MiniMax M3.1 Flash vs GLM-5.3-Flash: de tariefkaarten komen overeen, dus beslis op basis van de rijen die niet overeenkomen

De twee tariefkaarten zijn in de praktijk dezelfde kaart. MiniMax M3.1 Flash rekent $0,15 per miljoen invoertokens en $0,60 per miljoen output. GLM-5.3-Flash rekent $0,15 en $0,50. Meng ze op de manier waarop Artificial Analysis dat doet en beide komen uit op $0,10 per miljoen. Hun onafhankelijke intelligentiescores liggen één punt uit elkaar — 43 tegen 42 op de huidige index. Een vergelijking die bij prijs en score stopt, heeft dus niets te zeggen, en daarom stoppen de meeste daar en bevelen ze vervolgens het model aan dat de schrijver toevallig had getest. De keuze tussen MiniMax M3.1 Flash en GLM-5.3-Flash zit volledig in de rijen die niet overeenkomen: wat je met de gewichten mag doen, wat er gebeurt wanneer je output een plafond raakt, wat je als invoer aan het model kunt geven, en of het ding überhaupt te koop is via het endpoint dat je al gebruikt.Tariefkaarten en benchmarktabellen laten beide weg hoe deze modellen falen zodra ze in productie zijn, en de geregistreerde incidenten zijn gecatalogiseerd in het OrcaRouter AI Incident Archive waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsclassificatie en markering 'betwist' heeft.

• Zes regels, beide zijden

• Prijs — M​iniMax M3.1 Flash $0,15 invoer en $0,60 uitvoer per miljoen, gecachte invoer $0,015; GLM-5.3-Flash $0,15 en $0,50, gecachte invoer $0,03. Beide komen uit op $0,10 per miljoen bij een verhouding van 7:2:1 voor invoer, gecachte invoer en uitvoer.

• Onafhankelijke score — Intelligence Index 43 voor MiniMax M3.1 Flash, 42 voor GLM-5.3-Flash, op dezelfde indexversie, dezelfde dag uitgelezen. Eén punt valt binnen de ruis van één enkele eval-run.

• Kosten per voltooide taak — {{1}}$0,22 per indextaak voor M​iniMax M3.1 Flash{{/1}} tegenover {{2}}$0,28 voor GLM-5.3-Flash{{/2}}. Het goedkopere prijskaartje is ook de goedkopere taak, met ongeveer 21%.

• Maximale output — niet gepubliceerd door MiniMax voor M3.1 Flash; 128.000 tokens voor GLM-5.3-Flash. Beide adverteren met een contextvenster van 1M tokens, maar slechts één van hen zegt hoeveel daarvan er weer uit kan komen.

Invoer — tekst, afbeelding en video voor MiniMax M3.1 Flash; tekst, afbeelding, video en bestanden voor GLM-5.3-Flash. Video aan beide kanten is het ongebruikelijke deel; bestandsupload aan één kant is het operationele deel.

• Open gewichten — GLM-5.3-Flash heeft een MIT-licentie, 320 miljard parameters in totaal waarvan 18 miljard actief, vandaag te downloaden. MiniMax zegt dat de gewichten van M3.1 Flash later worden vrijgegeven, zonder licentie en zonder datum bij die belofte.

Waarom één punt op de index geen reden is om voor een van beide te kiezen

De Intelligence Index is een gewogen samengestelde score: agents 30%, coding 20%, wetenschappelijk redeneren 20%, algemeen 30%, opgebouwd uit tien evaluaties, waaronder AA-Briefcase en AA-Omniscience met elk 15%. Eén punt op een samengestelde score van die vorm kan voortkomen uit één subevaluatie die met een paar punten verschuift. Lees het als een gelijkspel en je zult veel vaker gelijk hebben dan ongelijk. Lees het als een ranglijst en je kiest een productiemodel op het vierde significante cijfer van een enquête.

