MiniMax M3.1 Flash vs Qwen 3.8 Flash: mesmo preço de entrada, arquiteturas opostas

MiniMax-M3.1-Flash e Qwen3.8-Flash custam os mesmos quinze centavos por milhão de tokens de entrada e se baseiam em teorias incompatíveis sobre para onde vai o dinheiro. O MiniMax-M3.1-Flash, disponível em geral desde 19 de outubro de 2026, é um modelo fechado que raciocina em toda chamada, quer você queira ou não, e gera a 125,5 tokens por segundo. O Qwen3.8-Flash é uma mistura de especialistas de 125 bilhões de parâmetros que ativa cerca de seis bilhões deles por token, gera a aproximadamente 51,6 tokens por segundo no checkpoint medido de forma independente e vende tokens de saída por treze centavos menos. Um é rápido e prolixo; o outro é lento e conciso. Qual é mais barato no seu tráfego depende de uma proporção que a maioria das equipes nunca mede, e essa é a única questão real nesta comparação. As falhas documentadas de IA e os incidentes de agentes por trás de lançamentos como este são coletados em o OrcaRouter AI Incident Archive onde cada entrada traz suas próprias fontes, grau de severidade, classificação de confiança e sinalizador de contestação.

Uma coisa a corrigir antes dos números, porque afeta todas as linhas abaixo. O Qwen3.8-Flash é um produto hospedado. O que você pode baixar é o Qwen3.8-Flash-Next, que compartilha a arquitetura, mas não o nome, a licença ou necessariamente o comportamento — e os números de benchmark independentes que existem são do Flash-Next, não do Flash hospedado. A única pontuação medida de forma independente do MiniMax-M3.1-Flash é do próprio modelo, porque não há mais nada a medir. Quando um número abaixo é um número do fornecedor, isso é indicado; quando é da Artificial Analysis, isso é indicado; quando a linha não pode ser comparada honestamente, a linha diz isso em vez disso.

As duas arquiteturas não são duas configurações de um único design.

O modelo da Qwen é o mais legível dos dois, e seus números são publicados com detalhe suficiente para raciocinar sobre eles. O Qwen3.8-Flash tem 48 camadas com 512 especialistas por camada, dez roteados mais um compartilhado, usando 125 bilhões de parâmetros totais com cerca de 6 bilhões ativos por token — cerca de 95% de esparsidade. Ao lado da pilha de especialistas, ele carrega uma tabela de embeddings n-gram de 51 bilhões de parâmetros e uma cabeça de predição multi-token de 4 bilhões de parâmetros, então o artefato armazenado está mais próximo de 180 bilhões de parâmetros do que de 125 bilhões. A predição multi-token é a parte que importa para a velocidade: ela permite que o modelo proponha vários tokens por passada direta e os verifique, e é assim que um modelo tão esparso permanece utilizável.

A M​iniMax não publicou uma contagem de parâmetros comparável para o MiniMax-M3.1-Flash. O post de lançamento trata de resultados — benchmarks agênticos, uma redução alegada de 70% no custo de uso, inferência "quase três vezes mais rápida" que a prévia — e não do formato da rede. Essa assimetria é, por si só, um dado sobre os dois produtos: Q​wen está vendendo uma arquitetura que, em princípio, você poderia hospedar; M​iniMax está vendendo um serviço. Para uma página de comparação, isso significa que o argumento de arquitetura só funciona em uma direção. Você pode dizer com confiança por que o Qwen3.8-Flash é rápido por parâmetro ativo. Você não pode dizer nada sobre por que o MiniMax-M3.1-Flash é rápido, porque o fornecedor não lhe informou.

Uma linha por dimensão, com ambos os lados em cada uma.

• Preço de entrada — US$ 0,15 por milhão de tokens em ambos, que é daí que vem a coincidência que enquadra esta página

• Preço de saída — MiniMax-M3.1-Flash a US$ 0,60 por milhão contra Qwen3.8-Flash a US$ 0,47, uma diferença de 28% em desfavor da M​iniMax

• Cache — a M​iniMax cobra $0,015 por milhão de tokens de entrada em cache; a QwenCloud informa $0,016 por milhão de leituras de cache e $0,20 por milhão para criação explícita de cache, então o cache da M​iniMax é o mais simples e ligeiramente mais barato dos dois

• Contexto — MiniMax-M3.1-Flash com 1.000.000 de tokens; Qwen3.8-Flash com 1.000.000 por padrão, com entrada máxima de 991.000 tokens e saída máxima de 131.000 tokens

• Capacidade independente — o Artificial Analysis atribui ao MiniMax-M3.1-Flash uma pontuação de 42 no seu Intelligence Index, colocando-o na 41.ª posição entre 173 modelos; o mesmo rastreador atribui 40 ao Qwen3.8-Flash-Next, e não é publicada qualquer pontuação do índice para o Qwen3.8-Flash alojado

