MiniMax M3.1 Flash vs Ling 3.1 Flash: de ene is open source, de andere is slechts open gewichten

Beide checkpoints zijn downloadbaar. Slechts één ervan is gratis om een bedrijf op te bouwen. Ling 3.1 Flash valt onder MIT — de licentie die je juridische team zonder vergadering goedkeurt. MiniMax-M3.1-Flash valt onder de MiniMax Community License, die gratis is voor niet-commercieel gebruik, in commerciële producten een prominente vermelding "Built with MiniMax M3" vereist, bij een jaaromzet onder de 20 miljoen dollar om een eenmalige kennisgeving vraagt, en daarboven voorafgaande schriftelijke toestemming van MiniMax vereist. Die clausule is het belangrijkste verschil tussen twee modellen die qua meetbare kwaliteit verder zo dicht bij elkaar liggen dat de kloof binnen een afrondingsfout valt, en het is het verschil dat bijna geen enkele vergelijkingspagina vooraan zet.

Alles anders aan dit tweetal lijkt echt sterk op elkaar. Ling 3.1 Flash, van InclusionAI en aangekondigd op 30 september 2026, met MIT-gewichten die medio oktober volgen, is een MoE met hybride attention en 560 miljard parameters die per token ongeveer 25 miljard activeert. MiniMax-M3.1-Flash, van MiniMax en uitgebracht op 19 oktober 2026, met gewichten die op 23 oktober volgen, is een MoE met 428 miljard parameters die per token 23 miljard activeert. Twee leveranciers, twee architecturen, twee weken na elkaar, en aantallen actieve parameters die binnen acht procent van elkaar liggen. De interessante vraag is niet welke groter is. Het is welke je mag gebruiken.

Twee checkpoints, drie weken na elkaar

Ling 3.1 Flash is het model van Ant Groups InclusionAI-lab, ID inclusionAI/Ling-3.1-flash, tekst in en tekst uit. Het gebruikt 512 gerouteerde experts, waarvan 8 per token worden geselecteerd, plus een gedeelde expert, en wisselt 63 KDA-lineaire-attentielagen af met 9 gated MLA-lagen in een verhouding van 7:1 — een architectuur die is gebouwd om inferentie met een lange context goedkoop te houden in plaats van modaliteiten toe te voegen. De modelkaart claimt een context van één miljoen tokens; de max_position_embeddings van de geleverde configuratie is 262.144, dus beschouw het grotere getal als een gesteld doel in plaats van een geleverd kenmerk. De prijs is $0,30 per miljoen inputtokens, $0,90 voor output en $0,06 voor cachereads. Er bestaan benchmarks van de leverancier — Terminal-Bench 4.0 op 40,4%, FrontierSWE op 75,2%, CyberGym op 87,9% — maar die zijn uitgevoerd op Ants eigen LingCode-harnas, dat niet openbaar is, en geen enkele is onafhankelijk gereproduceerd.

MiniMax-M3.1-Flash is MiniMax' eigen multimodale MoE, ID MiniMaxAI/MiniMax-M3.1-Flash op Hugging Face, verwerkt tekst, afbeeldingen en video en retourneert tekst. Het activeert 23 miljard van de 428 miljard parameters, met sparse attention toegepast over het hele netwerk, gerouteerde experts getraind op W4A4 in NVFP4, en een DSpark speculative-decoding-drafter meegeleverd in de repository — daarom is de download 252,4 GB in plaats van de 450-plus die een BF16-master nodig zou hebben. Context is 1.000.000 tokens in, 524.288 uit. De prijs is $0,15 input, $0,60 output, $0,015 gecachet. De leveranciersbenchmarks zijn van vergelijkbare aard en evenmin gereproduceerd: DeepSWE v1.1 op 73,7%, OSWorld V2 op 61,7%, CyberGym op 82,2%, Automation-Bench op 62,8%.

De licentie is de tweesprong, niet de benchmark.

Zet de twee licentieteksten naast elkaar en de vergelijking is niet langer technisch. MIT betekent dat je het mag forken, fine-tunen, commercieel mag hosten, de afgeleide opnieuw mag verspreiden en nooit meer met InclusionAI hoeft te praten. Je hoeft geen naamsvermelding te publiceren, je hoeft geen omzet te rapporteren en er is geen drempel waarboven iemand je toestemming kan intrekken. Voor een bedrijf dat een product bovenop een model bouwt, is dat het verschil tussen een engineeringbeslissing en een inkooptraject.