De kostenvergelijking per taak is nuttiger dan de indexvergelijking, en wijst ook in dezelfde richting als de stickerprijs. Met $0,22 per voltooide taak doet M​iniMax M3.1 Flash het werk van de index voor minder dan de $0,28 van GLM-5.3-Flash, ondanks een hoger outputtarief per token. Dat is de verbositeits- en caching-rekenkunde die zijn werk doet: GLM-5.3-Flash rekent een derde meer per outputtoken en haalt daarvan minder terug via de cache, dus het goedkoper lijkende outputtarief op de kaart van M​iniMax is in totaal echt goedkoper. Als je workload een langdurig draaiende agent-loop is waarin het grootste deel van de rekening bestaat uit outputtokens die opnieuw worden gelezen, is die 21% het getal dat op de maandelijkse factuurregel verschijnt.

Speed splitst netjes, en het splitst tegen het goedkopere model.

Dit is de dimensie waarin de twee niet langer uitwisselbaar zijn. M​iniMax M3.1 Flash haalt ongeveer 105 tokens per seconde output met een tijd tot het eerste token van 1,38 seconde. GLM-5.3-Flash haalt 76,8 tokens per seconde met een eerste token na 2,57 seconde. M​iniMax is ongeveer 36% sneller zodra het begint en ongeveer twee keer zo snel met starten. Voor een interactieve interface — een editor, een chatpaneel, een codeerassistent waarbij het eerste token is waar de gebruiker op wacht — is een voorsprong van 1,2 seconde op TTFT het verschil tussen een tool die responsief aanvoelt en een die aanvoelt alsof hij erover nadenkt. Voor een batchpipeline is het verschil in doorvoer belangrijker dan het verschil in latentie, en dat pleit nog steeds voor M​iniMax.

Beide modellen laten je betalen voor het denkwerk, of je dat nu wilt of niet. MiniMax weigert een verzoek dat redeneren ronduit probeert uit te schakelen. De documentatie van Z.ai zegt hetzelfde met andere woorden: redeneren kan niet worden uitgeschakeld, en maximale inspanning is de aanbevolen instelling. Dus geen van beide biedt de kostenregelaar die een model met schakelbaar redeneren je geeft, en beide factureren hun redeneertokens als output. Als je hoopte dat een van deze twee de goedkope en stille optie was voor een classificatietaak met hoog volume, dan is dat geen van beide. Dat is een eigenschap van de tier, niet van een van beide leveranciers.

Het antwoordplafond van 128K is de rij die bepaalt of echt werk mogelijk is

GLM-5.3-Flash publiceert een {{1}}maximale uitvoer van 128.000 tokens{{/1}}. M​iniMax publiceert niets voor M3.1 Flash — geen laag getal, geen voorbehoud, niets op de modelpagina of in de API-documentatie die we kunnen vinden. In de praktijk betekent dat dat je niet kunt weten, voordat je een verzoek verstuurt, of een codegeneratie van 40.000 tokens wordt voltooid of afgekapt. Je kunt het empirisch ontdekken, en je kunt er een retry omheen bouwen, maar je kunt het niet in een capaciteitsplan of een contract opnemen.

Voor het meeste chatvormige verkeer is dit onzichtbaar. Voor de workloads die een Flash-tier interessant maken — hele bestanden herschrijven, lange agenttranscripten, gestructureerde extractie uit een groot document — is het uitvoerplafond het eerste dat breekt, en het breekt geruisloos. Een model dat bij een niet-gedocumenteerde lengte afkapt en een goed gevormd gedeeltelijk antwoord teruggeeft, is operationeel slechter dan een model dat het verzoek weigert. Als enig deel van je pipeline in één aanroep meer dan een paar duizend tokens genereert, zou deze ene niet-gepubliceerde rij zwaarder moeten wegen dan het verschil van één punt in de index en het kostenvoordeel van 21% samen.

Open gewichten zijn hier geen filosofische kwestie.

GLM-5.3-Flash heeft een MIT-licentie en downloadbare gewichten, 320 miljard parameters in totaal en 18 miljard actief, waardoor het in het bereik valt waarin een serieus team het op een multi-GPU-node zelf kan hosten en een kleiner team op zijn minst kan nagaan waarvoor het is getraind. M​iniMax M3.1 Flash is vandaag gesloten, en de belofte van latere gewichten is precies dat: een belofte zonder licentie, zonder parametaantal en zonder datum. Inkoopprocessen die vragen "wat is onze exit als deze leverancier de voorwaarden wijzigt", hebben aan de ene kant een antwoord en aan de andere kant een zin.

