MiniMax M3.1 Flash vs Gemini 3.5 Flash-Lite: Metade do preço, o dobro da pontuação e ainda assim não é a escolha óbvia

Gemini 3.5 Flash-Lite está à venda desde 21 de julho de 2026. MiniMax M3.1 Flash chegou em 19 de outubro de 2026 a US$ 0,15 por milhão de tokens de entrada e US$ 0,60 por milhão de saída — metade e cerca de um quarto dos valores de Gemini 3.5 Flash-Lite, US$ 0,30 e US$ 2,50. No Intelligence Index da Artificial Analysis, o modelo mais novo pontua 43 e o modelo do Google pontua 22. Portanto, o MiniMax M3.1 Flash é mais barato em todas as linhas de tokens e duas vezes mais capaz no índice independente. Aí você chega à linha de custo por tarefa, e o Gemini 3.5 Flash-Lite vence, US$ 0,19 contra US$ 0,22. Essa inversão é a única forma honesta de entrar nesta comparação, porque mostra que a decisão não tem nada a ver com tabelas de preços.

Dois cartões de tarifas que só parecem semelhantes

Comece pelo que cada fornecedor realmente publica, porque as estruturas diferem tanto quanto os números.

• Entrada — US$ 0,15 por milhão de tokens no MiniMax M3.1 Flash contra US$ 0,30 no Gemini 3.5 Flash-Lite.

• Saída — US$ 0,60 contra US$ 2,50, uma diferença de quatro para um.

• Entrada em cache — US$ 0,015 contra US$ 0,03, ambos com 90% de desconto sobre a tarifa de entrada.

• Armazenamento de cache — O Google cobra US$ 1,00 por milhão de tokens em cache por hora. A tabela de preços de lançamento da MiniMax não detalha uma cobrança de armazenamento.

• Batch e Flex — A Google reduz a entrada para US$ 0,15 e a saída para US$ 1,25 em ambos os níveis. O preço de lançamento da MiniMax é uma tabela fixa de três linhas, sem nível de batch no material de lançamento.

• Prioridade — O Google vende um nível de prioridade a US$ 0,54 de entrada e US$ 4,50 de saída. O post de lançamento da MiniMax não anunciou nenhum equivalente.

• Contexto e limite de saída — ambos aceitam 1 milhão de tokens de entrada. O MiniMax permite até 524.288 tokens de saída; o Gemini 3.5 Flash-Lite para em 65.536.

• Pesos — A MiniMax publicou um download de 252,4 GB em 23 de outubro sob sua licença comunitária. O Gemini 3.5 Flash-Lite é proprietário.

O nível de lote merece uma frase própria, porque é o único ponto em que os dois cartões quase se tocam. Uma equipe que consegue tolerar latência em lote obtém entrada do Gemini 3.5 Flash-Lite a US$ 0,15 — exatamente o preço padrão de entrada do MiniMax —, mas saída a US$ 1,25, ainda mais do que o dobro dos US$ 0,60 do MiniMax. O lote reduz a diferença de entrada e deixa intacta a diferença de saída. Se sua carga de trabalho for intensiva em saída, como são as cargas de agentes e de programação, o desconto de lote não salva a comparação.

A lacuna de capacidade não é sutil, mas leia a versão do benchmark

A Artificial Analysis submete ambos os modelos à mesma suíte, e os resultados não são nem de longe próximos:

• Índice de Inteligência — 43 para o MiniMax M3.1 Flash, quinto colocado entre 173 modelos; 22 para o Gemini 3.5 Flash-Lite, 44º colocado.

• Terminal-Bench 4.0 — 26% contra 1%.

• AutomationBench-AA — 73% contra 25%.

• GDPval-AA — 1.458 contra 985.

• SciCode — 53% contra 41%.

