MiniMax M3.1 Flash vs DeepSeek V4.1 Flash: Em que as duas tabelas dos fornecedores realmente concordam

Duas linhas. É quanto da tabela de lançamento da MiniMax sobrevive a uma comparação com os próprios números publicados pela DeepSeek, e vale dizer isso claramente antes que a manchete de qualquer um dos fornecedores seja repetida: nos dois benchmarks em que a MiniMax M3.1 Flash e a DeepSeek V4.1 Flash — o checkpoint 1017 que a DeepSeek lançou dois dias antes — ambos os laboratórios publicaram uma pontuação na mesma avaliação, o modelo mais novo está atrás. A MiniMax lançou a M3.1 Flash em 19 de outubro de 2026 com uma tabela que abrange trabalho agêntico, programação, uso de computador e cibersegurança, e a alegação de um salto geracional em relação ao próprio antecessor. A DeepSeek lançou a V4.1 Flash 1017 em 17 de outubro de 2026 com um model card fazendo a mesma coisa. A parte interessante de colocá-las lado a lado não é quem vence. É quão pouco de cada tabela é feito para ser comparado, afinal.Tabelas de fornecedores são um tipo de evidência e registros de incidentes são outro, então as falhas por trás de lançamentos como esses estão catalogadas no OrcaRouter AI Incident Archive, onde cada entrada traz suas próprias fontes, severidade, grau de confiança e sinalização de contestação.

O que a M​iniMax realmente quantificou

A publicação da M​iniMax é mais específica que a maioria. Ela apresenta seis números logo de início: BankerToolBench 76.2, DeepSWE v1.1 73.7%, OSWorld V2 61.7, Agents' Last Exam 29.6, CyberGym 82%, e a alegação de desempenho superior no Automation-Bench, sem uma pontuação no texto do resumo. Ao lado deles, há duas alegações de throughput — inferência online aproximadamente três vezes mais rápida que o modelo que ela substitui, e mais de 200 tokens por segundo com um P50 acima de 170 — e uma alegação de custo 70% menor em tarefas agênticas. Tudo isso é informado pelo fornecedor e não foi reproduzido. A M​iniMax executou, a M​iniMax publicou, e o harness é mencionado apenas em notas de rodapé.

A nota de rodapé é onde a tabela começa a desmoronar. O BankerToolBench, segundo a MiniMax, foi avaliado com o harness OpenCode 1.1718 e julgado pelo MiniMax-M2.7, seu próprio modelo mais antigo. Trata-se de um benchmark autoavaliado: um modelo MiniMax pontuando resultados produzidos por um modelo MiniMax, em um conjunto de tarefas escolhido pela MiniMax. Pode ter sido perfeitamente bem executado. Não é evidência que você possa usar contra um laboratório que publica em um harness mantido por outra pessoa.

As duas linhas que se alinham

DeepSWE v1.1 é a única medição genuinamente compartilhada. Ambos os laboratórios a relatam, e ambos nomeiam o harness: a D​eepSeek diz Mini-SWE-V2 em seu model card, a M​iniMax relata a mesma versão do benchmark. A M​iniMax afirma 73,7%. A D​eepSeek afirma 77,0% para o checkpoint 1017, contra 74,2% para o lançamento V4.1 Flash que ele substituiu. Portanto, o ranking aqui não é ambíguo, e não é lisonjeiro para o modelo mais novo: o lançamento de 17 de outubro da D​eepSeek está à frente do lançamento de 19 de outubro da M​iniMax no único benchmark de agente de codificação que as duas empresas mediram da mesma forma, e está à frente de seu próprio lançamento anterior por quase três pontos enquanto faz isso.

O Agents' Last Exam conta a mesma história com mais distância. A M​iniMax relata 29,6. A D​eepSeek relata 35,4 para o 1017, acima dos 31,8 do checkpoint anterior. Trata-se de uma diferença de cinco pontos em um benchmark concebido para ser difícil para agentes, e é a segunda linha consecutiva em que o modelo dois dias mais antigo está confortavelmente à frente.

