MiniMax M3.1 Flash vs DeepSeek V4 Flash: Um nome, dois modelos

O MiniMax M3.1 Flash e o DeepSeek V4 Flash parecem o mesmo produto vendido duas vezes: ambos são baratos, ambos anunciam contexto de um milhão de tokens, ambos vêm de laboratórios chineses que passaram 2026 cortando preços entre si. A primeira coisa a saber é que um desses dois nomes não aponta mais para um modelo fixo. O MiniMax M3.1 Flash foi lançado em 19 de outubro de 2026 como um modelo fechado de codificação e agente, sempre em modo de raciocínio, a US$ 0,15 de entrada e US$ 0,60 de saída por milhão de tokens. O DeepSeek V4 Flash é um modelo de pesos abertos licenciado sob MIT, de abril de 2026, atualizado em 31 de julho — e, desde 10 de setembro, qualquer pessoa que digite deepseek-v4-flash na própria API da DeepSeek está, na verdade, falando com o DeepSeek V4.1 Flash. A documentação da DeepSeek agora diz que os nomes descontinuados ainda são aceitos, mas que "os modelos correspondentes foram descontinuados". Portanto, há duas versões honestas desta comparação, e de qual delas você precisa depende de você chamar o endpoint da DeepSeek ou baixar os pesos. As falhas de IA e os incidentes com agentes documentados por trás de lançamentos como este estão reunidos em o Arquivo de Incidentes de IA da OrcaRouter onde cada entrada traz suas próprias fontes, severidade, grau de confiança e sinalizador de disputa.

Vale a pena precificar ambos, porque ambos são genuinamente baratos e são baratos de formas diferentes. A seguir vem primeiro a armadilha da disponibilidade, depois as linhas de especificação que realmente decidem a compra e, por fim, a aritmética — porque nesta combinação o preço por token e a conta por tarefa apontam em direções opostas.

Qual DeepSeek V4 Flash você está realmente comparando?

Três coisas compartilham o mesmo nome e se comportam de maneira diferente no checkout.

• Os pesos abertos originais. O DeepSeek V4 Flash é um modelo de mistura de especialistas (mixture-of-experts) com 284 bilhões de parâmetros, sendo 13 bilhões ativos por token, publicado sob licença MIT no Hugging Face em FP4 e FP8. A atualização de julho é a versão que terceiros ainda servem e a versão que nosso catálogo lista: US$ 0,22 por milhão de tokens de entrada, US$ 0,66 por milhão de saída, US$ 0,007 por milhão em leituras de cache, contexto de 1.048.576 tokens, saída máxima de 384.000, apenas entrada de texto.

• O cartão de fornecedor que costumava exibir. $0,14 de entrada e $0,28 de saída por milhão era a tarifa própria da D​eepSeek para o V4 Flash. Você não pode pagá-la hoje, porque a D​eepSeek descontinuou o SKU. Citá-la em comparação com os $0,15/$0,60 da M​iniMax é o erro mais comum nesta comparação, e superestima a vantagem da D​eepSeek em cerca de duas vezes na saída.

• O identificador que ainda responde. deepseek-v4-flash agora é roteado para DeepSeek-V4.1-Flash-1017 e é cobrado nas tarifas do V4.1 Flash — US$ 0,15 de entrada e US$ 0,60 de saída fora do horário de pico, dobrando para US$ 0,30 e US$ 1,20 durante as janelas de pico em dias úteis da DeepSeek (01:00–04:00 e 06:00–10:00 UTC), com acertos de cache a US$ 0,003 e US$ 0,006. Essa é uma arquitetura diferente a um preço diferente, usando o nome antigo como um alias de conveniência.

A consequência prática é mais restrita do que parece e mais fácil de colocar em prática do que de memorizar. Se você hospeda por conta própria ou compra o DeepSeek V4 Flash de um terceiro que disponibiliza os pesos abertos, você recebe o modelo de abril/julho a um preço fixo estável. Se você aponta para a URL própria da DeepSeek, você recebe o sucessor, cujo preço dobra durante parte do expediente. Nenhum desses é o rival real da MiniMax em um placar — o sucessor é, e está dois pontos à frente. Isso aparece nos números abaixo.

As seis linhas que decidem

Coloque as duas fichas técnicas lado a lado e a maioria das linhas é praticamente equivalente. As linhas que não são equivalentes são decisivas o bastante para planejar com base nelas.

