MiniMax M3.1 Flash против Qwen 3.8 Flash: одинаковая цена ввода, противоположные архитектуры

MiniMax-M3.1-Flash и Qwen3.8-Flash стоят одинаково — пятнадцать центов за миллион входных токенов — и построены на несовместимых теориях о том, куда уходят деньги. MiniMax-M3.1-Flash, общедоступная с 19 октября 2026 года, — это закрытая модель, которая рассуждает при каждом вызове, хотите вы этого или нет, и генерирует со скоростью 125,5 токена в секунду. Qwen3.8-Flash — это смесь экспертов со 125 миллиардами параметров, активирующая около шести миллиардов из них на каждый токен, генерирующая примерно 51,6 токена в секунду на независимо измеренном чекпоинте и продающая выходные токены на тринадцать центов дешевле. Одна быстрая и многословная; другая медленная и лаконичная. Что дешевле на вашем трафике, зависит от соотношения, которое большинство команд никогда не измеряет, и это единственный по-настоящему важный вопрос в этом сравнении. Задокументированные сбои ИИ и инциденты с агентами, стоящие за подобными релизами, собраны в the OrcaRouter AI Incident Archive, где каждая запись содержит собственные источники, уровень серьёзности, степень достоверности и отметку об оспаривании.

Один момент нужно прояснить перед цифрами, потому что он влияет на каждую строку ниже. Qwen3.8-Flash — это хостируемый продукт. Скачать можно Qwen3.8-Flash-Next: у него та же архитектура, но не то же название, не та же лицензия и не обязательно то же поведение — а независимые результаты бенчмарков, которые существуют, относятся к Flash-Next, а не к хостируемому Flash. Единственная независимо измеренная оценка MiniMax-M3.1-Flash относится к самой модели, потому что измерять больше нечего. Где приведённая ниже цифра — вендорская, это указано; где это Artificial Analysis — это указано; где строку нельзя честно сравнить, в строке вместо этого так и сказано.

Две архитектуры — это не два варианта одного проекта.

Модель Q​wen — более понятная из двух, а её числовые данные опубликованы достаточно подробно, чтобы о них можно было рассуждать. Qwen3.8-Flash состоит из 48 слоёв по 512 экспертов на слой — десять маршрутизируемых плюс один общий, — задействуя 125 млрд параметров всего при примерно 6 млрд активных на токен, то есть около 95% разреженности. Помимо стека экспертов, она содержит таблицу n-граммных эмбеддингов на 51 млрд параметров и голову многотокенного предсказания на 4 млрд параметров, поэтому сохранённый артефакт ближе к 180 млрд параметров, чем к 125 млрд. Многотокенное предсказание — это то, что важно для скорости: оно позволяет модели предлагать несколько токенов за один прямой проход и проверять их, и именно благодаря этому настолько разреженная модель вообще остаётся пригодной к использованию.

MiniMax не опубликовала сопоставимое количество параметров для MiniMax-M3.1-Flash. Пост о запуске посвящён результатам — агентным бенчмаркам, заявленному снижению стоимости использования на 70%, инференсу «почти в три раза быстрее» предварительной версии — а не структуре сети. Эта асимметрия сама по себе является показателем относительно двух продуктов: Qwen продаёт архитектуру, которую в принципе можно разместить у себя, MiniMax продаёт сервис. Для страницы сравнения это означает, что аргумент об архитектуре работает только в одну сторону. Вы можете уверенно сказать, почему Qwen3.8-Flash быстра в расчёте на активный параметр. Вы не можете сказать ничего о том, почему MiniMax-M3.1-Flash быстра, потому что поставщик вам этого не сообщил.

По одной строке на каждое измерение, обе стороны на каждой.

• Цена ввода — $0.15 за миллион токенов в обоих случаях; отсюда и берётся совпадение, которое лежит в основе этой страницы.

• Цена за вывод — M​iniMax-M3.1-Flash по $0,60 за миллион против Qwen3.8-Flash по $0,47, разрыв в 28% не в пользу M​iniMax

• Кэширование — MiniMax взимает $0.015 за миллион кэшированных входных токенов; QwenCloud указывает $0.016 за миллион чтений из кэша и $0.20 за миллион за явное создание кэша, поэтому кэш MiniMax — более простой и немного более дешёвый из двух.

• Контекст — MiniMax-M3.1-Flash: 1,000,000 токенов; Qwen3.8-Flash: 1,000,000 токенов по умолчанию, максимум 991,000 токенов на входе и 131,000 токенов на выходе

• Независимая оценка возможностей — Artificial Analysis присваивает MiniMax-M3.1-Flash 42 балла в своём Intelligence Index, что ставит его на 41-е место среди 173 моделей; тот же трекер присваивает {{1}}Qwen3.8-Flash-Next{{/1}} 40 баллов, а для размещённой версии Qwen3.8-Flash индексная оценка не опубликована

• Скорость вывода — 125,5 токена в секунду и время до первого токена 1,04 секунды для MiniMax-M3.1-Flash; 51,6 токена в секунду для Qwen3.8-Flash-Next на том же трекере — это ближайший сопоставимый показатель из доступных.

