MiniMax M3.1 Flash vs Qwen 3.8 Flash: 동일한 입력 가격, 상반된 아키텍처

MiniMax-M3.1-Flash와 Qwen3.8-Flash는 백만 입력 토큰당 15센트로 비용이 같지만, 돈이 어디로 가는지에 대한 서로 양립할 수 없는 이론에 기반한다. MiniMax-M3.1-Flash는 2026년 10월 19일부터 일반 제공된 폐쇄형 모델로, 사용자가 원하든 원하지 않든 모든 호출에서 추론하며 초당 125.5토큰으로 생성한다. Qwen3.8-Flash는 1,250억 매개변수 규모의 전문가 혼합(MoE) 모델로, 토큰당 그중 약 60억 개를 활성화하고, 독립적으로 측정된 체크포인트에서 초당 약 51.6토큰으로 생성하며, 출력 토큰을 13센트 더 저렴하게 판매한다. 하나는 빠르고 장황하며, 다른 하나는 느리고 간결하다. 여러분의 트래픽에서 어느 쪽이 더 저렴한지는 대부분의 팀이 측정하지 않는 비율에 달려 있으며, 그것이 이 비교의 유일한 진짜 질문이다. 이와 같은 출시의 배경에 있는, 문서화된 AI 실패 및 에이전트 사건은 OrcaRouter AI Incident Archive에 수집되어 있으며, 각 항목은 자체 출처, 심각도, 신뢰도 등급, 이의 제기 플래그를 갖추고 있다.

숫자를 보기 전에 바로잡아야 할 것이 하나 있습니다. 아래의 모든 행에 영향을 주기 때문입니다. Qwen3.8-Flash는 호스팅 제품입니다. 다운로드할 수 있는 것은 Qwen3.8-Flash-Next로, 아키텍처는 공유하지만 이름, 라이선스, 그리고 동작 방식까지 반드시 공유하는 것은 아닙니다. 또한 존재하는 독립 벤치마크 수치는 호스팅 Flash가 아니라 Flash-Next에 대한 것입니다. MiniMax-M3.1-Flash의 유일한 독립 측정 점수는 모델 자체에 대한 것입니다. 달리 측정할 것이 없기 때문입니다. 아래 수치가 벤더가 제공한 숫자이면 그렇게 표시되어 있고, Artificial Analysis의 숫자이면 그렇게 표시되어 있으며, 해당 행을 정직하게 비교할 수 없으면 그 행에는 대신 그렇게 적혀 있습니다.

두 아키텍처는 하나의 설계를 달리 설정한 두 가지 방식이 아니다.

Qwen의 모델은 둘 중 더 읽기 쉽고, 그 수치도 추론해 볼 수 있을 만큼 상세하게 공개되어 있다. Qwen3.8-Flash는 48개 레이어에 레이어당 512개의 전문가를 두고 있으며, 라우팅되는 전문가 10개와 공유 전문가 1개로 구성된다. 총 1,250억 개 파라미터를 활용하되 토큰당 약 60억 개가 활성화되어 약 95%의 희소성을 보인다. 전문가 스택과 함께 510억 파라미터의 n-gram 임베딩 테이블과 40억 파라미터의 다중 토큰 예측 헤드를 갖추고 있어, 저장된 아티팩트는 1,250억보다 1,800억 파라미터에 더 가깝다. 속도 측면에서 중요한 부분은 다중 토큰 예측이다. 이는 모델이 순방향 패스마다 여러 토큰을 제안하고 이를 검증할 수 있게 해 주며, 이렇게 희소한 모델이 애초에 사용 가능한 상태로 유지되는 방식이 바로 이것이다.

MiniMax는 MiniMax-M3.1-Flash에 대해 비교 가능한 파라미터 수를 공개하지 않았다. 출시 게시물은 결과, 즉 에이전틱 벤치마크, 사용 비용 70% 절감 주장, 프리뷰보다 추론이 "거의 3배 빠르다"는 점에 관한 것이지 네트워크의 구조에 관한 것이 아니다. 이러한 비대칭성 자체가 두 제품에 관한 하나의 단서다. Qwen은 원칙적으로 직접 호스팅할 수 있는 아키텍처를 판매하고 있고, MiniMax는 서비스를 판매하고 있다. 비교 페이지의 관점에서 이는 아키텍처 논리가 한 방향으로만 전개된다는 뜻이다. Qwen3.8-Flash가 활성 파라미터당 왜 빠른지는 자신 있게 말할 수 있다. MiniMax-M3.1-Flash가 왜 빠른지에 대해서는 아무 말도 할 수 없다. 공급업체가 알려주지 않았기 때문이다.