• Preço por milhão — MiniMax M3.1 Flash US$ 0,15 de entrada, US$ 0,60 de saída, US$ 0,015 em cache. DeepSeek V4 Flash US$ 0,22 de entrada, US$ 0,66 de saída, US$ 0,007 em cache conforme o servimos; US$ 0,15 / US$ 0,60 pelo próprio alias da DeepSeek, dobrando no pico.

• Janela de contexto — 1.000.000 de tokens contra 1.048.576. Uma diferença de 48.576 tokens que nunca será o motivo de uma tarefa falhar.

• Saída máxima — não publicada pela M​iniMax. 384.000 tokens no DeepSeek V4 Flash. Esta é a linha que mais importa e ela ocupa uma seção própria.

• Entradas — texto, imagem e vídeo na entrada, texto na saída, no {{1}}M​iniMax M3.1 Flash{{/1}}. Apenas texto no DeepSeek V4 Flash, cujo trabalho de visão foi transferido para uma versão experimental separada que a D​eepSeek também descontinuou em setembro.

• Controle de pensamento — uma escala de esforço de baixo a máximo que você não pode desligar, com padrão máximo, no M​iniMax M3.1 Flash. Pensamento ativado por padrão, mas genuinamente desativável no DeepSeek V4 Flash.

• Pesos — fechados, com a M​iniMax prometendo lançamento "mais tarde", em contraste com pesos licenciados sob MIT disponíveis hoje no Hugging Face.

Mais duas linhas pertencem aqui, embora sejam operacionais e não técnicas. A tabela de preços da M​iniMax não tem nenhuma janela de pico — o preço é o preço, seja qual for o horário — enquanto o sucessor da D​eepSeek dobra nos picos de dias úteis que caem em cheio numa manhã europeia. E a M​iniMax publica 200 requisições por minuto e 10 milhões de tokens por minuto compartilhados com o MiniMax-M3, contra um teto de 2.500 requisições simultâneas no SKU Flash da D​eepSeek.

O lado número um não vai publicar.

Um milhão de tokens de contexto é uma promessa sobre leitura. A saída máxima é uma promessa sobre escrita, e é ela que decide se uma tarefa cabe em uma única chamada. Peça ao M​iniMax M3.1 Flash para ler um repositório e emitir um plano de migração, uma suíte de testes completa ou uma refatoração de 60 arquivos, e ele fará isso ao longo de vários turnos, porque o fornecedor não publica um teto — a documentação expõe um max_tokens parâmetro e avisa que os tokens de raciocínio contam para esse limite, e para por aí. Peça a mesma coisa ao DeepSeek V4 Flash e você tem 384.000 tokens de espaço, o que é suficiente para o plano inteiro em uma única resposta.

Isso não é tanto uma falha no modelo da M​iniMax quanto uma lacuna na documentação dela, e há um custo concreto para essa lacuna: sem um número, você não consegue dimensionar um orçamento, definir uma política de retentativas nem prever onde uma geração longa será truncada. Se a M​iniMax publicar um número mais tarde, este parágrafo envelhece mal a favor do modelo. Até lá, qualquer carga de trabalho cujo valor dependa de uma conclusão muito longa deve ser encaminhada ao modelo que declara seu limite máximo.

A única pontuação no mesmo harness, e a escada ao redor dela

As tabelas de benchmark dos fornecedores são marketing com casas decimais, então a pergunta útil é quais dois números foram produzidos pelo mesmo harness na mesma versão. Neste pareamento, há exatamente um par limpo: DeepSWE v1.1, em que a MiniMax reporta 73,7% e a DeepSeek reporta 74,2% para o V4.1 Flash. Separados por meio ponto, ambos reportados pelos fornecedores, nenhum reproduzido de forma independente. Todas as outras linhas que um marqueteiro mostrar a você comparam versões diferentes de harness ou gerações diferentes e não podem ser subtraídas.

O post de lançamento da MiniMax acrescenta BankerToolBench 76,2, OSWorld V2 61,7, Agents' Last Exam 29,6 e CyberGym 82%, todos reportados pelo fornecedor, nenhum com uma coluna da DeepSeek ao lado. Ele também alega "melhores desempenhos" no AutomationBench-AA sem publicar a pontuação, o tipo de alegação que deve ser lida como ausente até que outra pessoa a preencha.

