MiniMax M3.1 Flash kontra Gemini 3.5 Flash-Lite: połowa ceny, dwukrotnie wyższy wynik, a mimo to nadal nieoczywisty wybór

Gemini 3.5 Flash-Litejest w sprzedaży od 21 lipca 2026 r. MiniMax M3.1 Flashpojawił się 19 października 2026 r. w cenie 0,15 USD za milion tokenów wejściowych i 0,60 USD za milion tokenów wyjściowych — czyli połowa i mniej więcej jedna czwarta stawek Gemini 3.5 Flash-Litewynoszących 0,30 USD i 2,50 USD. W Intelligence Index firmy Artificial Analysis nowszy model uzyskuje 43 punkty, a model Google’a 22 punkty. Zatem MiniMax M3.1 Flash jest tańszy w każdym wierszu kosztów tokenów i ma dwukrotnie większe możliwości według niezależnego indeksu. A jednak w wierszu kosztu na zadanie wygrywa Gemini 3.5 Flash-Lite, 0,19 USD wobec 0,22 USD. Ta odwrócona zależność to jedyny uczciwy sposób podejścia do tego porównania, ponieważ pokazuje, że decyzja wcale nie dotyczy cenników.

Dwie karty stawek, które tylko wyglądają podobnie

Zacznij od tego, co każdy dostawca faktycznie publikuje, ponieważ struktury różnią się tak samo mocno jak liczby.

• Wejście — 0,15 USD za milion tokenów w MiniMax M3.1 Flash w porównaniu z 0,30 USD w Gemini 3.5 Flash-Lite.

• Wynik — 0,60 USD wobec 2,50 USD, różnica cztery do jednego.

• Buforowane dane wejściowe — $0.015 wobec $0.03, w obu przypadkach 90% zniżki od stawki za dane wejściowe.

• Przechowywanie pamięci podręcznej — Google rozlicza je stawką 1,00 USD za milion tokenów w pamięci podręcznej na godzinę. Cennik premierowy MiniMax nie wyszczególnia opłaty za przechowywanie.

• Batch i Flex — Google obniża cenę wejścia do 0,15 USD, a wyjścia do 1,25 USD w obu warstwach. Cennik startowy MiniMax to płaska karta z trzema pozycjami, bez warstwy batch w materiałach premierowych.

• Priorytet — Google sprzedaje poziom priorytetowy w cenie 0,54 USD za dane wejściowe i 4,50 USD za dane wyjściowe. W poście zapowiadającym premierę MiniMax nie ogłoszono odpowiednika.

• Kontekst i limit wyjściowy — oba przyjmują 1 milion tokenów wejściowych. MiniMax pozwala na maksymalnie 524,288 tokenów wyjściowych; Gemini 3.5 Flash-Lite zatrzymuje się na 65,536.

• Wagi — MiniMax opublikował 23 października plik do pobrania o rozmiarze 252,4 GB na podstawie własnej licencji społecznościowej. Gemini 3.5 Flash-Lite jest oprogramowaniem własnościowym.

Poziom wsadowy zasługuje na osobne zdanie, ponieważ to jedyne miejsce, w którym dwie karty niemal się stykają. Zespół, który może tolerować opóźnienie wsadowe, otrzymuje wejście Gemini 3.5 Flash-Lite za 0,15 USD — dokładnie w standardowej cenie wejścia MiniMax — ale wyjście za 1,25 USD, wciąż ponad dwukrotnie więcej niż 0,60 USD w MiniMax. Tryb wsadowy zmniejsza różnicę w cenie wejścia i pozostawia różnicę w cenie wyjścia bez zmian. Jeśli Twoje obciążenie jest zdominowane przez wyjście, co dotyczy obciążeń agentowych i związanych z kodowaniem, zniżka wsadowa nie ratuje tego porównania.

Luka kompetencyjna nie jest subtelna, ale przeczytaj wersję benchmarkową.