O número do Terminal-Bench é o que será citado fora de contexto, então ele precisa de contexto. A ficha do modelo da própria Google para o Gemini 3.5 Flash-Lite cita o Terminal-Bench 2.1 com 54,0%. A Artificial Analysis executa o Terminal-Bench 4.0 e registra 1%. Ambos os números podem estar corretos, porque são gerações diferentes do benchmark que testam coisas diferentes. O que os 1% significam não é que o Flash-Lite não consiga usar um terminal; significa que ele quase nunca conclui as atuais tarefas difíceis de terminal de ponta a ponta sem ajuda. O que os 54% significam é que ele se saiu bem em uma versão anterior do benchmark. Qualquer pessoa que compare o modelo ao MiniMax M3.1 Flash em "Terminal-Bench" sem nomear a versão está comparando dois testes diferentes.

A distinção entre fornecedor e independente é igualmente importante. A ficha do modelo do Google também informa SWE-Bench Pro em 54,2%, OSWorld-Verified em 74,0% e GDM-MRCR em 72,2% em contextos de 128K — todos reportados pelo fornecedor, todos com as configurações escolhidas pelo Google. A postagem de lançamento da MiniMax informa BankerToolBench em 76,2, DeepSWE v1.1 em 73,7% e OSWorld V2 em 61,7, também reportados pelo fornecedor. As únicas linhas deste artigo que submetem ambos os modelos ao mesmo harness são as da Artificial Analysis, e é por isso que elas sustentam o argumento.

Por que o modelo mais caro ainda pode custar menos por tarefa

A Artificial Analysis mede o custo por tarefa concluída do Intelligence Index em US$ 0,19 para o Gemini 3.5 Flash-Lite e US$ 0,22 para o MiniMax M3.1 Flash. Isso parece impossível diante de uma diferença de quatro para um no preço de saída, até você se lembrar do que é a métrica: tokens realmente consumidos, multiplicados pelas tarifas do provedor. Não é uma comparação de tabela de preços. É uma medição de quanto trabalho cada modelo realiza para concluir a mesma tarefa.

O MiniMax M3.1 Flash é um raciocinador prolixo. O Artificial Analysis registrou aproximadamente 180 milhões de tokens de saída ao longo do índice para o M3.1 Flash, contra uma mediana de cerca de 100 milhões para os modelos que acompanha. O custo de US$ 0,19 por tarefa do Gemini 3.5 Flash-Lite, a cerca de um terço do preço combinado de token do MiniMax, implica que ele percorre o mesmo índice com muito menos tokens. Isso é uma inferência a partir de dois números publicados, e não uma alegação do fornecedor, mas aponta na mesma direção: em tarefas nas quais a deliberação extra do M3.1 Flash compra uma resposta correta, o gasto de tokens é uma boa troca. Em tarefas nas quais a resposta nunca esteve em dúvida, a deliberação é desperdício, e o modelo mais barato por token se torna o mais caro por tarefa.

Calcule a fatura para uma carga de trabalho que você talvez realmente tenha: 20 milhões de tokens de entrada por mês com uma taxa de acerto de cache de 60%, além de 3 milhões de tokens de saída.

• MiniMax M3.1 Flash — 8 milhões de entrada nova a $0.15 é $1.20; 12 milhões em cache a $0.015 é $0.18; 3 milhões de saída a $0.60 é $1.80. Total $3.18.

• Gemini 3.5 Flash-Lite — 8 milhões de entrada nova a US$ 0,30 dá US$ 2,40; 12 milhões em cache a US$ 0,03 dá US$ 0,36; 3 milhões de saída a US$ 2,50 dá US$ 7,50. Total de US$ 10,26, antes do armazenamento em cache.

Isso é uma diferença de 3,2x a favor da MiniMax. Reduza a saída para meio milhão de tokens, o formato de uma tarefa de classificação ou extração, e ela passa a ser US$ 1,68 contra US$ 4,01 — ainda 2,4x. Coloque o Gemini na sua camada de lote com a saída de 3 milhões de tokens e ele fica em US$ 5,19, ainda 1,6x a MiniMax. A aritmética por token não vacila.

Portanto, a inversão de custo por tarefa é real, mas estreita, e é uma afirmação sobre eficiência de tokens, não sobre preço. Se sua carga de trabalho se assemelha ao Intelligence Index — tarefas curtas e bem especificadas nas quais um modelo menor consegue terminar rapidamente —, a eficiência do Flash-Lite pode eliminar a diferença da tabela de preços. Se sua carga de trabalho se assemelha à fatura acima, não eliminará. A única previsão confiável são suas próprias contagens de tokens nos seus próprios prompts, medidas em ambos.