• Стоимость за выполненную задачу — $0,22 для MiniMax-M3.1-Flash на собственном тестовом стенде трекера; ни для одного из артефактов Q​wen аналогичный показатель не опубликован

• Многословность — 180 млн выходных токенов израсходовано за прогон Intelligence Index модели MiniMax-M3.1-Flash при медиане 99 млн для моделей в трекере; Qwen не публикует сопоставимого показателя

• Управление рассуждениями — MiniMax возвращает HTTP 400, если отправить thinking: {"type": "disabled"}, и отклоняет reasoning_effort: "none", оставляя пятиступенчатую шкалу, по умолчанию равную max; Alibaba документирует оба режима — thinking и non-thinking — для семейства Qwen3.8, поэтому это единственная строка, где документацию двух поставщиков нельзя напрямую сравнить, и вам следует проверить переключатель на своем эндпоинте, а не доверять ни одной из этих страниц

• Веса — MiniMax сообщает, что веса MiniMax-M3.1-Flash «будут выпущены позже», без указания даты; веса Qwen3.8-Flash вообще не опубликованы, а доступная для скачивания Qwen3.8-Flash-Next поставляется под лицензией Qwen Community License 1.0, а не Apache 2.0

• Входные модальности — текст и изображение в обоих, причём Qwen3.8-Flash также принимает видео, а оба возвращают только текст

Разница в цене выпуска меньше, чем разница в объёме выпуска.

Тринадцать центов за миллион выходных токенов выглядят как погрешность округления на фоне заявленных 28%. Но на реальной нагрузке это может определить всё решение — причём в противоположную от прайс-листа сторону, поскольку две модели выдают разное количество токенов для одной и той же задачи.

MiniMax-M3.1-Flash не может перестать думать. Его справочник API возвращает 400 на очевидный запрос отключить это, а единственный рычаг — насколько интенсивно он думает: от low до max, по умолчанию — max. Artificial Analysis измерила последствие: 180 млн выходных токенов за прогон по её индексу, тогда как медианная модель в том же трекере расходует 99 млн. Это в 1,8 раза больше объёма вывода типичной модели, а токены размышлений тарифицируются как выходные токены и учитываются в вашем лимите max_tokens.

Прогоним арифметику на намеренно простом случае. Нагрузка, которая стоила бы один доллар выходных токенов на медианной модели, стоит $1.82 на MiniMax-M3.1-Flash, если соотношение многословности сохраняется. Та же нагрузка на Qwen3.8-Flash при $0.47 вместо $0.60 стоит $0.78 до любой корректировки на объём — а если неразмышляющий режим Qwen доступен и вы его используете, то за объём размышлений платить вообще не приходится. На трафике с преобладанием вывода разрыв в тринадцать центов и 1,8-кратная многословность в произведении дают итоговую разницу ближе к 2,3×. Вот довод против MiniMax-M3.1-Flash, изложенный так прямо, как он того заслуживает.

Аргумент в его пользу — скорость, а скорость не является мягким преимуществом, когда рабочая нагрузка агентная. При 125,5 токена в секунду против 51,6 M​iniMax-M3.1-Flash выдаёт результат примерно в 2,4 раза быстрее, а значит, многошаговый цикл использования инструментов, на генерацию в котором Q​wen тратит двадцать секунд, у M​iniMax занимает восемь. Если ваш агент делает сорок вызовов модели, чтобы завершить задачу, это разница между тринадцатиминутной задачей и пятиминутной, и такая задержка меняет то, что вы можете построить, а не просто то, сколько вы платите. Это также означает, что дополнительные токены M​iniMax приходят за меньшее реальное время, чем меньшее число токенов Q​wen, — и именно эта фраза делает аргумент о многословности сложным, а не решающим.

Две таблицы бенчмарков поставщиков, которые нельзя расположить рядом

Обе компании опубликовали оценки, и оба набора непригодны для прямого сопоставления — по причине, которую стоит назвать прямо, а не обходить стороной.

Таблица MiniMax для MiniMax-M3.1-Flash включает BankerToolBench с результатом 76,2, DeepSWE v1.1 — 73,7%, OSWorld V2 — 61,7, Agents' Last Exam — 29,6 и CyberGym — 82%, а результат AutomationBench-AA описывает как один из лучших, не публикуя балл. Таблица Alibaba для Qwen3.8-Flash-Next включает SWE-bench Pro — 62,5, DeepSWE 1.1 — 58,7, CoWorkBench — 73,9, AndroidWorld — 84,5, MathVision — 95,7 и JobBench — 55,7. В этих двух списках ровно одно общее название бенчмарка — DeepSWE v1.1 — и там цифры поставщиков составляют 73,7% против 58,7%: разрыв в пятнадцать пунктов, который выглядит решающим и при этом несопоставим, потому что эти две цифры относятся к другим моделям, а не к тем, что на этой странице (одна — для хостируемой Flash-Next, другая — для M3.1-Flash), и потому что ни одна из компаний не опубликовала ни харнесс, ни скаффолд, ни критерии прохождения.