O quadro independente é mais enxuto e mais útil. O Artificial Analysis atribui ao MiniMax M3.1 Flash 43 pontos em seu Intelligence Index, quarto entre 173 modelos, a um custo de $0.22 por tarefa de índice concluída. O aposentado DeepSeek V4 Flash 0731 fica em 34 e $0.17. O DeepSeek V4.1 Flash 1017 — o modelo que o nome antigo na verdade alcança — fica em 45 e $0.26. Lido como uma linha, e não como um ranking, isso é notavelmente ordenado: nove pontos de índice por cinco centavos por tarefa, depois mais dois pontos por mais quatro centavos. O MiniMax é o patamar intermediário, e o patamar superior pertence ao fornecedor com o qual ele supostamente compete.

A velocidade é onde a alegação do fornecedor e a medição mais divergem. A publicação da MiniMax promete "200+ TPS no uso cotidiano", com um P50 acima de 170. O Artificial Analysis mede 104,7 tokens de saída por segundo, com 1,28 segundo até o primeiro token, enquanto o DeepSeek V4.1 Flash 1017 mede 210,6 tokens por segundo em 1,07 segundo. Encare esses números como valores atuais, e não fixos: a mesma página do Artificial Analysis mostrava 125,5 tokens por segundo e uma pontuação de índice de 42 no dia do lançamento e mostra 104,7 e 43 hoje, o que é o aspecto de uma entrada com um dia de vida antes de se estabilizar.

Quanto custa um mês de tráfego de agentes em cada um

Os preços por token são uma proxy ruim aqui, porque os dois modelos gastam tokens de saída a ritmos muito diferentes. O MiniMax M3.1 Flash não consegue parar de pensar: envie thinking: disabled e a API retorna HTTP 400, e o esforço padrão é o nível mais caro. Isso significa que cada turno carrega tokens de raciocínio que a fatura contabiliza e o usuário nunca vê.

Considere um agente de codificação com um prefixo estável de 40.000 tokens — prompt de sistema, esquemas de ferramentas, mapa do repositório — executando 60 turnos, cada turno adicionando 1.200 novos tokens de entrada e produzindo 900 tokens de saída visível. Suponha que o esforço padrão da M​iniMax aproximadamente triplique sua saída por turno com raciocínio e que o D​eepSeek opere em modo sem pensamento:

• M​iniMax M3.1 Flash, a $0.15 / $0.60 / $0.015 — $0.036 em leituras de prefixo em cache, $0.011 em entrada nova, $0.097 em 162.000 tokens de saída. Cerca de $0.14 por sessão.

• DeepSeek V4 Flash, ao nosso preço praticado de $0.22 / $0.66 / $0.007 — $0.017 em cache, $0.016 de entrada nova, $0.036 em 54.000 tokens de saída. Cerca de $0.07 por sessão.

• DeepSeek V4.1 Flash 1017, a $0.15 / $0.60 / $0.003 fora de pico — $0.007 em cache, $0.011 de entrada, $0.032 de saída. Cerca de $0.05, e cerca de $0.10 se a execução cair numa janela de pico.

A premissa que sustenta o cálculo é o volume de tokens de raciocínio, e ela é uma premissa — a MiniMax não publica nenhum número para isso, e a proporção muda conforme a configuração de esforço que você escolhe. O que não é premissa é a direção: o modelo com o preço igual ou mais barato gera a conta maior em um loop de agente, porque ele raciocina em cada turno, quer precise disso ou não. Reduza o esforço para baixo ou médio e a diferença diminui drasticamente; mantenha o padrão e ela não diminui.

O cache amplia ainda mais essa diferença. O desconto de cache da M​iniMax é de 90% sobre a entrada, com correspondência que começa em 512 tokens de entrada e percorre a lista de ferramentas, depois o prompt de sistema, depois as mensagens do usuário. O da D​eepSeek é de 98% e aplicado automaticamente, com a ressalva do próprio fornecedor de que é o melhor esforço possível, sem TTL fixo. Em uma sessão longa, essa diferença vale mais do que a taxa anunciada.

Esta é a seção em que o roteamento se justifica em vez de ser um slogan: no uma única chave para mais de 200 modelos, com os preços de tabela dos provedores repassados com 0% de margem, ambos os SKUs da DeepSeek podem ser chamados hoje — deepseek/deepseek-v4-flash para os pesos abertos fixados e deepseek/deepseek-v4.1-flash-1017 para o snapshot fixo de outubro — e um corte de preço do fornecedor chega aqui no mesmo dia em que chega lá. O MiniMax M3.1 Flash não está nessa lista, e a versão honesta da linha de disponibilidade é que ele é acessível apenas pela própria API da MiniMax, pela sua assinatura M Plan e pelo seu produto MiniMax Code, com os pesos prometidos e sem data definida.