Artificial Analysis poddaje oba modele temu samemu zestawowi testów, a wyniki nie są nawet zbliżone:

• Indeks inteligencji — 43 dla MiniMax M3.1 Flash, piąte miejsce spośród 173 modeli; 22 dla Gemini 3.5 Flash-Lite, 44. miejsce.

• Terminal-Bench 4.0 — 26% wobec 1%.

• AutomationBench-AA — 73% wobec 25%.

• GDPval-AA — 1 458 wobec 985.

• SciCode — 53% wobec 41%.

Liczba dotycząca Terminal-Bench to ta, która będzie cytowana wyrwana z kontekstu, więc potrzebuje kontekstu. Karta modelu Gemini 3.5 Flash-Lite od Google podaje Terminal-Bench 2.1 na poziomie 54,0%. Artificial Analysis prowadzi Terminal-Bench 4.0 i odnotowuje 1%. Obie liczby mogą być poprawne, ponieważ to różne generacje benchmarku testujące różne rzeczy. 1% nie oznacza, że Flash-Lite nie potrafi korzystać z terminala; oznacza, że prawie nigdy nie wykonuje obecnych trudnych kompleksowych zadań terminalowych bez pomocy. 54% oznacza, że dobrze wypadł na wcześniejszej wersji benchmarku. Każdy, kto porównuje model z MiniMax M3.1 Flash w „Terminal-Bench” bez podania wersji, porównuje dwa różne testy.

Rozróżnienie na dostawcę i niezależne źródło ma równie duże znaczenie. Karta Google'a podaje również SWE-Bench Pro na poziomie 54,2%, OSWorld-Verified na 74,0% i GDM-MRCR na 72,2% przy kontekstach 128K — wszystkie dane zgłoszone przez dostawcę, wszystkie przy ustawieniach wybranych przez Google. W poście premierowym MiniMaxa podano BankerToolBench na poziomie 76,2, DeepSWE v1.1 na 73,7% i OSWorld V2 na 61,7, również zgłoszone przez dostawcę. Jedynymi wierszami w tym artykule, które przepuszczają oba modele przez ten sam harness, są te z Artificial Analysis, i dlatego to one stanowią podstawę argumentacji.

Dlaczego droższy model może mimo to kosztować mniej na zadanie

Artificial Analysis mierzy koszt ukończonego zadania w Intelligence Index na 0,19 USD dla Gemini 3.5 Flash-Lite i 0,22 USD dla MiniMax M3.1 Flash. To wygląda na niemożliwe wobec czterokrotnej różnicy w cenie wyjścia, dopóki nie przypomnisz sobie, czym jest ta metryka: faktycznie zużyte tokeny pomnożone przez stawki dostawcy. To nie jest porównanie cennika. To pomiar tego, ile pracy wykonuje każdy model, aby ukończyć to samo zadanie.

MiniMax M3.1 Flash to rozwlekły model rozumujący. Artificial Analysis odnotowało około 180 milionów tokenów wyjściowych w całym indeksie dla M3.1 Flash, wobec mediany wynoszącej około 100 milionów dla śledzonych przez siebie modeli. Koszt $0.19 na zadanie w przypadku Gemini 3.5 Flash-Lite, przy około jednej trzeciej łącznej ceny tokena MiniMax, sugeruje, że przechodzi on ten sam indeks przy znacznie mniejszej liczbie tokenów. To wniosek wyciągnięty z dwóch opublikowanych liczb, a nie deklaracja producenta, ale wskazuje w tę samą stronę: w zadaniach, w których dodatkowy namysł M3.1 Flash przekłada się na poprawną odpowiedź, wydatek tokenowy jest dobrą wymianą. W zadaniach, w których odpowiedź nigdy nie była wątpliwa, namysł jest marnotrawstwem, a model tańszy za token staje się droższy w przeliczeniu na zadanie.

