DeepSeek V4 Pro против MiniMax M3: Битва флагманов с открытым весом

DeepSeek V4 Pro и MiniMax M3 — два флагмана с открытым весом, которые в этом году борются за корону в кодинге, и интересно то, насколько по-разному они пытаются её завоевать. MiniMax M3, выпущенный 1 июня, — первая модель с открытым весом, которая объединяет в одном пакете передовой кодинг, контекст в 1 миллион токенов и нативный мультимодальный ввод, построенная на архитектуре Sparse Attention от MiniMax. DeepSeek V4 Pro, официальная версия которого вышла 13 августа после четырёхмесячного предварительного доступа, — специалист по рассуждению: Mixture-of-Experts с 1,6 триллиона параметров, 49 миллиардами активных параметров, самым высоким рейтингом Codeforces, когда-либо зафиксированным для языковой модели, и теперь гораздо более сильным агентным показателем. Обе имеют лицензию MIT, обе дёшевы и обе агрессивно позиционируются против моделей, которые стоят в десять-пятьдесят раз дороже.

Заголовок «оба с открытыми весами» скрывает реальное расхождение. Это не две компании, создающие одно и то же с разными логотипами. M3 ставит на экономику длинного контекста — разреженное внимание, делающее окно в миллион токенов достаточно дешёвым для реального использования. DeepSeek V4 Pro ставит на чистую глубину рассуждений — огромную экспертно-параллельную MoE, которая напряжённо думает, прежде чем ответить. Какой из них «лучше для программирования» — зависит от того, какую часть программирования вы имеете в виду, и от того, являются ли ваши входные данные стектрейсом или скриншотом.

Две архитектуры, две ставки

DeepSeek V4 Pro — это самая большая модель с открытыми весами, выпущенная на сегодняшний день: 1,6 триллиона параметров всего, из которых 49 миллиардов активных на токен, 61-слойная MoE с 384 маршрутизируемыми экспертами (top-6), веса экспертов FP4 с вниманием FP8, а также гибридная схема внимания, сочетающая сжатое и сильно сжатое разреженное внимание. Для работы ей требуется около 862 ГБ в FP8, что выводит самостоятельный хостинг на уровень восьми H100, а не рабочей станции. Модель, которая теперь доступна по лицензии MIT и для скачивания, — это та же самая модель, что лежит в основе официальной сборки API, выпущенной на этой неделе.

MiniMax M3 — это более компактная и легковесная модель: примерно 428 миллиардов параметров суммарно и около 23 миллиардов активных на токен, — построенная на основе M​iniMax Sparse Attention (MSA). По утверждению разработчика, MSA снижает вычислительную нагрузку на токен примерно до одной двадцатой от предыдущего поколения, ускоряя prefill более чем в 9 раз, а декодирование на длинном контексте — более чем в 15 раз. В этом и есть весь смысл модели: окно в миллион токенов полезно только тогда, когда инференс в нём остаётся доступным, и именно MSA делает это возможным. M3 также нативно принимает изображения и видео на вход, чего V4 Pro не умеет.

Оба предоставляют контекст на 1 048 576 токенов. DeepSeek V4 Pro ограничен максимальным выводом в 384K; потолок MiniMax M3 еще выше — 512K. У обоих есть переключаемый режим рассуждений: у DeepSeek V4 Pro он по умолчанию включен, а у M3 он представлен в виде переключателя.

Что изменил официальный релиз DeepSeek

Любое текущее сравнение, написанное до этой недели, сравнивает неправильную модель DeepSeek. Предварительная версия, доступная с 24 апреля, была моделью рассуждений, показавшей результат DeepSWE 12,8. Официальная сборка, DeepSeek-V4-Pro-0813, подняла этот показатель до 62,7 в собственных оценках DeepSeek и добавила Responses API, интеграцию с Codex, а также конечные точки, совместимые с OpenAI и Anthropic, — так что один и тот же клиентский код, который работает с одной, может работать и с другой. Агентные показатели на карточке вендора теперь близки к показателям Anthropic Fable 5: Terminal-Bench 2.1 — 87,9 (Fable 5: 88,0), CyberGym — 83,3 (Fable 5: 83,1), AutomationBench — 31,8 (Fable 5: 29,1). Это цифры, сообщённые DeepSeek для сборки, которой всего один день, и не подтверждённые ни одной независимой лабораторией, — относитесь к ним как к заявлениям, но эти заявления уже не скромные.

Табло результатов программирования, и чьи числа чьи

На самых цитируемых бенчмарках программирования результаты двух моделей разделились, и это разделение показательно:

• LiveCodeBench — DeepSeek V4 Pro 93.5, самый сильный результат среди моделей с открытыми весами на этом бенчмарке и его самая цитируемая победа.

• SWE-Bench Verified — DeepSeek V4 Pro 80.6 против MiniMax M3 80.5, фактически ничья.

• SWE-Bench Pro — MiniMax M3 59.0 против DeepSeek V4 Pro 55.4, значимое преимущество M3 в 3,6 пункта в агентной разработке ПО.

• Terminal-Bench 2.1 — DeepSeek V4 Pro 67.9 против MiniMax M3 66.0, почти вровень.

• BrowseComp — MiniMax M3 83.5, результат браузерного исследовательского агента, который превосходит многие закрытые модели.

• Codeforces — DeepSeek V4 Pro 3206, самый высокий рейтинг, когда-либо зафиксированный для языковой модели.