O interruptor que você não consegue desligar

A escada de esforço no MiniMax M3.1 Flash é low, medium, high, xhigh e max, e o padrão quando você omite o campo é max. Não há off. Esta é uma decisão de design com duas faces. Uma renomeação de rotina em low e uma refatoração em todo o repositório em xhigh são o mesmo modelo fazendo uma troca sensata, que é exatamente o que uma camada Flash deveria oferecer. Mas um chamador que nunca define o campo — que é a maioria dos chamadores, na primeira integração — paga o degrau mais caro em cada solicitação, e o efeito é invisível até a fatura chegar.

Dois detalhes operacionais decorrem disso. Os tokens de pensamento contam para max_tokens, então um limite dimensionado para uma resposta curta pode ser consumido inteiramente pelo raciocínio e retornar uma mensagem vazia com um max_tokens como motivo de parada. E reasoning_split não pode ser definido como false, então no caminho compatível com OpenAI o pensamento sempre chega no campo reasoning_content em vez de dentro da string de conteúdo. Se você tem um analisador que extrai tags de pensamento da saída mais antiga do M​iniMax, ele não tem nada a fazer aqui.

O DeepSeek V4 Flash oferece o outro arranjo: pensamento ativado por padrão, mas um modo sem pensamento de verdade, e seleção de esforço no sucessor V4.1. Para classificação, extração, formatação e chamadas curtas de ferramentas — o grosso do tráfego da maioria dos agentes — essa é a diferença entre pagar por raciocínio e não pagar.

Quem deve escolher qual?

Nenhuma dessas opções é o padrão adequado para tudo, e a separação é excepcionalmente nítida.

Escolha o M​iniMax M3.1 Flash quando o trabalho for agêntico e multimodal — telas no loop, vídeo como entrada, avaliação de computer-use ou de cibersegurança — e quando você realmente for definir o nível de esforço por chamada. Os números do fornecedor no OSWorld V2 (61.7) e no CyberGym (82%) são exatamente o tipo de capacidade que a interface somente texto do D​eepSeek V4 Flash não consegue expressar de forma alguma, e a tabela de tarifas fixas é uma vantagem genuína para uma equipe cuja carga recai nas janelas de pico da D​eepSeek.

Escolha o DeepSeek V4 Flash quando precisar de pesos abertos que possa quantizar, hospedar por conta própria, ajustar com fine-tuning e manter depois que um fornecedor o descontinuar; quando precisar de um teto de saída publicado para geração longa em passagem única; quando precisar desativar o raciocínio; ou quando o seu tráfego for exatamente do tipo sensível à taxa de transferência e sem raciocínio para o qual o cache mais barato e o modo sem pensamento foram feitos. A licença MIT não é uma nota de rodapé — é a única linha em qualquer uma das duas fichas técnicas que uma mudança de preço não pode tirar.

O que mudaria a resposta

Três coisas, em ordem de quanto elas mudariam o cenário. A publicação de um teto de saída pela M​iniMax removeria a maior lacuna funcional da planilha. A liberação dos pesos que a M​iniMax prometeu eliminaria de vez a vantagem de licença da D​eepSeek e transformaria isto em uma discussão direta de preço e velocidade. E uma segunda medição independente do M​iniMax M3.1 Flash em uma configuração de esforço menor resolveria a questão que a aritmética de custos atualmente precisa presumir — quanto dos seus 43 custa $0.22, e quanto desses $0.22 é raciocínio que ninguém pediu.

Até lá, a posição defensável é mais estreita do que qualquer um dos posts de lançamento gostaria. Em termos de capacidade, o índice independente coloca o M​iniMax M3.1 Flash nove pontos acima do modelo D​eepSeek com o qual ele costuma ser comparado e dois pontos abaixo do modelo D​eepSeek que esse nome agora alcança — e a diferença de dois pontos custa quatro centavos por tarefa. Em todo o resto, a decisão não tem nada a ver com pontuações. Trata-se de saber se você precisa de pesos, de um teto de saída e de um botão de desligar, ou se precisa de um preço fixo e de olhos.