DeepSeek V4 Pro vs MiniMax M3: Uppgörelsen mellan open-weight-flaggskeppen

DeepSeek V4 Pro och MiniMax M3 är de två flaggskeppen med öppna vikter {{1}}som kämpar om kodningskronan i år, och det intressanta är hur olika de försöker vinna den{{/1}}. MiniMax M3, som släpptes den 1 juni, är den första öppenviktsmodellen som gör anspråk på frontier-kodning, en kontext på 1 miljon tokens och nativ multimodal inmatning i ett paket, byggd på M​iniMaxs Sparse Attention-arkitektur. DeepSeek V4 Pro, vars officiella version släpptes den 13 augusti efter en fyra månader lång förhandsvisning, är resonemangsspecialisten: en Mixture-of-Experts med 1,6 biljoner parametrar och 49 miljarder aktiva parametrar, det högsta Codeforces-betyget som någonsin registrerats för en språkmodell, och nu ett betydligt starkare agentiskt resultatkort. Båda är MIT-licensierade, båda är billiga, och båda är aggressivt positionerade {{2}}mot modeller som kostar tio till femtio gånger så mycket{{/2}}.

Den där rubriken, "båda med öppna vikter", döljer den verkliga skillnaden. Det här är inte två företag som bygger samma sak med olika logotyper. M3 satsar på ekonomin i långa kontexter — gles attention som gör ett fönster på en miljon tokens billigt nog att faktiskt använda. DeepSeek V4 Pro satsar på rått resonemangsdjup — en enorm expertparallell MoE som tänker ordentligt innan den svarar. Vilken som är "bättre för kodning" visar sig bero på vilken del av kodningen du menar, och på om din input är en stack trace eller en skärmdump.

Två arkitekturer, två satsningar

DeepSeek V4 Pro är den största modellen med öppna vikter som hittills släppts: 1,6 biljoner totala parametrar med 49 miljarder aktiva per token, en MoE med 61 lager och 384 dirigerade experter (top-6), FP4-experternas vikter med FP8-uppmärksamhet, samt en hybrid uppmärksamhetsdesign som kombinerar komprimerad och starkt komprimerad gles uppmärksamhet. Den kräver cirka 862 GB i FP8, vilket innebär att självhosting hamnar i åtta-H100-territorium snarare än på en arbetsstation. Modellen som nu är MIT-licensierad och nedladdningsbar är densamma som ligger bakom den officiella API-versionen som släpptes den här veckan.

MiniMax M3 är en mindre och smidigare maskin — ungefär 428 miljarder totala parametrar med cirka 23 miljarder aktiva per token — byggd kring M​iniMax Sparse Attention (MSA). Leverantören hävdar att MSA minskar beräkningskostnaden per token till ungefär en tjugondel av den tidigare generationen, med mer än 9x snabbare prefill och mer än 15x snabbare avkodning vid långa kontexter. Det är hela poängen med modellen: ett fönster på en miljon token är bara användbart om inferensen inom det är prisvärd, och MSA är det som gör det möjligt. M3 tar också emot bild- och videoinmatning nativt, vilket V4 Pro inte gör.

Båda erbjuder en kontext på 1 048 576 token. DeepSeek V4 Pro har ett maxutdata på 384K; MiniMax M3:s tak är ännu högre, på 512K. Båda har ett växlingsbart tankeläge — DeepSeek V4 Pro har tankeläget på som standard, medan M3:s är exponerat som en strömbrytare.

Vad DeepSeeks officiella lansering ändrade

Alla aktuella jämförelser som skrivits före denna vecka jämför fel DeepSeek-modell. Förhandsversionen som kördes från 24 april var en resonemangsmodell som fick ett DeepSWE-resultat på 12,8. Den officiella versionen, DeepSeek-V4-Pro-0813, höjde det till 62,7 på DeepSeeks egna utvärderingar, och lade till en Responses API, Codex-integrering samt OpenAI- och Anthropic-kompatibla slutpunkter – så att samma klientkod som pratar med en kan prata med den andra. Agentiska poäng på leverantörens kort ligger nu nära Anthropics Fable 5: Terminal-Bench 2.1 på 87,9 (Fable 5: 88,0), CyberGym 83,3 (Fable 5: 83,1), AutomationBench 31,8 (Fable 5: 29,1). Detta är siffror som DeepSeek rapporterat för en version som är en dag gammal, inte reproducerad av något oberoende labb – behandla dem som påståenden, men påståendena är inte längre blygsamma.

Kodningsresultattavlan, och vems siffror som är vems

På de mest citerade kodningsbenchmarkerna delar de två modellerna på resultaten, och uppdelningen är informativ:

• LiveCodeBench — DeepSeek V4 Pro 93.5, det starkaste öppenviktsresultatet på detta riktmärke och dess mest citerade vinst.

• SWE-Bench Verified — DeepSeek V4 Pro 80.6 vs MiniMax M3 80.5, i praktiken oavgjort.

• SWE-Bench Pro — MiniMax M3 59.0 vs DeepSeek V4 Pro 55.4, en betydande ledning på 3,6 poäng för M3 inom agentisk mjukvaruutveckling.

• Terminal-Bench 2.1 — DeepSeek V4 Pro 67.9 mot MiniMax M3 66.0, jämnt.

• BrowseComp — MiniMax M3 83.5, en poäng för en webbläsarbaserad forskningsagent som slår många stängda modeller.