차원당 한 줄, 각 줄에 양쪽 모두

• 입력 가격 — 두 모델 모두 100만 토큰당 $0.15이며, 이 페이지의 구도를 이루는 우연의 일치가 바로 여기서 비롯됩니다

• 출력 가격 — {{1}}MiniMax-M3.1-Flash{{/1}}는 백만 개당 $0.60인 반면 {{2}}Qwen3.8-Flash{{/2}}는 $0.47로, MiniMax에 불리한 28% 격차

• 캐싱 — M​iniMax는 캐시된 입력 토큰 100만 개당 $0.015를 청구하며, QwenCloud는 캐시 읽기 100만 건당 $0.016, 명시적 캐시 생성 100만 건당 $0.20을 제시하므로, M​iniMax의 캐시가 둘 중 더 단순하고 약간 더 저렴합니다

• 컨텍스트 — MiniMax-M3.1-Flash: 1,000,000토큰; Qwen3.8-Flash: 기본 1,000,000토큰, 최대 입력 991,000토큰 및 최대 출력 131,000토큰

• 독립적 역량 — Artificial Analysis는 MiniMax-M3.1-Flash의 Intelligence Index 점수를 42점으로 평가하며 173개 모델 중 41위로 순위를 매겼다. 같은 트래커는 Qwen3.8-Flash-Next를 40점으로 평가하며, 호스팅된 Qwen3.8-Flash에 대해서는 Intelligence Index 점수가 공개되지 않았다.

• 출력 속도 — MiniMax-M3.1-Flash의 경우 초당 125.5토큰, 첫 토큰까지 1.04초; 동일한 트래커에서 Qwen3.8-Flash-Next는 초당 51.6토큰으로, 현재 확인 가능한 가장 동등한 비교 수치입니다

• 완료된 작업당 비용 — 트래커 자체 하네스에서 MiniMax-M3.1-Flash의 경우 $0.22; 두 Q​wen 산출물 중 어느 것에 대해서도 이에 상응하는 수치는 공개되지 않았습니다

• 장황성 — MiniMax-M3.1-Flash의 Intelligence Index 실행에서 출력 토큰 1억 8,000만 개가 소비되었으며, 이는 트래커에 포함된 모델들의 중앙값 9,900만 개와 대비됩니다. Qwen은 비교 가능한 수치를 공개하지 않습니다.

• 추론 제어 — thinking: {"type": "disabled"}를 보내면 M​iniMax는 HTTP 400을 반환하고 reasoning_effort: "none"도 거부하므로, 기본값이 max인 5단계 사다리만 남습니다. A​libaba는 Qwen3.8 계열에 대해 thinking 모드와 비사고 모드를 모두 문서화하고 있으므로, 두 공급업체의 문서를 직접 비교할 수 없는 유일한 항목이며, 어느 쪽 문서도 믿지 말고 해당 엔드포인트에서 토글을 테스트해야 합니다.

• 가중치 — MiniMax는 MiniMax-M3.1-Flash의 가중치가 날짜도 없이 "나중에 공개될 예정"이라고 밝혔습니다. Qwen3.8-Flash의 가중치는 전혀 공개되지 않았으며, 다운로드 가능한 Qwen3.8-Flash-Next는 Apache 2.0이 아닌 Qwen Community License 1.0에 따라 배포됩니다.

• 입력 모달리티 — 둘 다 텍스트와 이미지, Qwen3.8-Flash는 비디오도 입력으로 받으며 둘 다 텍스트만 반환

산출 가격의 차이는 산출량의 차이보다 작습니다.

백만 출력 토큰당 13센트는 28%라는 헤드라인 옆에서는 반올림 오차처럼 읽힌다. 하지만 실제 워크로드에서는 그것이 의사결정 전체를 좌우할 수 있고, 심지어 요금표와는 반대 방향으로 작용할 수도 있다. 같은 작업이라도 두 모델이 생성하는 토큰 수는 같지 않기 때문이다.

MiniMax-M3.1-Flash는 사고를 멈출 수 없습니다. 이를 비활성화하라는 뻔한 요청에 API 레퍼런스는 400을 반환하며, 유일한 조절 수단은 사고 강도뿐입니다. low부터 max까지이고 기본값은 max입니다. Artificial Analysis는 그 결과를 측정했습니다. 동일 트래커에서 중앙값 모델이 9,900만 개를 소비하는 인덱스 실행에서 1억 8,000만 개의 출력 토큰을 기록했습니다. 이는 일반적인 모델 출력량의 1.8배이며, 사고 토큰은 출력 토큰으로 청구되어 max_tokens 상한에 산입됩니다.

