデルの水準に到達している」——は、同等性についての主張であり、優位性についての主張ではない。

このローンチ表で他に注目すべき点は、競合他社をどう扱っているかだ。公開されたグラフィックでは、M​iniMaxの列がD​eepSeek、Kimi-K3、GLM-5.3、GPT-5.6 Sol、Opus 5の隣に並べられており、これらの列の数値はM​iniMaxが実行した数値ではなく、他ラボが自ら公開した数値だ。これは一般的な慣行であり、不誠実ではないが、その画像内の列間比較はすべて、各ラボがたまたま使ったハーネスをそのまま引き継ぐことになる。6つのモデルを並べた表は、行をまたいで横に読むことを促す。しかし、そうした行のうち横読みできるように作られているのは2つだけだ。

価格の話は逆方向に進んでおり、それは現実だ

料金面では、M​iniMaxのほうが料金表は明快です。M3.1 Flashは入力100万トークンあたり0.15ドル、出力100万トークンあたり0.60ドルで、キャッシュ済み入力は0.015ドル（90%割引）となり、時間帯による変動はありません。DeepSeek V4.1 Flash 1017は、平日のピーク時間帯に0.30ドルと1.20ドル、オフピークには半額の0.15ドルと0.60ドル、キャッシュヒット時はそれぞれ0.006ドルと0.003ドルと表示しています。ピーク時間帯には、同じ100万トークンに対してD​eepSeekはM​iniMaxの2倍の料金がかかります。オフピークでは両者の料金表は同一です。自分で制御できるスケジュールで動くワークロードはD​eepSeekの安い時間帯を狙えますが、ユーザーが利用する時間に動くワークロードは狙えません。

Artificial Analysisは、価格の駆け引きをくぐり抜けても残る差を数字で示している。M3.1 FlashでIntelligence Indexのタスクを1つ完了するのに0.22ドル、DeepSeek V4.1 Flash 1017では0.26ドルだ。同じ評価におけるMiniMaxに有利な15%の差であり、これはこの比較において、ベンダーの主張ではなく独立に測定された唯一の経済的指標である。これが重要なのは、トークン単価の料金表がこのことを示してくれないからだ。DeepSeekの0.30ドル/1.20ドルは2倍の割高に見えるが、実際には15%の割高として振る舞う。MiniMaxがインデックスを実行する際に1億8000万出力トークンを消費するのに対しDeepSeekは2億1000万であり、さらにDeepSeekは毎秒208.7トークンと約105トークンに対しておよそ2倍高速だからだ。2つのモデル、2つの価格哲学、そして評価1回あたり18セントという実際のコスト差である。

ルーティング層がその存在価値を発揮するのはまさにここであり、口で言うのは簡単でも手作業で実現するのは難しいことです。プロバイダーのリスト価格を 0% のマークアップでそのまま通し当社は本日時点で M​iniMax M3.1 Flash または DeepSeek V4.1 Flash 1017 をカタログに掲載していません。また、この記事は当社がそれらを扱っていると主張するものではありません。当社が実際にルーティングしている D​eepSeek ファミリーは別のチェックポイントであり、コードがピン留めされている対象がモデル文字列である場合、この違いは正確に区別しておく価値があります。

ベンチマーク表に含まれていない2つの数値

最初は速度です。MiniMaxは毎秒200超のトークン数とP50が170超だと主張しています。Artificial Analysisは独自のハーネスで毎秒約105トークン、最初のトークンまでの時間は1.38秒と測定しています。DeepSeekは1.07秒で毎秒208.7トークンと測定しています。ベンダーによるスループットの主張は、ほぼ常にサービングスタックが達成できる最良のケースで測定されます。独立した数値こそが、実際にあなたのp95に現れる数値です。この点では、MiniMax自身の主張と測定結果は近くなく、測定結果はDeepSeekの半分です。

第二はライセンスです。DeepSeek V4.1 Flash 1017 は MIT ライセンスで、重みは Hugging Face 上にあり、総パラメータ数は5520億、アクティブパラメータは160億です。M​iniMax は M3.1 Flash の重みを「後日公開する」と述べており、その約束には日付もライセンスもパラメータ数も添えていません。調達が、ベンダーが消えた場合にどうなるかを問うセキュリティレビューを通るのであれば、ベンチマーク表はあなたが答えている問いではなく、あなたが渡された表にはその答えがありません。

この読み方を変えるものは何だろうか

重要度の高い順に3つ。MiniMaxのチェックポイントに対するDeepSWE v1.1とAgents' Last Examの独立追試は、73.7と29.6が控えめなのか寛大なのかを決着させるだろう——現時点で2つのラボの外に、どちらかを公表した者はいない。DeepSeekが使ったのと同じ600タスク版におけるMiniMaxからのAutomation-Benchスコアの公表は、エージェント性能の主張に現在欠けている数値を与えるだろう。そして、ライセンスを付した重みの公開は、DeepSeekが現在まったく競争のない軸でこのモデルを比較可能にするだろう。

それまでは、正直な要約はどちらのローンチ記事よりも狭いものになる。M​iniMax M3.1 Flash は、タスクを終わらせるにはより安価なモデルであり、会話するにはより遅いモデルであり、調達するにはクローズドなモデルであり、そして——両社が同一に測定した唯一の2つのベンチマークでは——2位のモデルである。それはこの表が語るために描かれた話ではないが、この表に含まれている話ではある。今週この2つのどちらかを選ぶなら、価格表とライセンスで選ぶべきだ。なぜなら、その2行だけは誰にも説得を要しなかったからである。