Первые четыре из этих строк указаны вендором; индекс Artificial Analysis Intelligence — единственный независимый показатель, в котором фигурируют обе модели, и он оценивает MiniMax M3 в 44 балла против 32 у DeepSeek V4 Pro в конфигурации без рассуждений (на момент написания конфигурация с рассуждениями не была оценена в AA). Опубликованный в этом месяце независимый конкурс по программированию дает более точную картину: MiniMax M3 набрал наибольший общий балл в реальной задаче реализации, и судья похвалил его код как «промышленного уровня», в то время как DeepSeek V4 Pro был назван лучшим проектировщиком архитектуры, но более слабым в доведении бизнес-логики до работающего кода — «хорош в мышлении, но не в деле». Для алгоритмических задач в стиле спортивного программирования цифры Codeforces и LiveCodeBench указывают на V4 Pro. А для превращения спецификации в готовый, протестированный сервис реальные результаты склоняются в пользу M3.

Мультимодальность — это настоящая развилка.

Отбросьте бенчмарки — и решающее отличие окажется в модальности ввода. MiniMax M3 нативно принимает текст, изображения и видео, умеет пользоваться компьютером и выполнять визуальную привязку: агент может прочитать схему, посмотреть на экран и действовать по увиденному. DeepSeek V4 Pro — только текст, что идеально подходит для чистых пайплайнов кода и документов, но бесполезно для всего, где ответ кроется в изображении. Если ваш агент для кодинга работает с задачами и репозиториями, текстовая направленность V4 Pro ничего вам не стоит. Если ему когда-либо понадобится взглянуть на макет интерфейса, скриншот сбоя или фото белой доски, M3 — единственная из этих двух, которая на это способна.

Цена и скорость: две разные кривые.

При ценах из прайс-листа провайдера, передаваемых через OrcaRouter, две модели дёшевы в разных местах:

• DeepSeek V4 Pro — $0.44 за миллион входных токенов, $0.88 за миллион выходных токенов, кэшированный ввод — $0.0035 за миллион.

• MiniMax M3 — 0,30 доллара за миллион входных токенов, 1,20 доллара за миллион выходных токенов, кэшированный вход — 0,06 доллара за миллион.

M3 выигрывает по входу и кэшированию; V4 Pro выигрывает по выходу, а выход — это то, где тарифицируются токены рассуждения. Поскольку DeepSeek V4 Pro по умолчанию использует режим рассуждений и его логика многословна, длительный агентный прогон может перевесить смешанную стоимость в сторону V4 Pro, несмотря на более дешёвый вход M3. Скорость работает в другую сторону: MiniMax M3 выдаёт около 80–145 выходных токенов в секунду в зависимости от провайдера, тогда как DeepSeek V4 Pro — примерно 54–65. Преимущество разреженного внимания M3 проявляется сильнее всего на длинном контексте, где декодирование остаётся быстрым, а стоимость внимания V4 Pro растёт.

Оба находятся на OrcaRouter за одним ключом, совместимым с OpenAI, что делает это не таким уж подбрасыванием монеты, как кажется: производственный путь может направлять DeepSeek V4 Pro для алгоритмических и длинных текстовых проходов, MiniMax M3 для мультимодальных и длинноконтекстных проходов, а также использовать маршрутизирующий DSL или слияние моделей, чтобы они взаимодействовали в одном вызове — при этом каждый тарифицируется по цене провайдера с 0% наценкой, с автоматическим переключением при сбое, если конечная точка одного из провайдеров начнет сбоить.

Какой подходит?

• Соревновательное программирование, алгоритмическое мышление, математика, максимальный результат за вызов → DeepSeek V4 Pro. Результаты Codeforces и LiveCodeBench — самые сильные среди моделей с открытым весом на лидерборде.

• Превращение спецификаций в готовые сервисы, длительные автономные запуски агентов → MiniMax M3, судя по реальным соревнованиям по кодингу и его лидерству в агентном SWE-Bench Pro.

• Любой ввод, который не является текстом (скриншоты, диаграммы, видеокадры) → MiniMax M3, единственный мультимодальный вариант здесь.

• Контекст на миллион токенов, который должен оставаться недорогим и быстрым → разреженное внимание MiniMax M3 с 9-кратным ускорением prefill и 15-кратным ускорением decode по сравнению с предыдущим поколением.

• Самая низкая стоимость вывода для текста → DeepSeek V4 Pro — $0.88 против $1.20 у M3, особенно при включённом режиме мышления.

Самостоятельный хостинг на скромных датацентровых GPU → меньший объём активных параметров у MiniMax M3; чекпоинт V4 Pro объёмом 862 ГБ в формате FP8 требует серьёзного кластера.

Ни у одной из моделей пока нет устоявшегося вердикта, и обе быстро движутся — официальная сборка DeepSeek V4 Pro вышла на этой неделе и ещё не прошла независимое бенчмаркирование, веса MiniMax M3 были обещаны, но ещё не полностью появились в открытых репозиториях, а DeepSeek объявил о повышении цен на линейку V4. Если нужно выбирать уже сегодня, выбирайте по модальности и рабочей нагрузке: мультимодальная и длинноконтекстная агентная работа — за MiniMax M3, чистые текстово-кодовые рассуждения по самой низкой цене вывода — за DeepSeek V4 Pro — и маршрутизируйте их вместе, чтобы, когда появится первый независимый рейтинг любой из моделей, переключение вашего трафика было изменением конфигурации, а не переписыванием.