Daar zit ook een kostenaspect in verscholen, en dat is precies het aspect dat niemand in een vergelijkingstabel zet. Een open-weightmodel legt een plafond op wat een aanbieder je ervoor kan rekenen, want het alternatief is altijd om het zelf te draaien. Een gesloten model heeft zo'n plafond niet; de leverancier bepaalt de prijs en jij accepteert die of stapt over. Bij vandaag identieke gecombineerde tarieven is de licentie van GLM-5.3-Flash wat ervoor zorgt dat het tarief volgend jaar eerlijk blijft, en die van MiniMax is wat het tarief volledig aan de discretie van MiniMax overlaat.

Beschikbaarheid is waar de gelijkstand daadwerkelijk wordt doorbroken.

GLM-5.3-Flash is sinds 26 augustus 2026 live en staat in de catalogus van OrcaRouter als z-ai/glm-5.3-flash, tegen $0,15 per miljoen input en $0,50 per miljoen output, met gecachte input tegen $0,03, naast een gratis SKU voor evaluatie en het grotere z-ai/glm-5.3 tegen $1,26 en $3,96 als je het flagshipmodel nodig hebt. M​iniMax M3.1 Flash, op het moment van schrijven twee dagen oud, is bereikbaar via de eigen API van M​iniMax, het M Plan en M​iniMax Code, en staat niet in onze catalogus — we gaan niet suggereren dat dat wel zo is, en de modelpagina geeft niets terug als je ernaar zoekt.

Die asymmetrie is meer waard dan ze lijkt wanneer je twee modellen vergelijkt die evenveel kosten. GLM-5.3-Flash in een codebase krijgen is een modelstring. MiniMax M3.1 Flash erin krijgen is een tweede leveranciersrelatie, een tweede factureringsvorm en een tweede set snelheidslimieten, bovenop degene die je al hebt. En juist dan is een routeringslaag geen verkooppraatje maar een stuk loodgieterswerk: één sleutel, één factuur, één plek waar de lijstprijs van een provider tegen 0% opslag wordt doorgegeven zodat een tariefwijziging je factuur bereikt op de dag dat ze gebeurt en niet bij de volgende verlenging. Als MiniMax M3.1 Flash later op een routeerbaar endpoint wordt vermeld, wordt dat een beslissing over twee modellen in plaats van over twee contracten. Vandaag is dat niet het geval, en doen alsof het anders is, zou precies het soort vergelijking zijn dat deze blog wil vermijden.

Wie te bellen

Als je werk interactief is, veel output oplevert en binnen een bestaande OpenAI-compatibele stack draait, is GLM-5.3-Flash het makkelijkere antwoord: dezelfde gecombineerde prijs, een gepubliceerde outputlimiet, een MIT-licentie waar je vandaag nog iets mee kunt doen, bestands- en video-invoer, en een catalogusvermelding waarmee het een wijziging van één regel is. De eerste token van 2,57 seconden is de prijs daarvoor, en voor achtergrondagenten is dat een prijs die het waard is.

Als je werk latentiegevoelig is en de uitvoer begrensd is — een routeringsclassifier, een short-formgenerator, een agentstap die een plan retourneert in plaats van een bestand — dan is MiniMax M3.1 Flash het snellere model met de lagere kosten per taak, en het niet-gepubliceerde uitvoerplafond wordt nooit getest omdat je er nooit bij in de buurt komt. Kies het voor de doorvoer en de eerste token van 1,38 seconden, niet voor de index, en weet bij voorbaat dat je een gesloten model neemt met een tempo dat niemand heeft afgetopt.

Wat je niet moet doen, is tussen hen kiezen op basis van de benchmarktabellen. Beide leveranciers publiceerden cijfers op harnesses van hun eigen keuze, geen van beide draaide die van de ander, en de enige benchmark die beide families historisch hebben gerapporteerd — DeepSWE — is vaak genoeg in verschillende harnesses uitgevoerd bij de releases van de twee labs dat een vergelijking over kolommen heen giswerk is met een decimaalteken erachter. De twee cijfers in dit artikel die voor beide modellen op dezelfde manier zijn gemeten, zijn de index en de kosten per taak, en die twee zeggen dat de modellen dezelfde prijs en hetzelfde vermogen hebben. Alles wat werkelijk verschilt, is een licentievoorwaarde, een gedocumenteerde limiet of een regel in een catalogus.