A velocidade é duas medições que apontam em direções opostas.

A história da velocidade é mais interessante do que "um é mais rápido", porque os dois modelos vencem metades diferentes dela.

• Tempo até o primeiro token — 1,48 segundo no MiniMax M3.1 Flash contra 6,94 segundos no Gemini 3.5 Flash-Lite. O modelo MiniMax começa a responder quase cinco vezes mais cedo.

• Vazão de saída — 95,6 tokens por segundo contra 430,2. Assim que começa, o Flash-Lite transmite cerca de quatro vezes e meia mais rápido.

Qual número importa depende do formato da chamada. Em uma interface de chat, a latência do primeiro token é o que o usuário sente; um modelo que faz uma pausa de sete segundos antes da primeira palavra parece quebrado, independentemente da velocidade com que digita depois. Em uma geração longa — um relatório de 100.000 tokens, uma grande refatoração — a taxa de transferência domina o tempo total e o que começa devagar pode terminar primeiro. Em um loop de agente, em que cada etapa é uma chamada curta de ferramenta e o loop roda vinte vezes, o tempo até o primeiro token é pago vinte vezes e a taxa de transferência quase não importa.

Duas ressalvas. A Artificial Analysis mediu 95,6 tokens por segundo para o M3.1 Flash, enquanto o material da própria MiniMax afirma uma mediana acima de 170 e picos acima de 200 — um lembrete de que o caminho de serviço e as condições de medição alteram bastante esse número. E os 430 tokens por segundo do Flash-Lite são genuinamente rápidos, mas seu limite de saída de 65,536 tokens significa que o caso de geração longa em que essa velocidade mais compensaria fica limitado. O limite de 524,288 tokens da MiniMax é oito vezes maior.

A dispersão entre provedores é maior que a diferença entre os modelos. A própria página do OrcaRouter para o Gemini 3.5 Flash-Lite relata um p50 de tempo até o primeiro token de 3,59 segundos e um p95 de 10,00 segundos entre os provedores para os quais roteia, contra o número de 6,94 segundos da Artificial Analysis. Isso não é uma contradição; é assim que um modelo roteado se parece quando backends diferentes o servem. Também significa que a forma honesta de comparar esses dois em latência é medir sua própria rota, e não confiar em um único número de nenhum dos fornecedores.

A linha que deveria decidir o trabalho regulamentado

A avaliação AA-Omniscience da Artificial Analysis atribui ao MiniMax M3.1 Flash uma pontuação de 16: 56% das perguntas factuais foram respondidas corretamente, e a taxa de alucinação é de 93%. Esse último número não significa que 93% das respostas estavam erradas. Significa que, entre as respostas que não estavam corretas, 93% estavam totalmente erradas, e não respostas parciais ou recusas — o modelo costuma responder quando deveria recusar.

A página do Artificial Analysis do Gemini 3.5 Flash-Lite não traz pontuação AA-Omniscience, portanto os dois não podem ser comparados quanto à abstenção. Essa ausência não é um atestado de boa saúde; são dados faltantes. O que se pode dizer é que um modelo com teto de capacidade mais baixo e forte viés para respostas curtas pode falhar de maneira diferente — recusando-se ou produzindo resultados obviamente superficiais —, mas não há medição publicada que o estabeleça. Não presuma que o modelo menor é mais seguro só porque é menor.

Para tarefas de programação e agentivas, o AA-Omniscience é um mau preditor: não se pede ao modelo que recorde fatos, pede-se que atue sobre arquivos e resultados de ferramentas. Para qualquer coisa que se assemelhe a trabalho de conhecimento — resumir um contrato, responder à pergunta de um cliente sobre políticas, extrair um número de um documento oficial —, o número de 93% é a primeira coisa a considerar no design, não a última. Recuperação, verificação de citações e uma etapa de revisão humana não são opcionais nesse contexto, e um preço por token mais barato não compensa o custo de uma resposta errada dada com confiança.

