MiniMax M3.1 Flash vs GLM-5.3-Flash: As tabelas de tarifas coincidem, então decida pelas linhas que não coincidem

As duas tabelas de preços são, na prática, a mesma tabela. O M​iniMax M3.1 Flash cobra US$ 0,15 por milhão de tokens de entrada e US$ 0,60 por milhão de saída. O GLM-5.3-Flash cobra US$ 0,15 e US$ 0,50. Combine-os como o Artificial Analysis faz e ambos chegam a US$ 0,10 por milhão. Suas leituras independentes de inteligência diferem em um ponto — 43 contra 42 no índice atual. Assim, uma comparação que para no preço e na pontuação não tem nada a dizer, e é por isso que a maioria delas para aí e então recomenda o modelo que o autor por acaso testou. A decisão entre o M​iniMax M3.1 Flash e o GLM-5.3-Flash está inteiramente nas linhas que não coincidem: o que você tem permissão para fazer com os pesos, o que acontece quando sua saída atinge um teto, o que você pode fornecer ao modelo e se a coisa é sequer adquirível pelo endpoint que você já usa. Tanto as tabelas de preços quanto as tabelas de benchmark omitem como esses modelos falham depois que entram em produção, e os incidentes registrados estão catalogados no OrcaRouter AI Incident Archive, onde cada entrada traz suas próprias fontes, gravidade, grau de confiança e sinalização de disputa.

• Seis linhas, ambos os lados

• Preço — M​iniMax M3.1 Flash US$ 0,15 de entrada e US$ 0,60 de saída por milhão, entrada em cache US$ 0,015; GLM-5.3-Flash US$ 0,15 e US$ 0,50, entrada em cache US$ 0,03. Ambos resultam em US$ 0,10 por milhão com uma combinação de 7:2:1 de entrada, entrada em cache e saída.

Pontuação independente — Intelligence Index 43 para o M​iniMax M3.1 Flash, 42 para o GLM-5.3-Flash, na mesma versão do índice consultada no mesmo dia. Um ponto está dentro do ruído de uma única execução de avaliação.

• Custo por tarefa concluída — US$ 0,22 por tarefa de indexação para o M​iniMax M3.1 Flash, contra US$ 0,28 para o GLM-5.3-Flash. O preço mais baixo também corresponde à tarefa mais barata, em cerca de 21%.

• Saída máxima — não divulgada pela M​iniMax para o M3.1 Flash; 128.000 tokens para o GLM-5.3-Flash. Ambos anunciam uma janela de contexto de 1 milhão de tokens, mas apenas um deles informa quanto disso pode voltar como saída.

• Entradas — texto, imagem e vídeo para o M​iniMax M3.1 Flash; texto, imagem, vídeo e arquivos para o GLM-5.3-Flash. O vídeo em ambos os lados é a parte incomum; o upload de arquivos em um dos lados é a parte operacional.

• Pesos abertos — o GLM-5.3-Flash tem licença MIT, 320 bilhões de parâmetros totais com 18 bilhões ativos, e já está disponível para download hoje. A MiniMax diz que os pesos do M3.1 Flash serão lançados mais tarde, sem licença e sem data associada à promessa.

Por que um ponto no índice não é motivo para escolher nenhum dos dois

O Intelligence Index é um compósito ponderado: agentes com 30%, programação com 20%, raciocínio científico com 20%, geral com 30%, construído a partir de dez avaliações, incluindo AA-Briefcase e AA-Omniscience com 15% cada. Um único ponto em um compósito desse formato pode vir de uma subavaliação que se desloque alguns pontos. Leia-o como empate e você estará certo muito mais vezes do que errado. Leia-o como ranking e você estará escolhendo um modelo de produção com base no quarto algarismo significativo de uma pesquisa.

