DeepSeek V4.1 Flash vs MiniMax M3.1 Flash: Cartões idênticos, modelos diferentes

Dois fornecedores, dois modelos, um preço. Ambos DeepSeek V4.1 Flash e MiniMax M3.1 Flash custam US$ 0,15 por milhão de tokens de entrada e US$ 0,60 por milhão de saída no OrcaRouter. Ambos atendem a um contexto de 1 milhão de tokens. Nenhum dos dois é um carro-chefe, e ambos estão no nível em que cada fornecedor quer que o volume se concentre. O preço de tabela não consegue separá-los, o que torna esta a comparação mais limpa do site: todas as outras colunas decidem, e nenhuma delas está oculta.

Os cartões

• DeepSeek V4.1 Flash — $0,15 de entrada, $0,60 de saída; $0,003 de entrada em cache; dobrando para $0,30 e $1,20 em duas janelas de dias úteis; contexto de 1M; saída máxima de 384K; 2.500 solicitações simultâneas; suporte a visão; primeiro token medido em p50 de 1,49 segundos.

• MiniMax M3.1 Flash — $0.15 de entrada, $0.60 de saída; contexto de 1M; saída máxima de 524K; p50 do primeiro token medido em 2,66 segundos; nenhuma linha publicada de acerto de cache no cartão, de acordo com o que lemos.

Três diferenças importam, e todas as três são mensuráveis antes de você se comprometer: teto de saída, latência do primeiro token e se um prefixo em cache recebe desconto.

Teto: 524K contra 384K

O teto de saída do MiniMax é 36% maior. Em uma única chamada, essa é a diferença entre uma geração de 350.000 tokens caber ou não — e 350.000 tokens de saída a US$ 0,60 por milhão custam 21 centavos de qualquer forma, então o teto é uma linha de capacidade, e não de custo. Se sua carga de trabalho nunca grava mais de 300 mil em uma única solicitação, esta coluna é um empate com um número de marketing anexado.

Se assim for, a MiniMax é a única das duas que aceitará o trabalho, e o preço idêntico deixa de ser a questão.

Velocidade: 1,49 contra 2,66 segundos

O primeiro token medido do DeepSeek é de 1,49 segundo; o do MiniMax é de 2,66. Ambos são rápidos o suficiente para que uma interface de chat pareça responsiva, e ambos são lentos o suficiente para que um agente que faz vinte turnos por tarefa perceba a diferença — cerca de 23 segundos por tarefa com esses números, contra uma conta de tokens de centavos. Em pipelines limitados pela vazão, o modelo mais rápido simplesmente realiza mais trabalho por hora com o mesmo orçamento de concorrência.

A linha de cache, que apenas um cartão mostra

A DeepSeek publica um preço de acerto de cache: US$ 0,003 por milhão de tokens de entrada, contra US$ 0,15 para um erro. Isso é um desconto de cinquenta vezes sobre a parte de um prompt que se repete, e é a maior alavanca isolada em qualquer um dos cartões. O cartão da MiniMax, da forma como o lemos, não traz nenhuma linha equivalente — o que não significa que o cache esteja ausente, apenas que o desconto não pode ser publicado a partir do cartão.

Para um agente que reenvia um prompt de sistema estável e um histórico crescente a cada turno, essa assimetria pode superar tanto o teto quanto a latência. Também é a primeira coisa a testar em vez de presumir: envie o mesmo prefixo duas vezes e compare as duas faturas.

A janela de pico, que apenas um cartão possui

A DeepSeek dobra todas as tarifas entre 01:00–04:00 e 06:00–10:00 UTC nos dias úteis, excluindo feriados públicos chineses. Os US$ 0,15 e US$ 0,60 da MiniMax são fixos. Uma carga de trabalho europeia ou asiática executada durante o horário comercial fica na tarifa de pico da DeepSeek na maior parte do seu tráfego — US$ 0,30 e US$ 1,20, o dobro do preço anunciado da MiniMax para os mesmos tokens.

Portanto, os cartões idênticos não são idênticos na prática. Fora do horário de pico, com um prefixo em cache estável, o DeepSeek é significativamente mais barato. Em uma janela de pico em dia útil, sem cache, é duas vezes mais caro. O horário decide qual frase é verdadeira.

O que executar

Ambos os modelos estão no OrcaRouter às tarifas publicadas pelos seus fornecedores, em um único endpoint compatível com OpenAI com failover automático, e é isso que torna este teste barato: direcione uma fração do tráfego para cada um e compare tokens de saída por tarefa concluída, latência p95 e a proporção de solicitações que caem nas janelas de pico do DeepSeek.

O que você não deve fazer é implicar com o adesivo. É a única coluna em que esses dois modelos concordam, o que significa que é a única coluna que não lhe diz nada.