• Velocidade de saída — 125,5 tokens por segundo e tempo de 1,04 segundo até o primeiro token para o MiniMax-M3.1-Flash; 51,6 tokens por segundo para o Qwen3.8-Flash-Next no mesmo sistema de monitoramento, que é o dado comparável mais próximo disponível

Custo por tarefa concluída — US$ 0,22 para o MiniMax-M3.1-Flash no harness do próprio tracker; nenhum valor equivalente é publicado para qualquer um dos artefatos Q​wen

• Verbosidade — 180 milhões de tokens de saída consumidos na execução do Intelligence Index do MiniMax-M3.1-Flash, em comparação com uma mediana de 99 milhões para os modelos no rastreador; a Qwen não publica um número comparável

• Controle de raciocínio — a M​iniMax retorna HTTP 400 se você enviar thinking: {"type": "disabled"} e rejeita reasoning_effort: "none", deixando uma escada de cinco níveis cujo padrão é max; a A​libaba documenta os modos de raciocínio e de não raciocínio para a família Qwen3.8, então esta é a única linha em que a documentação dos dois fornecedores não é diretamente comparável e você deve testar a alternância no seu endpoint em vez de confiar em qualquer uma das páginas

• Pesos — a MiniMax diz que os pesos do MiniMax-M3.1-Flash “serão divulgados mais tarde”, sem data; os do Qwen3.8-Flash não são publicados de forma alguma, e o Qwen3.8-Flash-Next para download é distribuído sob a Qwen Community License 1.0, em vez da Apache 2.0

• Modalidades de entrada — texto e imagem em ambos, com o Qwen3.8-Flash aceitando também vídeo, e ambos retornando apenas texto

O preço de produção é uma diferença menor do que o volume de produção

Treze centavos por milhão de tokens de saída parecem um erro de arredondamento ao lado de uma manchete de 28%. Em uma carga de trabalho real, isso pode ser a decisão inteira, na direção oposta à da tabela de preços, porque os dois modelos não produzem a mesma quantidade de tokens para a mesma tarefa.

O MiniMax-M3.1-Flash não consegue parar de pensar. A referência da API dele retorna um 400 para a solicitação óbvia de desativá-lo, e a única alavanca é o quanto ele se esforça para pensar — de low até max, com padrão em max. A Artificial Analysis mediu a consequência: 180 milhões de tokens de saída ao longo de sua execução de índice, enquanto o modelo mediano no mesmo rastreador gasta 99 milhões. Isso é 1,8× o volume de saída de um modelo típico, e os tokens de raciocínio são cobrados como tokens de saída e contam contra o seu limite de max_tokens.

Faça a aritmética em um caso deliberadamente simples. Uma carga de trabalho que custaria um dólar em tokens de saída em um modelo mediano custa US$ 1,82 no MiniMax-M3.1-Flash se a proporção de verbosidade se mantiver. A mesma carga de trabalho no Qwen3.8-Flash a US$ 0,47 em vez de US$ 0,60 custa US$ 0,78 antes de qualquer ajuste de volume — e, se o modo sem pensamento do Qwen estiver disponível e você o usar, não há volume de pensamento a pagar. Em tráfego dominado por saída, a diferença de treze centavos e a verbosidade de 1,8× se multiplicam e resultam em algo mais próximo de uma diferença total de 2,3×. Esse é o argumento contra o MiniMax-M3.1-Flash, dito com a franqueza que ele merece.

O argumento a favor disso é a velocidade, e velocidade não é um benefício intangível quando a carga de trabalho é agêntica. A 125,5 tokens por segundo contra 51,6, o MiniMax-M3.1-Flash produz saída cerca de 2,4× mais rápido, o que significa que um loop de uso de ferramentas em várias etapas que leva vinte segundos de geração no Q​wen leva oito no M​iniMax. Se seu agente faz quarenta chamadas ao modelo para concluir uma tarefa, essa é a diferença entre uma tarefa de treze minutos e uma de cinco minutos, e uma latência assim muda o que você pode construir, e não apenas quanto você paga. Isso também significa que os tokens extras do M​iniMax chegam em menos tempo de relógio do que os tokens em menor número do Q​wen, que é a frase que torna o argumento da verbosidade complicado em vez de decisivo.

Duas tabelas de benchmark de fornecedores que você não pode colocar lado a lado

Ambas as empresas publicaram avaliações, e ambos os conjuntos são inutilizáveis para uma comparação direta, por um motivo que vale a pena declarar claramente em vez de contornar.

A tabela da MiniMax para o MiniMax-M3.1-Flash abrange o BankerToolBench em 76,2, o DeepSWE v1.1 em 73,7%, o OSWorld V2 em 61,7, o Agents' Last Exam em 29,6 e o CyberGym em 82%, e descreve seu resultado no AutomationBench-AA como estando entre os melhores desempenhos, sem exibir uma pontuação. A tabela da Alibaba para o Qwen3.8-Flash-Next abrange o SWE-bench Pro em 62,5, o DeepSWE 1.1 em 58,7, o CoWorkBench em 73,9, o AndroidWorld em 84,5, o MathVision em 95,7 e o JobBench em 55,7. As duas listas compartilham exatamente um nome de benchmark — DeepSWE v1.1 — e, nesse caso, os números dos fornecedores são 73,7% contra 58,7%, uma diferença de quinze pontos que parece decisiva e não é comparável, porque os dois números são de modelos diferentes dos que estão nesta página (um é o Flash-Next hospedado, o outro é o M3.1-Flash) e porque nenhuma das empresas publicou o harness, o scaffold ou os critérios de aprovação.

