DeepSeek V4 Pro kontra MiniMax M3: Pojedynek flagowców z otwartymi wagami

DeepSeek V4 Pro i MiniMax M3 to dwa flagowe modele o otwartych wagach, które w tym roku walczą o koronę w programowaniu, a ciekawe jest to, jak różnymi sposobami próbują ją zdobyć. MiniMax M3, wydany 1 czerwca, jest pierwszym modelem o otwartych wagach, który w jednym pakiecie oferuje kodowanie na poziomie granicznym, kontekst miliona tokenów i natywne wejście multimodalne, oparty na architekturze Sparse Attention firmy M​iniMax. DeepSeek V4 Pro, którego oficjalna wersja pojawiła się 13 sierpnia po czteromiesięcznym podglądzie, jest specjalistą od rozumowania: ma 1,6 biliona parametrów w architekturze Mixture-of-Experts z 49 miliardami aktywnych parametrów, najwyższy wynik Codeforces, jaki kiedykolwiek zarejestrowano dla modelu językowego, a obecnie także znacznie lepszy wynik w zadaniach agentowych. Oba są na licencji MIT, oba są tanie i oba są agresywnie pozycjonowane względem modeli, które kosztują od dziesięciu do pięćdziesięciu razy więcej.

Ten nagłówek „both open-weight” ukrywa prawdziwą rozbieżność. To nie są dwie firmy budujące to samo pod różnymi logotypami. M3 stawia na ekonomikę długiego kontekstu — rzadką uwagę, która sprawia, że okno na milion tokenów jest na tyle tanie, że można je faktycznie używać. DeepSeek V4 Pro stawia na surową głębię rozumowania — ogromny ekspercko-równoległy MoE, który myśli zanim odpowie. To, który z nich jest „lepszy do kodowania”, okazuje się zależeć od tego, którą część kodowania masz na myśli oraz od tego, czy twoim wejściem jest ślad stosu, czy zrzut ekranu.

Dwie architektury, dwa zakłady

DeepSeek V4 Pro to największy dotychczas wydany model o otwartych wagach: łącznie 1,6 biliona parametrów, z czego 49 miliardów aktywnych na token, 61-warstwowy MoE z 384 ekspertami routingu (top-6), wagi ekspertów w FP4 z uwagą w FP8 oraz hybrydową architekturą uwagi łączącą skompresowaną i mocno skompresowaną uwagę rzadką. Wymaga około 862 GB w FP8, co sytuuje samo-hosting w obszarze ośmiu układów H100, a nie na stacji roboczej. Model, który jest obecnie dostępny na licencji MIT i do pobrania, to ten sam, który stoi za oficjalną wersją API udostępnioną w tym tygodniu.

MiniMax M3 to mniejsza i lżejsza maszyna — mniej więcej 428 miliardów parametrów łącznie, z około 23 miliardami aktywnymi na token — zbudowana wokół M​iniMax Sparse Attention (MSA). Producent twierdzi, że MSA ogranicza obliczenia na token do mniej więcej jednej dwudziestej poprzedniej generacji, zapewniając ponad 9 razy szybszy prefill i ponad 15 razy szybsze dekodowanie przy długim kontekście. O to właśnie chodzi w tym modelu: okno miliona tokenów jest użyteczne tylko wtedy, gdy wnioskowanie w jego obrębie jest niedrogie, a MSA właśnie to zapewnia. M3 natywnie przyjmuje również obrazy i wideo, czego V4 Pro nie robi.

Oba oferują kontekst o długości 1 048 576 tokenów. DeepSeek V4 Pro osiąga maksymalnie 384K tokenów na wyjściu; pułap MiniMax M3 jest jeszcze wyższy i wynosi 512K. Oba mają przełączalny tryb myślenia — DeepSeek V4 Pro domyślnie ma go włączonego, a M3 udostępnia go jako przełącznik.

