MiniMax M3.1 Flash vs DeepSeek V4.1 Flash: 두 공급업체 표가 실제로 일치하는 점

두 개의 행. 그것이 M​iniMax의 출시 표가 D​eepSeek의 자체 공개 수치와 비교해 살아남는 전부이며, 어느 한 업체의 헤드라인이 반복되기 전에 분명히 말할 가치가 있다: M​iniMax M3.1 Flash와 D​eepSeek V4.1 Flash — D​eepSeek가 이틀 전에 내놓은 1017 체크포인트 — 둘 다 같은 평가에서 점수를 공개한 두 벤치마크에서, 더 새로운 모델이 뒤처진다. M​iniMax는 2026년 10월 19일 M3.1 Flash를 공개하며 에이전트 작업, 코딩, 컴퓨터 사용, 사이버보안을 아우르는 표와 자사 전작 대비 세대적 도약 주장을 내세웠다. D​eepSeek는 2026년 10월 17일 V4.1 Flash 1017을 공개하며 같은 일을 하는 모델 카드를 내놓았다. 이 둘을 나란히 놓는 데서 흥미로운 부분은 누가 이기는가가 아니다. 각 표가 비교 가능하도록 만들어져 있는 부분이 얼마나 적은가이다.업체 표는 한 종류의 증거이고 사고 기록은 또 다른 종류이므로, 이와 같은 출시 뒤에 있는 실패들은 the OrcaRouter AI Incident Archive에 기록되어 있으며, 각 항목은 자체 출처, 심각도, 신뢰도 등급, 이의 제기 플래그를 갖는다.

M​iniMax가 실제로 수치를 매긴 것

M​iniMax의 게시물은 대부분보다 더 구체적이다. 글 앞부분에 여섯 개의 수치를 제시한다: BankerToolBench 76.2, DeepSWE v1.1 73.7%, OSWorld V2 61.7, Agents' Last Exam 29.6, CyberGym 82%, 그리고 요약 텍스트에는 점수 없이 Automation-Bench에서 최고 성능을 달성했다는 주장이 있다. 그와 함께 두 가지 처리량 주장이 있다 — 대체하는 모델보다 온라인 추론이 대략 세 배 더 빠르고, 초당 200개 이상의 토큰에 P50이 170 초과 — 그리고 에이전틱 작업에서 비용이 70% 더 낮다는 주장도 있다. 이 모든 것은 벤더가 보고한 것이며 재현되지 않았다. M​iniMax가 실행했고, M​iniMax가 공개했으며, 하네스는 각주에서만 이름이 언급된다.

각주에서부터 이 표는 무너지기 시작한다. MiniMax에 따르면 BankerToolBench는 OpenCode 1.1718 하네스로 평가되었고, 자사의 이전 모델인 MiniMax-M2.7이 판정했다. 이는 자기 판정 벤치마크다. MiniMax 모델이 MiniMax 모델이 생성한 출력을, MiniMax가 고른 과제 세트에서 채점하는 것이다. 실행 자체는 완벽하게 잘 되었을 수 있다. 그러나 그것은 다른 누군가가 유지 관리하는 하네스로 발표하는 연구소에 맞서 내세울 수 있는 증거는 아니다.

나란히 정렬된 두 행

DeepSWE v1.1은 진정으로 공유된 유일한 측정 지표입니다. 두 연구소 모두 이를 보고하며, 두 곳 모두 하네스 이름을 밝힙니다. DeepSeek은 모델 카드에서 Mini-SWE-V2라고 말하고, MiniMax는 동일한 벤치마크 버전을 보고합니다. MiniMax는 73.7%를 주장합니다. DeepSeek은 1017 체크포인트에 대해 77.0%를 주장하며, 이는 그것이 대체한 V4.1 Flash 릴리스의 74.2%와 대비됩니다. 따라서 여기서의 순위는 모호하지 않으며, 더 새로운 모델에 유리하지도 않습니다. DeepSeek의 10월 17일 릴리스는 두 회사가 같은 방식으로 측정한 유일한 코딩 에이전트 벤치마크에서 MiniMax의 10월 19일 릴리스보다 앞서며, 그러면서도 자사의 이전 릴리스보다 거의 3포인트 앞섭니다.

Agents' Last Exam은 더 큰 격차로 같은 이야기를 전한다. M​iniMax는 29.6을 보고한다. D​eepSeek는 1017에 대해 35.4를 보고했으며, 이는 이전 체크포인트의 31.8에서 상승한 수치다. 이는 에이전트에게 어렵도록 설계된 벤치마크에서 5점 격차이며, 이틀 더 오래된 모델이 여유 있게 앞선 두 번째 연속 행이다.