O que as tabelas permitem é ler a intenção. A MiniMax mediu uso de computador, tarefas profissionais de longo horizonte e descoberta de vulnerabilidades — o perfil de um modelo destinado a operar software. A Alibaba mediu programação, matemática multimodal e controle de dispositivos móveis — o perfil de um modelo destinado a ser incorporado em aplicações em diferentes modalidades. Nenhuma das tabelas contém o número de um concorrente, e nenhuma delas deve ser usada como se contivesse.

O que as licenças realmente permitem

A história dos pesos abertos é a linha que a maioria dos compradores erra, nos dois sentidos.

O Qwen3.8-Flash não é aberto. O que é aberto é o Qwen3.8-Flash-Next, e a diferença não é cosmética: trata-se de um artefato separado, publicado em 26 de agosto de 2026, descrito pelo próprio laboratório da Alibaba como uma prévia da arquitetura que sustentará o Qwen4, distribuído como 131 fragmentos totalizando cerca de 360 GB em bf16 e FP8, sem quantização GGUF fornecida pelo fornecedor. Ele está sob a Qwen Community License 1.0, que não é a Apache 2.0 e não é a licença que muitas equipes presumem ao ouvir "pesos do Qwen". Qualquer pessoa que planeje baixar o Flash e executá-lo localmente deve ler essa licença antes de dimensionar o hardware, porque 360 GB de pesos não cabem em um único acelerador e as quantizações da comunidade são o único caminho para uma pegada menor.

O MiniMax-M3.1-Flash está fechado com uma promessa. O post de lançamento diz que os pesos "serão disponibilizados posteriormente" e não informa data, licença nem tamanho. Essa é uma posição estritamente mais fraca do que a da Qwen — algo que você pode baixar hoje sob uma licença restritiva é melhor do que algo que talvez você consiga baixar no futuro sob termos desconhecidos —, mas não deixa de ser algo, e é a coisa mais provável de mudar o cálculo nesta página. Se a MiniMax disponibilizar os pesos, a comparação de preços deixa de importar para qualquer pessoa com GPUs, e a vantagem de esparsidade que a Qwen obteve com 6 bilhões de parâmetros ativos enfrenta um concorrente que também pode ser executado no seu próprio hardware.

Qual deles chamar hoje

Ambos são acessíveis através do OrcaRouter, embora não de forma igual. O Qwen3.8-Flash está no catálogo como qwen/qwen3.8-flash, um de mais de 200 modelos atrás de uma única chave de API, com os preços de tabela dos fornecedores repassados a 0% de margem. O MiniMax-M3.1-Flash não está no catálogo; pode ser chamado através da API própria da MiniMax, do seu M Plan e do MiniMax Code, e através do parceiro de serviço que a MiniMax indicou em 21 de outubro. O que é encaminhável do lado da MiniMax é o resto da linha — MiniMax-M3 entre eles —, pelo que uma equipe que queira testar a comparação com o seu próprio tráfego pode colocar qwen/qwen3.8-flash e minimax/minimax-m3 atrás de uma chave e medir, em vez de ler duas tabelas de fornecedores e adivinhar.

Vale a pena fazer essa medição antes de se comprometer, porque os dois modelos falham de maneiras opostas em um benchmark. O MiniMax-M3.1-Flash parecerá caro por token e barato por tarefa concluída se seu trabalho for agêntico, com trajetórias longas que o modelo conclui em menos idas e voltas porque cada uma é rápida. O Qwen3.8-Flash parecerá mais barato em cada linha da fatura e parecerá pior em qualquer loop sensível à latência, porque 51,6 tokens por segundo é uma restrição real quando um agente precisa de quarenta respostas sequenciais. Nenhum dos dois é um defeito. São os dois designs funcionando como pretendido.

O veredito restrito: se você está construindo um agente que opera software e paga por tarefa concluída em vez de por token, a velocidade do MiniMax-M3.1-Flash vale a verbosidade dele, e os pesos fechados são o preço de entrada até a M​iniMax lançá-los. Se você faz extração, classificação ou geração em alto volume, em que o comprimento da saída é limitado e a latência não é a restrição, o Qwen3.8-Flash é mais barato na tabela de preços e mais barato ainda quando você deixa de pagar por tokens de raciocínio que não solicitou — e, se você precisa possuir o modelo em vez de alugá-lo, o Qwen3.8-Flash-Next é o único dos dois que você pode de fato manter, sob uma licença que você deve ler primeiro.