• Codeforces — DeepSeek V4 Pro 3206, den högsta ratingen någonsin registrerad för en språkmodell.

De fyra första av dessa rader är leverantörsrapporterade; Artificial Analysis Intelligence Index är det enda oberoende måttet som båda är med i, och det rankar MiniMax M3 på 44 mot DeepSeek V4 Pro på 32 i dess icke-resonerande konfiguration (den resonerande konfigurationen hade inte bedömts hos AA vid skrivande stund). En tredjeparts kodningstävling som publicerades denna månad ger en skarpare bild: MiniMax M3 fick högst sammanlagd poäng på en verklig implementeringsuppgift, med en domare som berömde dess "industriella" kod, medan DeepSeek V4 Pro beskrevs som bäst på att designa arkitektur men svagare på att föra affärslogik ända fram till fungerande kod — "bra på att tänka, inte på att göra." För algoritmiska problem av tävlingsprogrammeringstyp pekar siffrorna från Codeforces och LiveCodeBench på V4 Pro. För att omvandla en specifikation till en färdig, testad tjänst lutar de verkliga resultaten mot M3.

Multimodalitet är det verkliga vägskälet

Ta bort riktmärkena och den avgörande skillnaden är inmatningsmodaliteten. MiniMax M3 accepterar text, bild och video inbyggt och stödjer datoranvändning och visuell förankring — en agent kan läsa ett diagram, titta på en skärm och agera på det den ser. DeepSeek V4 Pro är endast text, vilket passar perfekt för rena kod- och dokumentflöden och är oanvändbart för allt där svaret finns i en bild. Om din kodagent arbetar med issues och repos kostar V4 Pro:s textfokus dig ingenting. Om den någonsin behöver titta på en UI-mockup, en kraschskärmdump eller ett whiteboardfoto är M3 den enda av de två som kan det.

Pris och hastighet: två olika kurvor

Vid listpriser från leverantörer som förmedlas av OrcaRouter är de två modellerna billiga på olika ställen:

• DeepSeek V4 Pro — $0.44 per miljon input, $0.88 per miljon output, cachad input $0.0035 per miljon.

• MiniMax M3 — $0,30 per miljon indata, $1,20 per miljon utdata, cachad indata $0,06 per miljon.

M3 vinner på input och cachning; V4 Pro vinner på output, och output är där thinking-tokens faktureras. Eftersom DeepSeek V4 Pro som standard har thinking aktiverat och dess resonerande är utförligt, kan en lång agentkörning tippa den blandade kostnaden till V4 Pro:s sida trots det billigare M3-input. Hastigheten går åt andra hållet: MiniMax M3 mäter runt 80–145 output-tokens per sekund beroende på leverantör, jämfört med DeepSeek V4 Pro:s ungefärliga 54–65. M3:s fördel med sparse attention syns tydligast vid lång kontext, där dess avkodning förblir snabb medan V4 Pro:s uppmärksamhetskostnad stiger.

Båda ligger bakom OrcaRouter under en OpenAI-kompatibel nyckel, vilket gör detta mindre av ett myntkast än det ser ut: en produktionsväg kan dirigera DeepSeek V4 Pro för de algoritmiska och långa skrivstegen, MiniMax M3 för de multimodala och långkontextuella stegen, och använda routing-DSL:en eller modellfusion för att få dem att samarbeta i ett enda anrop — var och en faktureras till leverantörens listpris med 0 % påslag, med automatisk failover om en leverantörs slutpunkt vacklar.

Vilken passar

• Tävlingsprogrammering, algoritmiskt resonemang, matematik, maximal utdata per anrop → DeepSeek V4 Pro. Codeforces- och LiveCodeBench-resultaten är de starkaste siffrorna bland öppna vikter på ledartavlan.

• Att omvandla specifikationer till färdiga tjänster, långa autonoma agentkörningar → MiniMax M3, enligt de verkliga kodningstävlingarna och dess ledande position inom agentisk SWE-Bench Pro.

• Alla indata som inte är text (skärmbilder, diagram, videostillbilder) → MiniMax M3, det enda multimodala alternativet här.

• Kontext på miljoner tokens som måste förbli prisvärd och snabb → MiniMax M3:s sparse attention, med 9x prefill- och 15x decode-förbättringar jämfört med föregående generation.

• Lägsta utdatakostnad för text → DeepSeek V4 Pro på $0,88 jämfört med M3:s $1,20, särskilt med tänkande påslaget.

• Självhostning på blygsamma datacenter-GPU:er → MiniMax M3:s mindre aktiva fotavtryck; V4 Pro:s 862 GB FP8-checkpoint vill ha ett seriöst kluster.

Varken modellen har ett fastställt omdöme ännu, och båda rör sig snabbt — DeepSeek V4 Pro:s officiella bygge släpptes denna vecka och har inte oberoende benchmarkats, MiniMax M3:s vikter utlovades men måste fortfarande landa fullt ut på de öppna repona, och DeepSeek har meddelat en prishöjning för V4-serien. Om du måste välja idag, välj baserat på modalitet och arbetsbelastning: multimodalt och långkontextuellt agentarbete går till MiniMax M3, ren text-och-kodresonemang till lägsta utpris går till DeepSeek V4 Pro — och dirigera dem tillsammans så att när den första oberoende resultattavlan för någon av modellerna kommer, är det en konfigurationsändring att byta din trafik, inte en omskrivning.