Таблицы ценны тем, что по ним можно понять намерения. MiniMax измеряла работу с компьютером, долгосрочные профессиональные задачи и обнаружение уязвимостей — профиль модели, предназначенной для работы с программным обеспечением. Alibaba измеряла программирование, мультимодальную математику и управление мобильными устройствами — профиль модели, предназначенной для встраивания в приложения в разных модальностях. Ни одна из таблиц не содержит показателей конкурента, и ни одну из них не следует использовать так, как будто содержит.

Что на самом деле разрешают лицензии

Ситуация с открытыми весами — это та строка, в которой большинство покупателей ошибаются в обе стороны.

Qwen3.8-Flash не является открытым. Открыт Qwen3.8-Flash-Next, и различие не косметическое: это отдельный артефакт, опубликованный 26 августа 2026 года, описанный собственной лабораторией A​libaba как предварительная версия архитектуры, которая ляжет в основу Qwen4, поставляемый в виде 131 шарда общим объёмом примерно 360 ГБ в bf16 и FP8 без предоставленной производителем GGUF-квантизации. Он распространяется по лицензии Q​wen Community License 1.0, которая не является Apache 2.0 и не является той лицензией, которую многие команды предполагают, когда слышат «веса Q​wen». Всем, кто планирует скачать Flash и запустить его локально, следует прочитать эту лицензию до оценки требований к оборудованию, потому что 360 ГБ весов не помещаются на один ускоритель, а квантизации от сообщества — единственный путь к меньшему занимаемому объёму.

MiniMax-M3.1-Flash закрыта, но с обещанием. В публикации о запуске говорится, что веса «будут выпущены позже», и не указывается ни дата, ни лицензия, ни размер. Это строго более слабая позиция, чем у Qwen: то, что можно скачать сегодня по ограничительной лицензии, лучше того, что, возможно, удастся скачать когда-нибудь на неизвестных условиях, — но это не ничего, и именно это с наибольшей вероятностью может изменить расклад на этой странице. Если MiniMax выпустит веса, сравнение цен перестанет иметь значение для всех, у кого есть GPU, а преимущество Qwen в разреженности, купленное за счёт 6 млрд активных параметров, столкнётся с конкурентом, которого тоже можно обслуживать на собственном оборудовании.

Кому сегодня позвонить?

Оба доступны через OrcaRouter, хотя и не в равной мере. Qwen3.8-Flash присутствует в каталоге как qwen/qwen3.8-flash — одна из более чем 200 моделей, доступных через один API-ключ, с передачей цен из прайс-листов провайдеров без наценки. MiniMax-M3.1-Flash в каталоге отсутствует; обращаться к нему можно через собственный API M​iniMax, его M Plan и M​iniMax Code, а также через сервисного партнёра, которого M​iniMax назвал 21 октября. Со стороны M​iniMax маршрутизируется остальная часть линейки — включая MiniMax-M3 — поэтому команда, которая хочет проверить это сравнение на собственном трафике, может разместить qwen/qwen3.8-flash и minimax/minimax-m3 за одним ключом и измерить, вместо того чтобы читать две таблицы поставщиков и гадать.

Это измерение стоит провести до окончательного выбора, потому что на бенчмарке две модели проваливаются противоположным образом. MiniMax-M3.1-Flash будет выглядеть дорогой в расчёте на токен и дешёвой в расчёте на выполненную задачу, если ваша работа носит агентный характер, с длинными траекториями, которые модель проходит за меньшее число раундов, потому что каждый раунд быстрый. Qwen3.8-Flash будет выглядеть дешевле в каждой строке счёта и хуже — в любом цикле, чувствительном к задержке, потому что 51,6 токена в секунду — это реальное ограничение, когда агенту нужно сорок последовательных ответов. Ни то, ни другое не является дефектом. Это два варианта конструкции, работающие так, как задумано.

Узкий вердикт: если вы создаёте агента, который работает с программным обеспечением, и платите за выполненную задачу, а не за токен, скорость MiniMax-M3.1-Flash оправдывает его многословность, а его закрытые веса — это плата за вход, пока MiniMax их не опубликует. Если вы занимаетесь массовым извлечением, классификацией или генерацией, где длина вывода ограничена, а задержка не является ограничивающим фактором, Qwen3.8-Flash дешевле по тарифной сетке и ещё дешевле, как только вы перестаёте платить за токены рассуждений, которые не запрашивали, — а если вам нужно владеть моделью, а не арендовать её, Qwen3.8-Flash-Next — единственная из этой пары, которой вы действительно можете владеть, по лицензии, которую следует прочитать заранее.