Co zmieniła oficjalna premiera DeepSeek

Każde obecne porównanie napisane przed tym tygodniem porównuje niewłaściwy model DeepSeek. Wersja zapoznawcza, która była dostępna od 24 kwietnia, była modelem rozumującym i uzyskała wynik DeepSWE na poziomie 12,8. Oficjalna wersja, DeepSeek-V4-Pro-0813, podniosła ten wynik do 62,7 we własnych ewaluacjach DeepSeek, a także dodała Responses API, integrację z Codex oraz endpointy kompatybilne z OpenAI i Anthropic — dzięki czemu ten sam kod klienta, który rozmawia z jednym, może rozmawiać z drugim. Wyniki agentowe na karcie wyników producenta plasują się teraz blisko modelu Fable 5 od Anthropic: Terminal-Bench 2.1 na poziomie 87,9 (Fable 5: 88,0), CyberGym 83,3 (Fable 5: 83,1), AutomationBench 31,8 (Fable 5: 29,1). Są to liczby zgłoszone przez DeepSeek dla wersji mającej jeden dzień, niezreprodukowane przez żadne niezależne laboratorium — należy traktować je jako deklaracje, ale nie są to już skromne deklaracje.

Tablica wyników kodowania i do kogo należą które liczby

W najczęściej cytowanych benchmarkach kodowania oba modele podzieliły wyniki, a ten podział jest pouczający:

• LiveCodeBench — DeepSeek V4 Pro 93.5, najmocniejszy wynik open-weight w tym benchmarku i jego najczęściej cytowane zwycięstwo.

• SWE-Bench Verified — DeepSeek V4 Pro 80.6 kontra MiniMax M3 80.5, praktycznie remis.

• SWE-Bench Pro — MiniMax M3 59.0 vs DeepSeek V4 Pro 55.4, czyli znaczące prowadzenie M3 o 3,6 punktu w agentowej inżynierii oprogramowania.

• Terminal-Bench 2.1 — DeepSeek V4 Pro 67.9 vs MiniMax M3 66.0, wynik wyrównany.

• BrowseComp — MiniMax M3 83,5, wynik agenta badawczego działającego w przeglądarce, który przewyższa wiele zamkniętych modeli.

• Codeforces — DeepSeek V4 Pro 3206, najwyższa ocena kiedykolwiek odnotowana dla modelu językowego.

Pierwsze cztery z tych wyników pochodzą od dostawców; Artificial Analysis Intelligence Index to jedyna niezależna liczba, na której widnieją oba modele, i plasuje MiniMax M3 na 44. miejscu wobec 32. dla DeepSeek V4 Pro w konfiguracji bez rozumowania (w momencie pisania tego tekstu konfiguracja rozumująca nie została jeszcze oceniona przez AA). Opublikowany w tym miesiącu zewnętrzny konkurs programistyczny daje ostrzejszy obraz: MiniMax M3 uzyskał najwyższą łączną punktację w zadaniu polegającym na implementacji w realnym środowisku, a sędzia pochwalił jego kod jako „klasy przemysłowej”, podczas gdy DeepSeek V4 Pro został opisany jako najlepszy projektant architektury, ale słabszy w przenoszeniu logiki biznesowej do działającego kodu — „dobry w myśleniu, nie w działaniu”. W przypadku problemów algorytmicznych w stylu programowania konkursowego liczby z Codeforces i LiveCodeBench wskazują na V4 Pro. Jeśli chodzi o przekształcenie specyfikacji w gotowy, przetestowany serwis, wyniki z rzeczywistych zastosowań przechylają szalę na M3.

Multimodalność to prawdziwe rozwidlenie dróg.

Odrzućmy benchmarki, a decydującą różnicą jest modalność wejścia. MiniMax M3 natywnie przyjmuje tekst, obrazy i wideo oraz obsługuje sterowanie komputerem i grounding wizualny — agent potrafi przeczytać diagram, obserwować ekran i działać na podstawie tego, co widzi. DeepSeek V4 Pro obsługuje wyłącznie tekst, co jest idealne dla czystych potoków kodu i dokumentów, a bezużyteczne, gdy odpowiedź kryje się w obrazie. Jeśli Twój agent programistyczny pracuje na zgłoszeniach i repozytoriach, skupienie V4 Pro na tekście nic Cię nie kosztuje. Jeśli kiedykolwiek będzie musiał obejrzeć makietę UI, zrzut ekranu z awarią lub zdjęcie tablicy, M3 jest jedynym z tych dwóch, który to potrafi.

Cena i szybkość: dwie różne krzywe.