Uma regra de decisão que sobrevive à sua própria carga de trabalho

• Classificação, extração, roteamento e tradução de alto volume com saídas curtas — Gemini 3.5 Flash-Lite. O índice 22 é suficiente para tarefas específicas, 430 tokens por segundo é o ponto, e 65.536 tokens de saída são amplos. Sua camada de lote com entrada a $0.15 reforça o argumento de volume.

• Codificação em escala de repositório, agentes de várias etapas, documentos longos, saída de formato longo — MiniMax M3.1 Flash. Terminal-Bench 4.0 com 26% contra 1% é a diferença relevante, 524,288 tokens de saída removem um teto rígido, e o preço de entrada é metade.

• Acesso on-premises ou aos pesos — MiniMax M3.1 Flash, e apenas ele. O download de 252,4 GB é real, mas é regido pela MiniMax Community Licence: é necessária atribuição em implantações comerciais, e é necessária permissão prévia por escrito acima de US$ 20 milhões em receita anual. "Pesos abertos" não é "código aberto", e o setor de compras deve ler a licença antes do número de parâmetros.

• Chat sensível à latência — teste ambos. O MiniMax vence no tempo até o primeiro token por uma margem ampla; o Gemini vence na taxa de transferência de streaming. Qual deles parece mais rápido depende do comprimento da resposta.

• Resposta a perguntas factuais não supervisionada — nenhum dos dois sem recuperação e verificação. O MiniMax M3.1 Flash tem um problema de abstenção medido; o Gemini 3.5 Flash-Lite não tem nenhuma medição publicada.

Onde cada um é realmente chamável

Há uma assimetria que vale declarar claramente. O Gemini 3.5 Flash-Lite está no catálogo da OrcaRouter hoje, então pode ser chamado por meio de uma única chave de API pelo preço de tabela do provedor, com 0% de markup, com failover automático entre provedores e a DSL de roteamento disponível para compô-lo com outros modelos. O MiniMax M3.1 Flash não está no catálogo; a linha MiniMax ali termina em MiniMax-M3. Chamar o M3.1 Flash significa usar a API própria da MiniMax ou um dos seus parceiros de serviço — incluindo a Tenstorrent Cloud, que anunciou a implantação em 22 de outubro.

Isso importa mais para avaliação do que para produção. Se você quiser resolver a questão do custo por tarefa com seus próprios dados, a comparação útil costuma ser MiniMax-M3 contra Gemini 3.5 Flash-Lite em uma única chave, porque ambos são roteáveis e cobrados da mesma forma; o modelo mais novo então precisa superar essa linha de base antes que você contrate um segundo fornecedor. O OrcaRouter repassa os preços de tabela dos provedores sem alterações, portanto, uma mudança de preço da MiniMax ou um nível de lote do Google aparece na sua fatura no mesmo dia em que muda, e não ao final de um contrato negociado.

A escolha depende de em qual número você pode se dar ao luxo de estar errado.

Se você escolher o Gemini 3.5 Flash-Lite e estiver errado sobre a capacidade, a falha é visível: 1% no Terminal-Bench 4.0 e uma pontuação de 25% no AutomationBench-AA não se escondem. Você verá a tarefa falhar e a moverá para outro modelo.

Se você escolher o MiniMax M3.1 Flash e estiver errado sobre o custo, a falha é menor do que a tabela de preços sugere: no exemplo acima com cobrança por token, ele é duas a três vezes mais barato, e na métrica de tarefas da Artificial Analysis, é cerca de 16% mais caro. Nenhum dos resultados é catastrófico.

Se você escolher o MiniMax M3.1 Flash e estiver errado sobre a abstenção, a falha será silenciosa. É essa assimetria que deve orientar a decisão para o trabalho de conhecimento, e é por isso que esta comparação não termina com "o modelo mais barato e mais inteligente vence". Para cargas de trabalho agênticas e de programação, em que o modelo atua sobre artefatos que você pode inspecionar, o MiniMax M3.1 Flash é a escolha mais forte a um preço por token menor. Para processamento de alto volume e de respostas curtas, a velocidade e a eficiência de tarefa do Gemini 3.5 Flash-Lite ainda justificam seu lugar. Para trabalho factual sem uma camada de verificação, a resposta honesta é que nenhum dos dois modelos conquistou isso.