MiniMax M3.1 Flash vs DeepSeek V4.1 Flash: waar de twee leverancierstabellen het echt over eens zijn

Twee rijen. Dat is hoeveel van de lanceertabel van MiniMax een vergelijking met de eigen gepubliceerde cijfers van DeepSeek doorstaat, en het loont om dat ronduit te zeggen voordat de kop van een van beide leveranciers wordt herhaald: op de twee benchmarks waarop MiniMax M3.1 Flash en DeepSeek V4.1 Flash — de 1017-checkpoint die DeepSeek twee dagen eerder uitbracht — beide labs een score op dezelfde evaluatie publiceerden, loopt het nieuwere model achter. MiniMax bracht M3.1 Flash uit op 19 oktober 2026 met een tabel die agentisch werk, coderen, computergebruik en cybersecurity omvat, en met de claim van een generatiesprong ten opzichte van zijn eigen voorganger. DeepSeek bracht V4.1 Flash 1017 uit op 17 oktober 2026 met een modelkaart die hetzelfde doet. Het interessante deel van ze naast elkaar leggen is niet wie wint. Het is hoe weinig van elke tabel er überhaupt op is gebouwd om vergeleken te worden.Leverancierstabellen zijn één soort bewijs en incidentregistraties zijn een ander, dus de fouten achter releases zoals deze zijn opgetekend in het OrcaRouter AI Incident Archive waarbij elke vermelding haar eigen bronnen, ernstgraad, betrouwbaarheidsgraad en betwistmarkering bevat.

Waar M​iniMax daadwerkelijk een getal aan heeft gehangen

De post van M​iniMax is specifieker dan de meeste. Het noemt meteen zes cijfers: BankerToolBench 76,2, DeepSWE v1.1 73,7%, OSWorld V2 61,7, Agents' Last Exam 29,6, CyberGym 82%, en een bewering van topprestatie op Automation-Bench zonder score in de samenvattingstekst. Daarnaast staan twee doorvoerclaims — ongeveer drie keer snellere online-inferentie dan het model dat het vervangt, en meer dan 200 tokens per seconde met een P50 boven 170 — en een kostenclaim van 70% lager bij agentische taken. Dat alles is door de leverancier gerapporteerd en niet gereproduceerd. M​iniMax heeft het uitgevoerd, M​iniMax heeft het gepubliceerd, en de harness wordt alleen in voetnoten genoemd.

De voetnoot is waar de tabel begint uiteen te vallen. BankerToolBench, zegt M​iniMax, werd geëvalueerd met de OpenCode 1.1718-harness en beoordeeld door MiniMax-M2.7, zijn eigen oudere model. Dat is een zelfbeoordeelde benchmark: een M​iniMax-model dat outputs beoordeelt die door een M​iniMax-model zijn geproduceerd, op een takenverzameling die M​iniMax heeft gekozen. Het kan volkomen goed zijn uitgevoerd. Het is geen bewijs dat je kunt inbrengen tegen een lab dat publiceert op een harness die door iemand anders wordt onderhouden.

De twee rijen die op één lijn staan

DeepSWE v1.1 is de enige echt gedeelde meting. Beide labs rapporteren deze, en beide noemen de harness: D​eepSeek vermeldt Mini-SWE-V2 op zijn model card, M​iniMax rapporteert dezelfde benchmarkversie. M​iniMax claimt 73,7%. D​eepSeek claimt 77,0% voor de 1017-checkpoint, tegen 74,2% voor de V4.1 Flash-release die het verving. De rangorde is hier dus ondubbelzinnig, en ze is niet vleiend voor het nieuwere model: D​eepSeek's release van 17 oktober ligt voor op M​iniMax' release van 19 oktober op de enige coding-agentbenchmark die de twee bedrijven op dezelfde manier hebben gemeten, en hij doet dat met bijna drie punten voorsprong op zijn eigen vorige release.

Agents' Last Exam vertelt hetzelfde verhaal met meer afstand. MiniMax rapporteert 29,6. DeepSeek rapporteert 35,4 voor 1017, tegenover 31,8 voor de vorige checkpoint. Dat is een verschil van vijf punten op een benchmark die ontworpen is om moeilijk te zijn voor agents, en het is de tweede opeenvolgende rij waarin het twee dagen oudere model ruim voorligt.