두 표의 나머지 항목은 모두 다른 장비에서 측정되었거나, 다른 모델이 평가했거나, 한쪽에서만 공개한 것입니다. DeepSeek의 카드에는 Claude Code 하네스에서 Terminal-Bench 4.0이 42.3, 도구 없이 HLE가 42.6, ProgramBench 29.1, Apex Bench v1.1 72.1, Automation-Bench v1.0.6이 60.5로 실려 있습니다. MiniMax의 게시물은 Terminal-Bench 4.0 수치를 아예 제시하지 않으며, Automation-Bench 행은 게시물이 렌더링되는 해상도에서 신뢰 있게 귀속시킬 수 있는 비교 가능한 수치 옆이 아니라 공개된 600개 과제에 관한 각주 아래에 있습니다. 그중 두 행은 확인할 수 있습니다. 나머지는 표지에 같은 이름이 붙은 서로 다른 두 시험입니다.

M​iniMax의 테이블은 강하고 D​eepSeek의 테이블은 침묵하는 곳

두 공통 행을 전체 그림으로 읽는 것은 실수일 것이다. 왜냐하면 둘 다 코딩 및 에이전트 추론 행이고, MiniMax의 제안은 더 넓기 때문이다. OSWorld V2의 61.7은 DeepSeek이 공개하지 않는 컴퓨터 사용 수치이며, MiniMax는 이 항목에서 중국 모델 중 1위를 주장한다. CyberGym의 82%는 DeepSeek 역시 공개하지 않는 보안 에이전트 수치다. BankerToolBench 76.2는 DeepSeek의 카드도 Artificial Analysis도 다루지 않는 비즈니스 워크플로 환경에서의 도구 선택을 측정한다. 그 영역에서 MiniMax는 지고 있지 않다. 경쟁 상대가 없을 뿐이다. 경쟁 상대가 없다는 것은 앞서 있다는 것과 같지 않으며, 벤더 자체의 요약 — "선도 모델의 수준에 도달" — 은 우위가 아니라 동등성에 관한 주장이다.

런칭 표에서 또 주목할 점은 경쟁사들을 어떻게 다루는가입니다. 공개된 그래픽은 M​iniMax의 열을 D​eepSeek, Kimi-K3, GLM-5.3, GPT-5.6 Sol, Opus 5 옆에 배치하는데, 그 열들의 수치는 M​iniMax가 실행한 수치가 아니라 다른 연구소들이 자체적으로 공개한 수치입니다. 이는 일반적인 관행이며 부정직한 것은 아니지만, 그 이미지의 모든 열 간 비교가 각 연구소가 사용한 하네스를 그대로 물려받는다는 뜻입니다. 여섯 개 모델을 나란히 놓은 표는 행을 가로질러 읽도록 유도합니다. 하지만 그중 실제로 가로질러 읽도록 만들어진 행은 두 개뿐입니다.

가격에 관한 이야기는 반대 방향으로 흘러가며, 그것은 사실이다.

비용 측면에서 M​iniMax의 요금 카드가 더 깔끔하다. M3.1 Flash는 입력 토큰 100만 개당 $0.15, 출력 100만 개당 $0.60이며, 캐시된 입력은 $0.015로 90% 할인되고 시간대별 변동이 없다. D​eepSeek V4.1 Flash 1017은 평일 피크 시간대에 $0.30과 $1.20을 제시하고, 비피크 시간에는 절반인 $0.15와 $0.60으로 낮아지며, 캐시 적중 시에는 각각 $0.006과 $0.003이다. 피크 시간대에는 같은 100만 토큰에 대해 D​eepSeek의 비용이 M​iniMax의 두 배다. 비피크 시간대에는 두 카드가 동일하다. 당신이 통제하는 일정에 따라 실행되는 워크로드는 D​eepSeek의 저렴한 시간대를 좇을 수 있지만, 사용자가 활동하는 시간에 실행되는 워크로드는 그럴 수 없다.

Artificial Analysis는 가격 책정 게임에서도 살아남는 차이에 숫자를 매긴다: Intelligence Index 작업 하나를 완료하는 데 M3.1 Flash는 $0.22, DeepSeek V4.1 Flash 1017은 $0.26이다. 이는 동일한 평가에서 M​iniMax에 유리한 15% 격차이며, 이 비교에서 공급업체가 주장한 것이 아니라 독립적으로 측정된 유일한 경제적 주장이다. 이는 토큰당 가격표가 이 사실을 알려주지 않기 때문에 중요하다. D​eepSeek의 $0.30/$1.20은 2배의 불이익처럼 보이지만 15%의 불이익처럼 작동한다. M​iniMax는 지수를 실행하는 데 1억 8천만 개의 출력 토큰을 소모하는 반면 D​eepSeek는 2억 1천만 개를 소모하고, D​eepSeek가 초당 208.7토큰으로 약 105토큰보다 대략 두 배 빠르기 때문이다. 두 모델, 두 가지 가격 철학, 그리고 평가 한 번당 18센트의 실제 비용 차이.

