DeepSeek V4.1 Flash vs MiniMax M3.1 Flash: identiska kort, olika modeller

Två leverantörer, två modeller, ett pris. Både DeepSeek V4.1 Flash och MiniMax M3.1 Flash kostar $0.15 per miljon inputtokens och $0.60 per miljon outputtokens på OrcaRouter. Båda har en kontext på 1 miljon tokens. Ingen av dem är en flaggskeppsmodell, och båda tillhör den nivå som deras leverantör vill att volymerna ska landa på. Prislappen kan inte skilja dem åt, vilket gör detta till sajtens renaste jämförelse: alla andra kolumner avgör, och ingen av dem är gömd.

Korten

• DeepSeek V4.1 Flash — $0,15 in, $0,60 ut; $0,003 för cachad indata; fördubblas till $0,30 och $1,20 under två tidsfönster på vardagar; 1M kontext; 384K maximal utdata; 2 500 samtidiga förfrågningar; vision stöds; uppmätt p50 för första token 1,49 sekunder.

• MiniMax M3.1 Flash — $0.15 för indata, $0.60 för utdata; 1M kontext; 524K maximal utdata; uppmätt p50 för första token 2,66 sekunder; ingen publicerad rad för cacheträff på kortet enligt vår läsning.

Tre skillnader spelar roll, och alla tre går att mäta innan du fattar beslut: utdatatak, latens för första token och om ett cachelagrat prefix får rabatt.

Tak: 524K mot 384K

MiniMaxs utdatatak är 36 % större. Vid ett enda anrop är det skillnaden mellan om en generering på 350 000 tokens får plats eller inte – och 350 000 tokens utdata till 0,60 dollar per miljon blir 21 cent oavsett, så taket är en kapacitetsgräns snarare än en kostnadsgräns. Om din arbetsbelastning aldrig skriver mer än 300 000 i en enda förfrågan är den här kolumnen oavgjord, med en marknadsföringssiffra påklistrad.

Om så är fallet är MiniMax den enda av de två som kommer att acceptera jobbet, och det identiska priset upphör att vara poängen.

Hastighet: 1,49 mot 2,66 sekunder

DeepSeeks uppmätta tid till första token är 1,49 sekunder; MiniMaxs är 2,66. Båda är snabba nog för att ett chattgränssnitt ska kännas responsivt, och båda är långsamma nog för att en agent som utför tjugo turer per uppgift ska lägga märke till skillnaden – cirka 23 sekunder per uppgift med dessa siffror, mot en tokenkostnad på några cent. I genomströmningsbegränsade pipelines är den snabbare modellen helt enkelt mer arbete utfört per timme på samma samtidighetsbudget.

Cacheraden, som endast ett kort visar

DeepSeek publicerar ett pris för cacheträff: 0,003 USD per miljon indatatoken, mot 0,15 USD för en miss. Det är en femtiofaldig rabatt på den del av en prompt som upprepas, och det är den enskilt största påverkansfaktorn på vartdera kortet. MiniMax-kortet, såsom vi tolkar det, innehåller ingen motsvarande rad – vilket inte betyder att cachning saknas, bara att rabatten inte kan publiceras utifrån kortet.

För en agent som återsänder en stabil systemprompt och en växande historik varje tur kan den asymmetrin väga tyngre än både taket och latensen. Det är också det första att testa snarare än att antaga: skicka samma prefix två gånger och jämför de två räkningarna.

Toppfönstret, som endast ett kort har

DeepSeek fördubblar alla priser mellan 01:00–04:00 och 06:00–10:00 UTC på vardagar, med undantag för kinesiska allmänna helgdagar. MiniMaxs $0,15 och $0,60 är fasta. En europeisk eller asiatisk arbetsbelastning som körs under kontorstid ligger på DeepSeeks topptaxa för större delen av sin trafik – $0,30 och $1,20, vilket är dubbelt MiniMaxs listpris för samma tokens.

Så de identiska korten är inte identiska i praktiken. Utanför rusningstid, med ett stabilt cachelagrat prefix, är DeepSeek betydligt billigare. Under en vardaglig högtrafikperiod utan cachelagring är det dubbelt så dyrt. Schemat avgör vilket påstående som är sant.

Vad ska köras

Båda modellerna finns på OrcaRouter till respektive leverantörs publicerade priser, via en enda OpenAI-kompatibel endpoint med automatiskt failover, vilket är det som gör det här testet billigt: routa en andel av trafiken till vardera och jämför antal utdatatoken per slutförd uppgift, p95-latens och andelen förfrågningar som faller inom DeepSeeks toppbelastningsfönster.

Det du inte ska göra är att haka upp dig på klistermärket. Det är den enda kolumnen där dessa två modeller är överens, vilket innebär att det är den enda kolumnen som inte säger dig någonting.