Policz fakturę dla obciążenia, jakie możesz faktycznie mieć: 20 milionów tokenów wejściowych miesięcznie przy 60% współczynniku trafień pamięci podręcznej, plus 3 miliony tokenów wyjściowych.

• MiniMax M3.1 Flash — 8 milionów nowych danych wejściowych po $0.15 to $1.20; 12 milionów z pamięci podręcznej po $0.015 to $0.18; 3 miliony danych wyjściowych po $0.60 to $1.80. Razem $3.18.

• Gemini 3.5 Flash-Lite — 8 milionów świeżych danych wejściowych po $0.30 to $2.40; 12 milionów z pamięci podręcznej po $0.03 to $0.36; 3 miliony wyjścia po $2.50 to $7.50. Razem $10.26, przed doliczeniem kosztów przechowywania w pamięci podręcznej.

To 3,2-krotna różnica na korzyść MiniMax. Zmniejsz wynik do pół miliona tokenów, czyli do postaci zadania klasyfikacji lub ekstrakcji, a robi się z tego 1,68 USD wobec 4,01 USD — wciąż 2,4-krotnie. Ustaw Gemini w jego warstwie batch z wynikiem 3 milionów tokenów, a wyniesie to 5,19 USD, wciąż 1,6-krotnie więcej niż MiniMax. Arytmetyka na tokenach ani drgnie.

Zatem odwrócenie kosztu na zadanie jest realne, ale wąskie, i dotyczy efektywności tokenowej, a nie ceny. Jeśli Twoje obciążenie przypomina Intelligence Index — krótkie, dobrze określone zadania, w których mniejszy model może szybko sobie poradzić — efektywność Flash-Lite może zniwelować różnicę w stawce cennika. Jeśli Twoje obciążenie przypomina powyższą fakturę, nie zrobi tego. Jedyną wiarygodną prognozą są własne liczby tokenów na własnych promptach, zmierzone na obu.

Prędkość to dwa pomiary wskazujące w przeciwnych kierunkach.

Opowieść o szybkości jest ciekawsza niż „jeden jest szybszy”, ponieważ te dwa modele wygrywają jej różne połowy.

• Czas do pierwszego tokena — 1,48 sekundy w MiniMax M3.1 Flash wobec 6,94 sekundy w Gemini 3.5 Flash-Lite. Model MiniMax zaczyna odpowiadać prawie pięć razy szybciej.

• Przepustowość wyjściowa — 95,6 tokena na sekundę w porównaniu z 430,2. Gdy już zacznie, Flash-Lite strumieniuje około cztery i pół razy szybciej.

To, która liczba ma znaczenie, zależy od charakteru wywołania. W interfejsie czatu użytkownik odczuwa opóźnienie pierwszego tokenu; model, który przed pierwszym słowem pauzuje siedem sekund, wydaje się zepsuty, niezależnie od tego, jak szybko później pisze. W długim generowaniu — raport na 100 000 tokenów, duży refaktoring — przepustowość dominuje w czasie zegarowym i wolniej startujący może ukończyć pierwszy. W pętli agenta, gdzie każdy krok to krótkie wywołanie narzędzia, a pętla wykonuje się dwadzieścia razy, czas do pierwszego tokenu płaci się dwadzieścia razy, a przepustowość ma niewielkie znaczenie.

Dwie uwagi. Artificial Analysis zmierzyło 95,6 tokena na sekundę dla M3.1 Flash, podczas gdy materiały własne MiniMax podają medianę powyżej 170 i szczyty powyżej 200 — przypomnienie, że ścieżka obsługi i warunki pomiaru mocno zmieniają tę liczbę. A 430 tokenów na sekundę w Flash-Lite jest naprawdę szybkie, ale limit wyjścia wynoszący 65 536 tokenów oznacza, że przypadek długiego generowania, w którym ta prędkość najbardziej by się opłacała, jest ograniczony. Limit 524 288 tokenów w MiniMax jest osiem razy większy.