Todo o resto nas duas tabelas ou é medido em uma configuração diferente, avaliado por um modelo diferente, ou publicado por apenas um dos lados. A ficha do DeepSeek traz Terminal-Bench 4.0 em 42,3 no harness do Claude Code, HLE sem ferramentas em 42,6, ProgramBench 29,1, Apex Bench v1.1 72,1 e Automation-Bench v1.0.6 em 60,5. A publicação da MiniMax não apresenta nenhum número de Terminal-Bench 4.0, e sua linha de Automation-Bench fica sob uma nota de rodapé sobre as 600 tarefas divulgadas publicamente, em vez de ao lado de um número comparável que pudéssemos atribuir com confiança na resolução em que a publicação é exibida. Duas dessas linhas são verificáveis. O restante são dois exames diferentes com o mesmo nome na capa.

Onde a tabela da M​iniMax é forte e a da D​eepSeek é silenciosa

Seria um erro ler as duas linhas compartilhadas como o quadro completo, porque ambas são linhas de raciocínio de codificação e agentes, e a proposta da M​iniMax é mais ampla. O OSWorld V2 com 61,7 é um número de uso de computador que a D​eepSeek não publica, e a M​iniMax afirma o primeiro lugar entre modelos chineses nesse quesito. CyberGym com 82% é um número de agente de segurança que a D​eepSeek também não publica. BankerToolBench 76,2 mede a seleção de ferramentas em um contexto de fluxo de trabalho empresarial que nem o cartão da D​eepSeek nem o Artificial Analysis cobrem. Nesse território, a M​iniMax não está perdendo; está sem oposição. Sem oposição não é o mesmo que estar à frente, e o próprio resumo do fornecedor — "alcançar o nível dos modelos líderes" — é uma afirmação de paridade, não de liderança.

A outra coisa que vale a pena notar na tabela de lançamento é o que ela faz com os concorrentes. O gráfico publicado coloca a coluna da M​iniMax ao lado de D​eepSeek, Kimi-K3, GLM-5.3, GPT-5.6 Sol e Opus 5, e os números nessas colunas são os valores publicados pelos próprios outros laboratórios, e não números executados pela M​iniMax. Essa é uma prática normal e não é desonesta, mas significa que toda comparação entre colunas nessa imagem herda seja qual for o harness que cada laboratório usou. Uma tabela que alinha seis modelos convida você a ler transversalmente pelas linhas. Apenas duas dessas linhas foram construídas para serem lidas transversalmente.

A história dos preços corre no sentido oposto, e é real

Em termos de custos, a MiniMax tem a tabela mais simples. O M3.1 Flash custa $0.15 por milhão de tokens de entrada e $0.60 por milhão de saída, com entrada em cache a $0.015 — um desconto de 90% — e sem variação ao longo do dia. O DeepSeek V4.1 Flash 1017 lista $0.30 e $1.20 durante as suas janelas de pico em dias úteis, baixando para metade, para $0.15 e $0.60, fora de pico, com acertos de cache a $0.006 e $0.003, respetivamente. Durante as horas de pico, a DeepSeek custa o dobro do que a MiniMax cobra pelos mesmos milhões de tokens. Fora de pico, as duas tabelas são idênticas. Uma carga de trabalho que corre segundo um agendamento que você controla pode procurar a janela barata da DeepSeek; uma carga de trabalho que corre quando os seus utilizadores correm não pode.