라우팅 계층이 제 역할을 하는 지점이기도 한데, 이는 말로 설명하기는 쉽고 직접 손으로 하기는 어렵습니다. OrcaRouter가 제공업체 정가를 0% 마크업으로 전달하므로, 두 연구소 중 하나가 요금을 바꾸면 청구서의 숫자는 다음 계약 갱신 때가 아니라 같은 날 바뀝니다. 그리고 피크 시간대가 있는 요금 카드에서는 이것이 한 번 정해 두는 예산과 매시간 다시 확인하는 예산의 차이입니다. 우리는 현재 카탈로그에 M​iniMax M3.1 Flash나 D​eepSeek V4.1 Flash 1017을 제공하지 않으며, 이 글은 우리가 제공한다고 주장하는 것도 아닙니다. 우리가 실제로 라우팅하는 D​eepSeek 제품군은 다른 체크포인트이며, 특히 코드가 고정되어 있는 대상이 모델 문자열일 때는 이 구분을 명확히 유지할 가치가 있습니다.

벤치마크 표에 없는 두 개의 숫자

첫 번째는 속도입니다. MiniMax는 초당 200개 이상의 토큰과 P50 170 초과를 주장합니다. Artificial Analysis는 자체 하네스에서 대략 초당 105토큰, 첫 토큰까지 1.38초로 측정합니다. DeepSeek는 1.07초에 초당 208.7토큰을 측정합니다. 공급업체의 처리량 주장은 거의 항상 서빙 스택이 만들어낼 수 있는 최상의 경우를 측정한 것이며, 독립적인 수치는 당신의 p95에 나타나는 수치입니다. 이 차원에서 MiniMax의 자체 주장과 측정 결과는 가깝지 않으며, 측정 결과는 DeepSeek의 절반입니다.

두 번째는 라이선스입니다. DeepSeek V4.1 Flash 1017은 MIT 라이선스를 적용해 Hugging Face에 가중치를 공개했으며, 총 파라미터는 5,520억 개이고 활성 파라미터는 160억 개입니다. M​iniMax는 M3.1 Flash의 가중치가 "나중에 공개될 것"이라고 말하면서도 그 약속에 날짜도, 라이선스도, 파라미터 수도 명시하지 않았습니다. 조달이 공급업체가 사라지면 어떻게 되는지를 묻는 보안 검토를 거쳐야 한다면, 벤치마크 표는 당신이 답하려는 질문이 아니며, 당신이 받은 표에는 그 답이 없습니다.

이 해석을 바꿀 요인은 무엇인가요?

세 가지입니다. 중요도가 큰 순서대로 말하면 다음과 같습니다. M​iniMax의 체크포인트에서 DeepSWE v1.1과 Agents' Last Exam을 독립적으로 실행한 결과는 73.7과 29.6이 보수적인지 관대한지를 판가름할 것입니다 — 현재 두 연구소 밖에서는 어느 쪽 결과도 공개되지 않았습니다. M​iniMax가 D​eepSeek이 사용한 것과 동일한 600개 과제 릴리스에서 Automation-Bench 점수를 공개하면, 에이전트 관련 주장에 현재 빠져 있는 숫자를 제공하게 될 것입니다. 그리고 라이선스가 첨부된 가중치 공개는, D​eepSeek이 현재 전혀 경쟁 상대가 없는 축에서 이 모델을 비교 가능하게 만들 것입니다.

그때까지 정직한 요약은 두 런칭 포스트 어느 쪽보다도 좁다. MiniMax M3.1 Flash는 작업을 끝내기에는 더 저렴하고, 대화하기에는 더 느리고, 조달하기에는 폐쇄적이며, 두 회사가 동일하게 측정한 단 두 개의 벤치마크에서는 2위인 모델이다. 그것은 그 표가 말하려고 그려진 이야기는 아니지만, 그 표가 담고 있는 이야기다. 이번 주에 둘 중 하나를 고른다면 가격표와 라이선스로 고르라. 왜냐하면 그 두 행은 아무도 설득될 필요가 없었던 행들이기 때문이다.