일부러 단순한 사례로 계산을 해 보자. 중간 수준 모델에서 출력 토큰 1달러가 들 작업이, 장황함 비율이 그대로 유지된다면 MiniMax-M3.1-Flash에서는 1.82달러가 든다. 같은 작업을 Qwen3.8-Flash에서 0.60달러 대신 0.47달러로 처리하면, 볼륨 조정을 전혀 하기 전에 0.78달러가 든다 — 그리고 Qwen의 비사고 모드를 사용할 수 있어서 그것을 쓴다면, 지불할 사고 볼륨이 전혀 없다. 출력이 주도하는 트래픽에서는 13센트 차이와 1.8배의 장황함이 곱해져 총 차이는 2.3배에 더 가까워진다. 이것이 MiniMax-M3.1-Flash에 반대하는 논거를, 그에 걸맞게 노골적으로 말한 것이다.

그것을 선택하는 근거는 속도이며, 워크로드가 에이전트형일 때 속도는 부수적인 이점이 아니다. 초당 125.5토큰 대 51.6토큰으로 MiniMax-M3.1-Flash는 약 2.4배 더 빠르게 출력을 생성하므로, Q​wen에서 생성에 20초가 걸리는 다단계 도구 사용 루프가 M​iniMax에서는 8초가 걸린다. 에이전트가 작업을 끝내기 위해 모델을 40회 호출한다면 이는 13분 작업과 5분 작업의 차이이며, 그런 지연 시간은 지불 비용이 얼마인지가 아니라 무엇을 만들 수 있는지를 바꾼다. 또한 M​iniMax의 추가 토큰이 Q​wen의 더 적은 토큰보다 더 짧은 실제 경과 시간에 도착한다는 뜻이며, 바로 이 문장이 장황함 논쟁을 결정적이기보다 복잡하게 만든다.

나란히 놓을 수 없는 두 벤더의 벤치마크 표

두 회사 모두 평가 결과를 공개했지만, 두 평가 모두 직접 비교에는 쓸 수 없습니다. 그 이유는 얼버무리지 않고 분명히 짚고 넘어갈 가치가 있습니다.

MiniMax의 MiniMax-M3.1-Flash 표에는 BankerToolBench 76.2, DeepSWE v1.1 73.7%, OSWorld V2 61.7, Agents' Last Exam 29.6, CyberGym 82%가 기재되어 있으며, AutomationBench-AA 결과는 점수를 표기하지 않은 채 최상위 성과자 중 하나라고 설명합니다. Alibaba의 Qwen3.8-Flash-Next 표에는 SWE-bench Pro 62.5, DeepSWE 1.1 58.7, CoWorkBench 73.9, AndroidWorld 84.5, MathVision 95.7, JobBench 55.7이 기재되어 있습니다. 두 목록이 공유하는 벤치마크 이름은 정확히 하나인 DeepSWE v1.1이며, 여기서 공급사 수치는 73.7% 대 58.7%로 15포인트 차이가 납니다. 이는 결정적으로 보이지만 비교할 수는 없습니다. 두 수치가 이 페이지에 있는 모델이 아닌 다른 모델에 대한 것이기 때문이며(하나는 호스팅된 Flash-Next, 다른 하나는 M3.1-Flash), 두 회사 모두 하네스, 스캐폴드, 통과 기준을 공개하지 않았기 때문입니다.

표가 유용한 점은 의도를 읽어낼 수 있다는 것이다. M​iniMax는 컴퓨터 사용, 장기 지평의 전문 작업, 취약점 발견을 측정했다. 이는 소프트웨어를 운영하도록 만들어진 모델의 프로필이다. A​libaba는 코딩, 멀티모달 수학, 모바일 기기 제어를 측정했다. 이는 다양한 모달리티에 걸쳐 애플리케이션에 내장되도록 만들어진 모델의 프로필이다. 어느 표에도 경쟁사의 수치는 들어 있지 않으며, 들어 있는 것처럼 사용해서도 안 된다.

라이선스가 실제로 허용하는 것

오픈 웨이트에 관한 이야기는 대부분의 구매자가 양방향으로 가장 자주 잘못 판단하는 항목입니다.