A comparação de custo por tarefa é mais útil que a comparação de índice e também aponta na mesma direção que a etiqueta de preço. A US$ 0,22 por tarefa concluída, o M​iniMax M3.1 Flash está fazendo o trabalho do índice por menos que os US$ 0,28 do GLM-5.3-Flash, apesar de uma taxa de saída por token mais alta. É a aritmética de verbosidade e cache fazendo seu trabalho: o GLM-5.3-Flash cobra um terço a mais por token de saída e recupera menos disso via cache, então a taxa de saída aparentemente mais barata no cartão do M​iniMax é genuinamente mais barata no agregado. Se sua carga de trabalho for um loop de agente de longa duração em que a maior parte da conta são tokens de saída sendo relidos, esses 21% são o número que aparece na linha mensal da fatura.

A velocidade separa-se de forma limpa, e separa-se contra o modelo mais barato.

Esta é a dimensão em que os dois deixam de ser intercambiáveis. O MiniMax M3.1 Flash mede cerca de 105 tokens por segundo de saída, com 1,38 segundo até o primeiro token. O GLM-5.3-Flash mede 76,8 tokens por segundo, com 2,57 segundos até o primeiro token. O MiniMax é cerca de 36% mais rápido depois que começa e cerca de duas vezes mais rápido para começar. Para uma interface interativa — um editor, um painel de chat, um assistente de programação em que o primeiro token é o que a pessoa está esperando — uma vantagem de 1,2 segundo no TTFT é a diferença entre uma ferramenta que parece responsiva e outra que parece estar pensando a respeito. Para um pipeline em lote, a diferença de vazão importa mais do que a diferença de latência, e ela ainda favorece o MiniMax.

Ambos os modelos fazem você pagar pelo raciocínio, quer você queira ou não. A MiniMax rejeita de imediato uma solicitação que tente desativar o raciocínio. A documentação da Z.ai diz a mesma coisa com outras palavras: o raciocínio não pode ser desligado, e o esforço máximo é a configuração recomendada. Portanto, nenhum dos dois oferece a alavanca de custo que um modelo com raciocínio alternável proporciona, e ambos cobram os tokens de raciocínio como saída. Se você esperava que um desses dois fosse a opção barata e silenciosa para uma tarefa de classificação em grande volume, nenhum deles é. Essa é uma característica do nível, não de nenhum dos fornecedores.

O teto de resposta de 128K é a linha que decide o trabalho real

O GLM-5.3-Flash publica uma saída máxima de 128.000 tokens. A MiniMax não publica nada para o M3.1 Flash — nem um número baixo, nem uma ressalva, nada na página do modelo nem na documentação da API que consigamos encontrar. Na prática, isso significa que você não pode saber, antes de enviar uma requisição, se uma geração de código de 40.000 tokens será concluída ou truncada. Você pode descobrir isso empiricamente e pode criar uma lógica de nova tentativa em torno disso, mas não pode incluí-lo num plano de capacidade ou num contrato.

Para a maior parte do tráfego em formato de chat, isso é invisível. Para as cargas de trabalho que tornam um tier Flash interessante — reescritas de arquivos inteiros, transcrições longas de agentes, extração estruturada de um documento grande —, o teto de saída é a primeira coisa que quebra, e quebra silenciosamente. Um modelo que trunca em um comprimento não documentado e retorna uma resposta parcial bem formada é pior de operar do que um modelo que recusa a solicitação. Se qualquer parte do seu pipeline gerar mais de alguns milhares de tokens em uma única chamada, esta única linha não publicada deve pesar mais do que a diferença de um ponto no índice e a vantagem de custo de 21% combinadas.

Pesos abertos não são uma questão filosófica aqui

GLM-5.3-Flash tem licença MIT e pesos disponíveis para download, 320 bilhões de parâmetros no total e 18 bilhões ativos, o que o coloca na faixa em que uma equipe séria pode auto-hospedá-lo em um nó com várias GPUs e uma equipe menor pode ao menos auditar o que ele foi treinado para fazer. MiniMax M3.1 Flash é fechado hoje, e a promessa de pesos posteriores é exatamente isso — uma promessa sem licença, sem contagem de parâmetros e sem data. Processos de aquisição que perguntam "qual é a nossa saída se este fornecedor mudar os termos" têm uma resposta de um lado e uma frase do outro.