Przy cenach katalogowych dostawców przekazywanych przez OrcaRouter, oba modele są tanie w różnych miejscach:

• DeepSeek V4 Pro — $0.44 za milion tokenów wejściowych, $0.88 za milion tokenów wyjściowych, $0.0035 za milion tokenów wejściowych z pamięci podręcznej.

• MiniMax M3 — $0.30 za milion tokenów wejściowych, $1.20 za milion tokenów wyjściowych, $0.06 za milion tokenów wejściowych z cache.

M3 wygrywa pod względem wejścia i cache'owania; V4 Pro wygrywa na wyjściu, a to właśnie wyjście jest rozliczane za tokeny myślące. Ponieważ DeepSeek V4 Pro domyślnie ma włączone myślenie, a jego rozumowanie jest rozwlekłe, długa sesja agenta może przechylić łączny koszt na stronę V4 Pro, mimo tańszego wejścia M3. Szybkość działa w drugą stronę: MiniMax M3 osiąga około 80–145 tokenów wyjściowych na sekundę w zależności od dostawcy, podczas gdy DeepSeek V4 Pro to mniej więcej 54–65. Przewaga M3 w zakresie rzadkiej uwagi ujawnia się najbardziej przy długim kontekście, gdzie dekodowanie pozostaje szybkie, podczas gdy koszt uwagi V4 Pro rośnie.

Oba są na OrcaRouter za jednym kluczem zgodnym z OpenAI, co sprawia, że to mniej przypomina rzut monetą, niż się wydaje: ścieżka produkcyjna może kierować DeepSeek V4 Pro do przebiegów algorytmicznych i długiego pisania, MiniMax M3 do przebiegów multimodalnych i długiego kontekstu, a także użyć DSL routingu lub fuzji modeli, aby współpracowały w jednym wywołaniu — każdy rozliczany według ceny listowej dostawcy z 0% marży, z automatycznym przełączaniem awaryjnym, jeśli punkt końcowy któregoś dostawcy się zachwieje.

Który pasuje?

• Programowanie konkursowe, rozumowanie algorytmiczne, matematyka, maksymalna długość odpowiedzi na jedno wywołanie → DeepSeek V4 Pro. Wyniki z Codeforces i LiveCodeBench to najmocniejsze wyniki open-weight na liście rankingowej.

• Zamiana specyfikacji w gotowe usługi, długie autonomiczne działania agentów → MiniMax M3, według rzeczywistych konkursów kodowania i prowadzenia w agentowym SWE-Bench Pro.

• Każde dane wejściowe, które nie są tekstem (zrzuty ekranu, diagramy, kadry wideo) → MiniMax M3, jedyna dostępna tutaj opcja multimodalna.

• Kontekst miliona tokenów, który musi pozostać tani i szybki → rzadka uwaga (sparse attention) modelu MiniMax M3, z 9-krotnym przyspieszeniem prefillu i 15-krotnym przyspieszeniem dekodowania w porównaniu z poprzednią generacją.

• Najniższy koszt generowania tekstu → DeepSeek V4 Pro za 0,88 USD w porównaniu z 1,20 USD dla M3, zwłaszcza przy włączonym trybie myślenia.

• Self-hosting na skromnych GPU w centrum danych → mniejsza liczba aktywnych parametrów modelu MiniMax M3; checkpoint V4 Pro ważący 862 GB w formacie FP8 wymaga poważnego klastra.

Żaden z modeli nie ma jeszcze rozstrzygniętego werdyktu, a oba rozwijają się błyskawicznie — oficjalna kompilacja DeepSeek V4 Pro trafiła do rąk użytkowników w tym tygodniu i nie doczekała się jeszcze niezależnych benchmarków, wagi MiniMax M3 zostały obiecane, ale wciąż muszą w pełni trafić do otwartych repozytoriów, a DeepSeek zapowiedział podwyżkę cen linii V4. Jeśli musisz wybrać już dziś, wybieraj na podstawie modalności i obciążenia: prace agentowe multimodalne i oparte na długim kontekście przypisz do MiniMax M3, a czyste wnioskowanie na tekście i kodzie po najniższej cenie wyjściowej — do DeepSeek V4 Pro — i kieruj na nie ruch jednocześnie, aby gdy pojawi się pierwszy niezależny ranking któregokolwiek z tych modeli, przełączenie ruchu było zmianą konfiguracji, a nie przepisywaniem kodu.