A Artificial Analysis quantifica a diferença que sobrevive aos jogos de precificação: US$ 0,22 para concluir uma tarefa do Intelligence Index no M3.1 Flash, contra US$ 0,26 no DeepSeek V4.1 Flash 1017. Isso representa uma diferença de 15% a favor da MiniMax na mesma avaliação, e é a única afirmação econômica nesta comparação que é medida de forma independente, e não afirmada pelo fornecedor. Isso importa porque a tabela de preços por token não mostra isso. O US$ 0,30/US$ 1,20 da DeepSeek parece uma penalidade de 2x e se comporta como uma de 15%, porque a MiniMax consome 180 milhões de tokens de saída ao executar o índice, contra 210 milhões da DeepSeek, e porque a DeepSeek é cerca de duas vezes mais rápida, com 208,7 tokens por segundo, contra cerca de 105. Dois modelos, duas filosofias de precificação e uma diferença real de custo de dezoito centavos por avaliação.

Que também é onde uma camada de roteamento ganha seu lugar, de um modo fácil de enunciar e difícil de fazer manualmente. O OrcaRouter repassa o preço de tabela do provedor com 0% de markup, então quando qualquer um dos laboratórios altera uma tarifa, o número na sua fatura muda no mesmo dia, em vez de só na próxima renovação de contrato — e, em um cartão com janela de pico, essa é a diferença entre um orçamento que você define uma vez e um orçamento que você confere de hora em hora. Não temos MiniMax M3.1 Flash nem DeepSeek V4.1 Flash 1017 no catálogo hoje, e este artigo não é uma afirmação de que temos; a família DeepSeek que roteamos é um checkpoint diferente, uma distinção que vale a pena manter clara quando a string do modelo é aquilo a que seu código está fixado.

Dois números que a tabela de benchmark não contém

O primeiro é a velocidade. A M​iniMax afirma mais de 200 tokens por segundo e P50 acima de 170. A Artificial Analysis mede cerca de 105 tokens por segundo em seu próprio ambiente de avaliação, com tempo até o primeiro token de 1,38 segundo. A D​eepSeek mede 208,7 tokens por segundo em 1,07 segundo. As alegações de throughput dos fornecedores quase sempre são medidas no melhor caso que uma pilha de serving consegue produzir; o número independente é o que aparece no seu p95. Nesta dimensão, a própria alegação da M​iniMax e o resultado medido não estão próximos, e o resultado medido é metade do da D​eepSeek.

O segundo é a licença. O DeepSeek V4.1 Flash 1017 tem licença MIT, com pesos no Hugging Face e 552 bilhões de parâmetros totais contra 16 bilhões ativos. A MiniMax diz que os pesos do M3.1 Flash "serão lançados mais tarde" e não vinculou a essa promessa nenhuma data, nenhuma licença e nenhuma contagem de parâmetros. Se o seu processo de compras passa por uma revisão de segurança que pergunta o que acontece se o fornecedor desaparecer, a tabela de benchmarks não é a pergunta que você está respondendo, e na tabela que lhe foi dada a resposta não está lá.

O que mudaria esta leitura?

Três coisas, em ordem de quanta importância teriam. Execuções independentes do DeepSWE v1.1 e do Agents' Last Exam no checkpoint da MiniMax resolveriam se os 73,7 e 29,6 são conservadores ou generosos — no momento, ninguém fora dos dois laboratórios publicou nenhuma delas. Uma pontuação publicada do Automation-Bench pela MiniMax, no mesmo lançamento de 600 tarefas que a DeepSeek usou, daria à alegação agêntica o número que atualmente lhe falta. E um lançamento de pesos com uma licença anexada tornaria o modelo comparável no eixo em que a DeepSeek atualmente não tem concorrência alguma.

Até lá, o resumo honesto é mais estreito do que qualquer post de lançamento. O M​iniMax M3.1 Flash é um modelo mais barato para concluir uma tarefa, mais lento para conversar, fechado para adquirir e — nos dois únicos benchmarks que ambas as empresas mediram de forma idêntica — o segundo colocado. Essa não é a história que a tabela foi desenhada para contar, mas é a história que a tabela contém. Se você está escolhendo entre eles esta semana, escolha com base na tabela de preços e na licença, porque essas são as duas linhas das quais ninguém precisou ser convencido.