Há também um ângulo de custo embutido nisso, e é aquele que ninguém coloca numa tabela de comparação. Um modelo de pesos abertos define um teto para o que qualquer fornecedor pode cobrar por ele, porque a alternativa é sempre executá-lo por conta própria. Um modelo fechado não tem esse teto; o fornecedor define o preço e você aceita ou migra. Com tarifas combinadas idênticas hoje, a licença do GLM-5.3-Flash é o que mantém a sua tarifa honesta no próximo ano, e a da M​iniMax é o que deixa a tarifa inteiramente ao critério da M​iniMax.

A disponibilidade é o que realmente desempata.

O GLM-5.3-Flash está disponível desde 26 de agosto de 2026 e figura no catálogo da OrcaRouter como z-ai/glm-5.3-flash, a $0,15 por milhão de tokens de entrada e $0,50 por milhão de tokens de saída, com entrada em cache a $0,03, além de um SKU gratuito para avaliação e do modelo maior z-ai/glm-5.3 a $1,26 e $3,96, caso você precise do topo de linha. O MiniMax M3.1 Flash, lançado há dois dias no momento em que escrevo, é acessível pela API própria da MiniMax, pelo M Plan e pelo MiniMax Code, e não está no nosso catálogo — não vamos insinuar que está, e a página do modelo não retorna nada quando você vai procurá-la.

Essa assimetria vale mais do que parece quando você está comparando dois modelos que custam o mesmo. Colocar o GLM-5.3-Flash em uma base de código é uma string de modelo. Colocar o MiniMax M3.1 Flash é uma segunda relação com fornecedor, um segundo formato de cobrança e um segundo conjunto de limites de taxa, além do que você já tem. E é exatamente o caso em que uma camada de roteamento não é um discurso de vendas, mas uma peça de infraestrutura: uma chave, uma fatura, um único lugar onde o preço de tabela do fornecedor é repassado com 0% de margem, de modo que uma mudança de tarifa chega à sua conta no dia em que acontece, e não na próxima renovação. Se a MiniMax listar o M3.1 Flash em um endpoint roteável mais tarde, isso passa a ser uma decisão entre dois modelos em vez de entre dois contratos. Hoje ela não lista, e fingir o contrário seria o tipo de comparação que este blog existe para evitar.

Qual chamar

Se o seu trabalho é interativo, com muita geração de saída e roda dentro de uma stack já compatível com OpenAI, o GLM-5.3-Flash é a resposta mais fácil: mesmo preço combinado, um teto de saída publicado, uma licença MIT que você pode aplicar hoje mesmo, entrada de arquivos e vídeo, e uma entrada no catálogo que transforma tudo em uma mudança de uma linha só. O primeiro token em 2,57 segundos é o preço disso, e, para agentes em segundo plano, é um preço que vale a pena pagar.

Se o seu trabalho é sensível à latência e a saída é limitada — um classificador de roteamento, um gerador de formato curto, uma etapa de agente que retorna um plano em vez de um arquivo —, o M​iniMax M3.1 Flash é o modelo mais rápido com o custo por tarefa mais baixo, e seu teto de saída não divulgado nunca é testado porque você nunca chega perto dele. Escolha-o pela taxa de transferência e pelo primeiro token em 1,38 segundo, não pelo índice, e vá sabendo que está adotando um modelo fechado com uma taxa que ninguém limitou.

O que você não deve fazer é escolher entre eles com base nas tabelas de benchmark. Ambos os fornecedores publicaram números em arneses de sua própria escolha, nenhum executou o do outro, e o único benchmark que ambas as famílias relataram historicamente — DeepSWE — foi executado em arneses diferentes ao longo dos lançamentos dos dois laboratórios com frequência suficiente para que uma comparação entre colunas seja adivinhação com um ponto decimal. Os dois números neste artigo que foram medidos da mesma forma para ambos os modelos são o índice e o custo por tarefa, e esses dois dizem que os modelos têm o mesmo preço e a mesma capacidade. Tudo o que realmente difere é um termo de licença, um limite documentado ou uma linha em um catálogo.