De MiniMax Community License is niet vijandig — hij is veel ruimer dan een gesloten API, en de meeste kleine teams zullen de grens van $20 miljoen nooit raken. Maar het is een licentie met voorwaarden die gekoppeld zijn aan de omvang van je bedrijf, en omvang is precies de variabele die een groeiend bedrijf niet constant kan houden. Een product dat de drempel overschrijdt, moet terug om opnieuw te onderhandelen, en de voorwaarden van die onderhandeling worden niet gepubliceerd. Als je een basismodel kiest voor iets dat je wilt opschalen, kies je een licentie die van betekenis verandert op een omzetmijlpaal.

Dat ene feit herschikt de rest van deze vergelijking. Op het gebied van capaciteit en prijs is MiniMax-M3.1-Flash de sterkere propositie. Wat de vraag betreft of je erop kunt bouwen zonder een juridische toets op het slechtst mogelijke moment, is Ling 3.1 Flash degene die niet met een mijlpaal komt.

Het scorebord, met het bijbehorende voorbehoud

Artificial Analysis is de enige neutrale evaluator die beide heeft gedraaid, en de cijfers liggen dicht genoeg bij elkaar dat de rangorde kwetsbaar is.

• Intelligence Index — MiniMax-M3.1-Flash 43 tegenover Ling 3.1 Flash 41. Een verschil van twee punten, op een tracker waar één enkele evaluatierevisie een model met datzelfde aantal kan laten verschuiven.

• Kosten per indextaak — $0,22 tegenover $1,00. Een verschil van 4,5× in het voordeel van MiniMax, en groter dan het verschil van 2× op de tariefkaart.

• Invoerprijs — $0,15 tegen $0,30 per miljoen.

• Outputprijs — $0,60 tegenover $0,90 per miljoen.

• Gecachte invoer — $0,015 versus $0,06 per miljoen. Een 4×-verschil op de regel die een cache-intensieve agent-run domineert.

• Uitvoersnelheid — 95,6 tokens per seconde tegenover 220,8. Dit is de duidelijkste overwinning van Ling, en het is meer dan 2×.

• Contextvenster — 1.000.000 tokens tegenover 1.000.000 geclaimd, 262.144 in de meegeleverde configuratie.

• Maximale output — 524.288 tokens tegenover ongeveer 33.000.

• Inputmodaliteiten — tekst, afbeelding en video tegenover alleen tekst.

• Licentie — MiniMax Community License tegenover MIT.

Waarom het verschil per taak groter is dan het verschil per token

Ling 3.1 Flash heeft een twee keer zo hoge inputprijs en een 1,5 keer zo hoge outputprijs. De kosten per afgeronde taak liggen 4,5 keer zo hoog, en dat valt niet te verklaren door de hoeveelheid tekst: Ling is van de twee de spraakzaamste op de tracker en genereert 220 miljoen outputtokens in de index, tegenover 180 miljoen voor MiniMax-M3.1-Flash. Wat het verklaart, zijn de cacheprijzen en de vorm van een reasoning-run.

Dit zijn beide agents die nadenken voordat ze antwoorden, wat betekent dat de meeste tokens in een lange run inputtokens zijn die opnieuw uit de cache worden gelezen in plaats van een verse prompt. Op een factuur die door cache wordt gedomineerd, is de regel die ertoe doet $0,015 tegenover $0,06, niet $0,15 tegenover $0,30. Een viervoudige spreiding op de dominante kostenregel wordt een viereneenhalfvoudige spreiding op de factuur, en de gepubliceerde tariefkaart stelt het met de helft te laag voor.

Dit is ook het argument om de factuur te controleren in plaats van de tariefkaart. OrcaRouter geeft de lijstprijzen van providers door met 0% opslag, zodat een tariefwijziging van welke kant dan ook bij ons zichtbaar is op de dag dat die ingaat, in plaats van na een prijsherzieningscyclus — en noch Ling 3.1 Flash noch MiniMax-M3.1-Flash staat vandaag in onze catalogus, dus de bovenstaande cijfers zijn de eigen gepubliceerde tarieven van de leveranciers en niets wat wij voor u kunnen routeren. De modellen die we uit deze tier wel aanbieden, zijn MiniMax-M3 en DeepSeek V4.1 Flash, wat het prijs-per-taak-experiment goedkoop maakt om te draaien tegen een model dat u daadwerkelijk kunt aanroepen.

Multimodaal versus alleen tekst is geen functieregel.

Het is een {{1}}workloadfilter{{/1}}. {{2}}MiniMax-M3.1-Flash{{/2}} accepteert afbeeldingen en videoframes; {{3}}Ling 3.1 Flash{{/3}} accepteert tekst en niets anders. Als je pipeline screenshots leest, gescande documenten parseert, grafieken inspecteert of naar video kijkt, eindigt de vergelijking al bij de invoerfase, en geen hoeveelheid MIT-licenties kan opwegen tegen een model dat de invoer niet kan zien.