Qwen3.8-Flash는 공개되지 않았습니다. 공개된 것은 Qwen3.8-Flash-Next이며, 그 차이는 겉치레가 아닙니다. 이는 별도의 아티팩트로, 2026년 8월 26일에 게시되었고, Alibaba 자체 연구소가 Qwen4의 기반이 될 아키텍처의 프리뷰라고 설명했으며, bf16 및 FP8로 총 약 360GB에 달하는 131개 샤드로 배포되었고, 벤더가 제공하는 GGUF 양자화는 없습니다. 이는 Apache 2.0이 아니며 많은 팀이 "Qwen 가중치"라는 말을 들을 때 가정하는 라이선스와 다른 Qwen Community License 1.0을 따릅니다. Flash를 다운로드해 로컬에서 실행할 계획이라면 하드웨어 규모를 산정하기 전에 해당 라이선스를 읽어야 합니다. 360GB의 가중치는 단일 가속기에 맞지 않으며, 더 작은 설치 공간을 위한 유일한 경로는 커뮤니티 양자화이기 때문입니다.

MiniMax-M3.1-Flash는 약속만 내건 폐쇄형 모델이다. 출시 글에서는 가중치가 "나중에 공개될 것"이라고만 밝히고 날짜도, 라이선스도, 규모도 제시하지 않는다. 이는 Qwen보다 명백히 더 약한 입장이다. 오늘 제한적 라이선스로 내려받을 수 있는 것이 언젠가 알 수 없는 조건으로 내려받을 수도 있는 것보다 낫기 때문이다. 하지만 그것이 아무것도 아닌 것은 아니며, 이 페이지의 셈법을 바꿀 가장 유력한 단일 요인이다. MiniMax가 가중치를 공개하면 GPU를 가진 사람에게는 가격 비교가 더 이상 중요하지 않게 되고, Qwen이 60억 개 활성 파라미터로 확보한 희소성 우위는 자체 하드웨어에서도 서빙할 수 있는 경쟁자와 맞서게 된다.

오늘은 누구에게 전화를 걸까

둘 다 OrcaRouter를 통해 접근할 수 있지만, 정도는 같지 않습니다. Qwen3.8-Flash는 카탈로그에 qwen/qwen3.8-flash로 등재되어 있으며, 단일 API 키로 200개 이상의 모델을 이용할 수 있게 하고 제공업체 정가를 0% 마크업으로 그대로 전달하는 카탈로그의 모델 중 하나입니다. MiniMax-M3.1-Flash는 카탈로그에 없습니다. M​iniMax 자체 API, M Plan 및 M​iniMax Code, 그리고 10월 21일에 M​iniMax가 지명한 서빙 파트너를 통해 호출할 수 있습니다. M​iniMax 쪽에서 라우팅 가능한 것은 해당 라인의 나머지입니다 — 그중 MiniMax-M3 포함 — 따라서 자사 트래픽에서 이 비교를 테스트하려는 팀은 qwen/qwen3.8-flash와 minimax/minimax-m3를 하나의 키 뒤에 두고 측정할 수 있으며, 두 공급업체의 표를 읽고 추측할 필요가 없습니다.

도입을 결정하기 전에 그 측정을 해 볼 가치가 있습니다. 두 모델이 벤치마크에서 정반대 방식으로 실패하기 때문입니다. MiniMax-M3.1-Flash는 작업이 에이전트형이고, 각 왕복이 빨라 모델이 더 적은 왕복으로 끝내는 긴 트라젝터리를 가진다면 토큰당으로는 비싸 보이지만 완료된 작업당으로는 저렴해 보일 것입니다. Qwen3.8-Flash는 청구서의 모든 항목에서 더 저렴해 보이겠지만, 지연 시간에 민감한 모든 루프에서는 더 나빠 보일 것입니다. 에이전트가 순차적인 응답을 마흔 번 필요로 할 때 초당 51.6토큰은 실제 제약이기 때문입니다. 둘 중 어느 것도 결함이 아닙니다. 그것들은 의도된 대로 작동하는 두 가지 설계입니다.

좁은 범위의 결론: 소프트웨어를 운용하는 에이전트를 만들고 있으며 토큰당이 아니라 완료된 작업당 비용을 지불한다면, MiniMax-M3.1-Flash의 속도는 그 장황함을 감수할 가치가 있고, MiniMax가 가중치를 공개할 때까지 클로즈드 가중치는 입장료다. 출력 길이가 제한되고 지연 시간이 제약이 아닌 대량 추출, 분류, 생성 작업을 실행한다면, Qwen3.8-Flash는 요금표상 더 저렴하며, 요청하지도 않은 추론 토큰에 대한 비용을 더 이상 지불하지 않으면 한층 더 저렴해진다. 그리고 모델을 임대하는 대신 소유해야 한다면, Qwen3.8-Flash-Next가 이 둘 중 실제로 보유할 수 있는 유일한 모델이며, 그 라이선스는 먼저 읽어봐야 한다.