Rozpiętość między dostawcami jest większa niż różnica między modelami. Własna strona OrcaRouter dla Gemini 3.5 Flash-Lite podaje p50 czasu do pierwszego tokenu na poziomie 3,59 sekundy i p95 na poziomie 10,00 sekundy u dostawców, do których kieruje ruch, wobec wyniku 6,94 sekundy według Artificial Analysis. To nie jest sprzeczność; tak wygląda model kierowany przez router, gdy obsługują go różne backendy. Oznacza to również, że uczciwym sposobem porównania tych dwóch modeli pod kątem opóźnienia jest zmierzenie własnej trasy, a nie zaufanie pojedynczej liczbie od któregokolwiek z dostawców.

Wiersz, który powinien decydować o pracy regulowanej

Ewaluacja AA-Omniscience przeprowadzona przez Artificial Analysis przyznaje MiniMax M3.1 Flash wynik 16: 56% pytań faktograficznych otrzymało poprawną odpowiedź, a wskaźnik halucynacji wynosi 93%. Ta ostatnia liczba nie oznacza, że 93% odpowiedzi było błędnych. Oznacza, że spośród odpowiedzi, które nie były poprawne, 93% było całkowicie błędnych, a nie częściowych odpowiedzi lub odmów — model zwykle odpowiada, gdy powinien odmówić.

Strona Gemini 3.5 Flash-Lite w Artificial Analysis nie zawiera wyniku AA-Omniscience, więc nie można ich porównać pod kątem wstrzymywania się od odpowiedzi. Ten brak nie jest czystym zaświadczeniem o braku problemów; to brakujące dane. Można powiedzieć jedynie, że model o niższym pułapie możliwości i silnej skłonności do krótkich odpowiedzi może zawodzić inaczej — odmawiając odpowiedzi albo generując wyraźnie ubogi wynik — ale nie ma opublikowanego pomiaru, który by to potwierdzał. Nie zakładaj, że mniejszy model jest bezpieczniejszy tylko dlatego, że jest mniejszy.

W przypadku zadań programistycznych i agentowych AA-Omniscience jest słabym predyktorem: model nie jest proszony o przypominanie faktów, lecz o działanie na plikach i wynikach narzędzi. Wszędzie tam, gdzie coś przypomina pracę wiedzy — streszczanie umowy, odpowiadanie na pytanie klienta dotyczące zasad, wyodrębnianie liczby z dokumentu urzędowego — wartość 93% jest pierwszą rzeczą, wokół której należy projektować, a nie ostatnią. Wyszukiwanie, weryfikacja cytowań i etap przeglądu przez człowieka nie są tam opcjonalne, a niższa cena za token nie równoważy kosztu pewnej siebie błędnej odpowiedzi.

Reguła decyzyjna, która wytrzyma twoje własne obciążenie pracą

• Klasyfikacja, ekstrakcja, routing i tłumaczenie o dużej skali z krótkimi wynikami — Gemini 3.5 Flash-Lite. Indeks 22 wystarcza do wąskich zadań, kluczowe jest 430 tokenów na sekundę, a 65 536 tokenów wyjściowych to aż nadto. Jego warstwa batchowa przy wejściu za 0,15 USD dodatkowo wzmacnia argument za dużym wolumenem.

• Kodowanie w skali repozytorium, agenci wieloetapowi, długie dokumenty, długie formy wypowiedzi — MiniMax M3.1 Flash. Terminal-Bench 4.0 na poziomie 26% wobec 1% to istotna różnica, 524,288 tokenów wyjściowych usuwa twardy limit, a cena danych wejściowych jest o połowę niższa.

• Dostęp lokalny lub do wag — MiniMax M3.1 Flash i tylko on. Pobranie 252,4 GB jest realne, ale podlega licencji MiniMax Community Licence: w komercyjnych wdrożeniach wymagane jest podanie informacji o autorstwie, a przy rocznych przychodach powyżej 20 mln USD wymagana jest uprzednia pisemna zgoda. „Open weights” nie oznacza „open source”, a działy zakupowe powinny przeczytać licencję przed liczbą parametrów.