Al het andere in de twee tabellen is ofwel gemeten op een andere rig, beoordeeld door een ander model, of slechts door één partij gepubliceerd. De kaart van DeepSeek vermeldt Terminal-Bench 4.0 op 42,3 in de Claude Code-harness, HLE zonder tools op 42,6, ProgramBench 29,1, Apex Bench v1.1 72,1 en Automation-Bench v1.0.6 op 60,5. Het bericht van MiniMax geeft helemaal geen cijfer voor Terminal-Bench 4.0, en de Automation-Bench-rij staat onder een voetnoot over de 600 openbaar gemaakte taken in plaats van naast een vergelijkbaar getal dat we met vertrouwen zouden kunnen toeschrijven bij de resolutie waarop het bericht wordt weergegeven. Twee van die rijen zijn controleerbaar. De rest zijn twee verschillende examens met dezelfde naam op de omslag.

Waar de tabel van M​iniMax sterk is en die van D​eepSeek zwijgt

Het zou een vergissing zijn de twee gedeelde rijen als het volledige beeld te lezen, want het zijn beide rijen voor coding- en agent-redenering, en de propositie van M​iniMax is breder. OSWorld V2 op 61,7 is een computer-use-cijfer dat D​eepSeek niet publiceert, en M​iniMax claimt daarmee de eerste plaats onder Chinese modellen. CyberGym op 82% is een security-agent-cijfer dat D​eepSeek ook niet publiceert. BankerToolBench 76,2 meet toolselectie in een zakelijke-workflowcontext die noch de kaart van D​eepSeek noch Artificial Analysis dekt. Op dat terrein verliest M​iniMax niet; het staat er zonder tegenstand. Zonder tegenstand is niet hetzelfde als voorop, en de eigen samenvatting van de leverancier — "het niveau van toonaangevende modellen bereiken" — is een claim van pariteit, niet van een voorsprong.

Het andere dat opvalt aan de lanceringstabel, is wat die met concurrenten doet. De gepubliceerde afbeelding zet de kolom van MiniMax naast DeepSeek, Kimi-K3, GLM-5.3, GPT-5.6 Sol en Opus 5, en de cijfers in die kolommen zijn de eigen gepubliceerde cijfers van de andere labs, niet cijfers die MiniMax heeft gedraaid. Dat is gangbare praktijk en niet oneerlijk, maar het betekent dat elke vergelijking tussen kolommen in die afbeelding overerft welke harness elk lab toevallig heeft gebruikt. Een tabel die zes modellen naast elkaar zet, nodigt je uit om horizontaal over de rijen te lezen. Slechts twee van die rijen zijn gemaakt om horizontaal te worden gelezen.

Het prijsverhaal loopt de andere kant op, en het is echt.

Qua kosten heeft MiniMax de overzichtelijkere tariefkaart. M3.1 Flash kost $0,15 per miljoen inputtokens en $0,60 per miljoen outputtokens, met gecachte invoer voor $0,015 — een korting van 90% — en geen variatie naar tijdstip van de dag. DeepSeek V4.1 Flash 1017 rekent $0,30 en $1,20 tijdens zijn piekvensters op weekdagen, en halveert buiten de piek naar $0,15 en $0,60, met cachehits voor respectievelijk $0,006 en $0,003. Tijdens piekuren kost DeepSeek het dubbele van wat MiniMax rekent voor dezelfde miljoen tokens. Buiten de piek zijn de twee tariefkaarten identiek. Een werklast die draait volgens een planning die je zelf bepaalt, kan het goedkope venster van DeepSeek benutten; een werklast die draait wanneer je gebruikers actief zijn, kan dat niet.