De uitvoerlengte kent op dezelfde manier beperkingen. Een plafond van 524.288 tokens tegenover ongeveer 33.000 is een verschil van een factor zestien, en dat bepaalt elke taak waarvan het eindproduct zelf lang is: een herschrijving van een heel bestand, een migratie op repositoryschaal, een gestructureerde extractie over een omvangrijk document. Een limiet van 33K maakt die taken niet onmogelijk; het maakt er een chunkingprobleem van dat je in je eigen code moet oplossen, en chunking is precies waar de kwaliteit van lange contexten geruisloos achteruitgaat.

Waar Ling 3.1 Flash de juiste keuze is

Drie situaties, en geen ervan is niche. Ten eerste: alles wat commercieel boven de grens van $20 miljoen wordt uitgebracht: MIT haalt een onderhandelingspunt van je roadmap. Ten tweede: alles waarbij doorvoer de beperkende factor is — met 220,8 tokens per seconde tegenover 95,6 rondt Ling een teksttaak af in minder dan de helft van de kloktijd, en voor een interactieve agent is dat het verschil tussen bruikbaar en niet bruikbaar. Ten derde: alles wat je van plan bent te fine-tunen en opnieuw te distribueren: MIT laat je de afgeleide uitbrengen, en de naamsvermeldingsvereiste van de MiniMax-licentie volgt de output tot in de interface van je product.

Op papier is Ling ook het schonere lange-contextverhaal, in die zin dat de hybride lineaire attention ervoor is ontworpen — maar de uitgeleverde configuratie van 262.144 tokens betekent dat de claim van één miljoen tokens een belofte is over een toekomstige configuratie, niet een eigenschap van de checkpoint die je vandaag downloadt. Budgetteer niet op basis van het getal op de kaart.

Waar MiniMax-M3.1-Flash de juiste keuze is

Overal waar de invoer geen tekst is, en overal waar de uitvoer lang is. Het is ook het goedkopere model, met een marge die het licentie-Voorbehoud overleeft: tegen een vijfde van Ling's kosten per taak kan een team onder de drempel van $20 miljoen twee keer zoveel werk verzetten voor minder dan de helft van het geld, en de attributievereiste is een regel in een voettekst in plaats van een technische beperking. Als je product klein is, is de licentie een formaliteit; als het slaagt, wordt het een gesprek. Plan voor dat gesprek in plaats van te doen alsof het niet zal gebeuren.

En het is het model met de hogere onafhankelijke score. Twee punten op de Intelligence Index is geen beslissend verschil, maar het wijst in dezelfde richting als de prijs, de modaliteitsondersteuning en het contextvenster, wat eerder een patroon is dan toeval.

Kiezen zonder twee keer te kiezen

De vorm die deze vergelijking feitelijk impliceert, is geen permanente beslissing. Ling 3.1 Flash is de betere tekstengine en de veiligere licentie; MiniMax-M3.1-Flash is de betere multimodale engine en de goedkopere. Een pipeline die beide nodig heeft — tekstsamenvatting op volume, plus document- en schermafhandeling voor de subset die dat nodig heeft — wil twee modellen achter één interface in plaats van één model waarvan wordt verwacht dat het in beide goed is.

Dat is het pleidooi voor een gateway in plaats van een tweede contract: één sleutel, één factuuroppervlak, automatische failover wanneer een van beide leveranciers minder presteert, en de routing-DSL wanneer het kostenplafond in de route thuishoort en niet in applicatiecode. Geen van deze twee modellen staat in de catalogus van OrcaRouter, dus dit is een argument over de vorm van de integratie, niet een bewering over wat wij hosten. Wat wij wel hosten uit dezelfde tier — MiniMax-M3, DeepSeek V4.1 Flash — is er om het patroon te benchmarken voordat je er een productiepad aan vastlegt.

De vraag die moet worden beantwoord vóór een van beide

Niet "welke scoort hoger." Twee punten zijn ruis, en beide modellen zullen verschuiven wanneer beoordelaars hun suites herzien. De vraag is waarop jouw bedrijf mag bouwen, en hoe dat antwoord verandert bij een omzetmijlpaal die je nog niet hebt bereikt. Als het eerlijke antwoord is dat een heronderhandeling van de licentie verdraagbaar zou zijn, is MiniMax-M3.1-Flash het sterkere model tegen een aanzienlijk lagere prijs en is de beslissing eenvoudig. Als dat niet verdraagbaar zou zijn, levert Ling 3.1 Flash twee indexpunten, wat contextruimte en beeldinvoer in, in ruil voor een licentie die je nooit een vraag stelt — en dat is een afweging die de meeste teams één keer, correct, zullen maken in plaats van er later achter te komen.