• Czat wrażliwy na opóźnienia — przetestuj oba. MiniMax wygrywa czas do pierwszego tokenu z dużą przewagą; Gemini wygrywa przepustowość strumieniowania. To, który wydaje się szybszy, zależy od długości odpowiedzi.

• Nienadzorowane odpowiadanie na pytania faktograficzne — ani jedno, ani drugie bez wyszukiwania i weryfikacji. MiniMax M3.1 Flash ma zmierzony problem ze wstrzymywaniem się od odpowiedzi; Gemini 3.5 Flash-Lite nie ma żadnego opublikowanego pomiaru.

Gdzie każdy z nich można faktycznie wywołać

Jest pewna asymetria, którą warto wyrazić wprost. Gemini 3.5 Flash-Lite jest dziś w katalogu OrcaRouter, więc można go wywołać przez jeden klucz API w cenie katalogowej dostawcy z 0% narzutu, z automatycznym przełączaniem awaryjnym między dostawcami oraz dostępnym DSL routingu do komponowania go z innymi modelami. MiniMax M3.1 Flash nie znajduje się w katalogu; oferta MiniMax kończy się tam na MiniMax-M3. Wywołanie M3.1 Flash oznacza skorzystanie z własnego API MiniMax lub jednego z jego partnerów świadczących usługi — w tym Tenstorrent Cloud, który ogłosił wdrożenie 22 października.

Ma to większe znaczenie przy ewaluacji niż w produkcji. Jeśli chcesz rozstrzygnąć kwestię kosztu na zadanie na własnych danych, przydatnym porównaniem jest często MiniMax-M3 z Gemini 3.5 Flash-Lite na jednym kluczu, ponieważ oba można trasować i są rozliczane w ten sam sposób; nowszy model musi wtedy pobić ten punkt odniesienia, zanim zdecydujesz się na drugiego dostawcę. OrcaRouter przekazuje ceny katalogowe dostawców bez zmian, więc zmiana ceny MiniMax lub poziom cenowy batch Google pojawia się na Twojej fakturze tego samego dnia, w którym następuje, a nie na końcu wynegocjowanego kontraktu.

Wybór zależy od tego, w przypadku której liczby możesz sobie pozwolić na pomyłkę.

Jeśli wybierzesz Gemini 3.5 Flash-Lite i pomylisz się co do jego możliwości, porażka będzie widoczna: 1% w Terminal-Bench 4.0 i wynik 25% w AutomationBench-AA nie da się ukryć. Zobaczysz, że zadanie się nie udaje, i przeniesiesz je na inny model.

Jeśli wybierzesz MiniMax M3.1 Flash i pomylisz się co do kosztów, porażka jest mniejsza, niż sugeruje cennik: w powyższym przykładzie rozliczanym za tokeny jest dwa do trzech razy tańszy, a według wskaźnika zadań Artificial Analysis jest o około 16% droższy. Żaden z tych wyników nie jest katastrofalny.

Jeśli wybierzesz MiniMax M3.1 Flash i pomylisz się w kwestii wstrzymania się od odpowiedzi, błąd pozostanie niezauważony. To właśnie ta asymetria powinna kierować decyzją w pracy opartej na wiedzy i dlatego to porównanie nie kończy się stwierdzeniem „tańszy, mądrzejszy model wygrywa”. W zadaniach agentowych i programistycznych, gdzie model działa na artefaktach, które można sprawdzić, MiniMax M3.1 Flash jest lepszym wyborem przy niższej cenie za token. W przetwarzaniu dużej liczby krótkich odpowiedzi szybkość i efektywność zadaniowa Gemini 3.5 Flash-Lite wciąż zasługują na swoje miejsce. W pracy faktograficznej bez warstwy weryfikacji uczciwa odpowiedź brzmi: żaden z modeli nie zasłużył na to miejsce.