Artificial Analysis geeft een getal aan het verschil dat de prijsspelletjes overleeft: $0,22 om één Intelligence Index-taak te voltooien op M3.1 Flash tegen $0,26 op DeepSeek V4.1 Flash 1017. Dat is een verschil van 15% in het voordeel van MiniMax bij dezelfde evaluatie, en het is de enige economische bewering in deze vergelijking die onafhankelijk is gemeten in plaats van door de leverancier beweerd. Dat is belangrijk omdat het per-token-prijskaartje je dit niet vertelt. De $0,30/$1,20 van DeepSeek ziet eruit als een 2x-penalty en gedraagt zich als een van 15%, omdat MiniMax 180 miljoen outputtokens verbruikt bij het draaien van de index tegen 210 miljoen van DeepSeek, en omdat DeepSeek ruwweg twee keer zo snel is met 208,7 tokens per seconde tegen ongeveer 105. Twee modellen, twee prijsfilosofieën en een echt kostenverschil van achttien cent per evaluatie.

Dat is ook waar een routeringslaag zijn plaats verdient, op een manier die makkelijk te benoemen en moeilijk handmatig uit te voeren is. OrcaRouter geeft de lijstprijs van de provider tegen 0% opslag door, dus wanneer een van beide labs een tarief wijzigt, verandert het bedrag op je factuur dezelfde dag in plaats van bij de volgende contractverlenging — en op een kaart met een piekvenster is dat het verschil tussen een budget dat je één keer instelt en een budget dat je elk uur opnieuw controleert. We hebben M​iniMax M3.1 Flash of DeepSeek V4.1 Flash 1017 vandaag niet in de catalogus, en dit artikel is geen bewering dat we dat wel doen; de D​eepSeek-familie die we wel routeren is een ander checkpoint, een onderscheid dat je scherp moet houden wanneer de modelstring is waarop je code is vastgezet.

Twee getallen die de benchmarktabel niet bevat

De eerste is snelheid. MiniMax claimt meer dan 200 tokens per seconde en een P50 boven 170. Artificial Analysis meet ongeveer 105 tokens per seconde op zijn eigen harness, met een tijd tot eerste token van 1,38 seconde. DeepSeek meet 208,7 tokens per seconde bij 1,07 seconde. Door leveranciers geclaimde doorvoer wordt bijna altijd gemeten in het gunstigste geval dat een servingstack kan produceren; het onafhankelijke getal is het getal dat in je p95 terugkomt. Op dit vlak liggen MiniMax' eigen claim en het gemeten resultaat ver uit elkaar, en het gemeten resultaat is de helft van dat van DeepSeek.

Het tweede is de licentie. DeepSeek V4.1 Flash 1017 heeft een MIT-licentie, met de gewichten op Hugging Face en 552 miljard totale parameters tegenover 16 miljard actieve. M​iniMax zegt dat de gewichten van M3.1 Flash "later worden vrijgegeven" en heeft aan die belofte geen datum, geen licentie en geen parameteraantal gekoppeld. Als uw inkoopproces door een beveiligingsreview gaat waarin wordt gevraagd wat er gebeurt als de leverancier verdwijnt, is de benchmarktabel niet de vraag die u beantwoordt, en in de tabel die u hebt gekregen, staat het antwoord er niet.

Wat zou deze lezing veranderen?

Drie dingen, in volgorde van hoeveel ze zouden uitmaken. Onafhankelijke runs van DeepSWE v1.1 en Agents' Last Exam op M​iniMax' checkpoint zouden uitwijzen of de 73,7 en 29,6 conservatief of ruim zijn — op dit moment heeft niemand buiten de twee labs een van beide gepubliceerd. Een gepubliceerde Automation-Bench-score van M​iniMax, op dezelfde release van 600 taken die D​eepSeek gebruikte, zou de agentische claim het cijfer geven dat er momenteel ontbreekt. En een release van de gewichten met een licentie erbij zou het model vergelijkbaar maken op de as waarop D​eepSeek momenteel helemaal geen concurrentie heeft.

Tot dan is de eerlijke samenvatting beperkter dan beide lanceerberichten. MiniMax M3.1 Flash is een goedkoper model om een taak mee af te ronden, een trager model om mee te praten, een gesloten model om aan te schaffen, en — op de enige twee benchmarks die beide bedrijven identiek hebben gemeten — het model op de tweede plaats. Dat is niet het verhaal dat de tabel wilde vertellen, maar het is wel het verhaal dat de tabel bevat. Als je deze week tussen beide moet kiezen, kies dan op basis van de prijskaart en de licentie, want dat zijn de twee rijen waarvan niemand overtuigd hoefde te worden.