MiniMax M3.1 Flash กับ DeepSeek V4.1 Flash: ตารางข้อมูลจากผู้ขายทั้งสองเห็นตรงกันจริง ๆ ในเรื่องใด
- Orcaใหม่Orca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 10 tok/s
- deepseekใหม่DeepSeek: DeepSeek V4.1 Flash 10172026-10-1745ความฉลาด
- DeepSeekใหม่DeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
- Orcaใหม่Orca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 124 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856ความฉลาด
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 313 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238ความฉลาด
- OpenAIOpenAI: GPT-6 Sol2026-09-2248ความฉลาด
- AnthropicAnthropic: Claude Opus 5.52026-09-2258ความฉลาด
- xAIGrok 4.72026-09-2146ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 45 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 ต่อ 1 ล้านโทเค็น · 826 tok/s
- OpenAIOpenAI: GPT-6 Astra2026-09-0453ความฉลาด77การเขียนโค้ด
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241ความฉลาด76การเขียนโค้ด
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245ความฉลาด76การเขียนโค้ด
- AnthropicAnthropic: Claude Fable 5.12026-09-0153ความฉลาด82การเขียนโค้ด
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 ต่อ 1 ล้านโทเค็น · 48 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 ต่อ 1 ล้านโทเค็น · 93 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642ความฉลาด72การเขียนโค้ด
สองแถวเท่านั้น นั่นคือปริมาณของตารางเปิดตัวของ MiniMax ที่ยังคงอยู่เมื่อนำไปเทียบกับตัวเลขที่ DeepSeek เผยแพร่เอง และคุ้มค่าที่จะพูดให้ชัดเจนเช่นนี้ก่อนที่พาดหัวของค่ายใดค่ายหนึ่งจะถูกนำไปพูดซ้ำ: บนเบนช์มาร์กสองรายการที่ทั้ง MiniMax M3.1 Flash และ DeepSeek V4.1 Flash — เช็กพอยต์ 1017 ที่ DeepSeek ปล่อยเมื่อสองวันก่อน — ต่างเผยแพร่คะแนนจากการประเมินเดียวกัน โมเดลที่ใหม่กว่าตามหลังอยู่ MiniMax เปิดตัว M3.1 Flash เมื่อ 19 ตุลาคม 2026 พร้อมตารางที่ครอบคลุมงานเอเจนต์ การเขียนโค้ด การใช้คอมพิวเตอร์ และความปลอดภัยไซเบอร์ และคำกล่าวอ้างถึงการก้าวกระโดดระดับรุ่นเมื่อเทียบกับรุ่นก่อนของตัวเอง DeepSeek เปิดตัว V4.1 Flash 1017 เมื่อ 17 ตุลาคม 2026 พร้อมการ์ดโมเดลที่ทำสิ่งเดียวกัน ส่วนที่น่าสนใจของการนำทั้งสองมาเทียบกันไม่ใช่ใครชนะ แต่คือว่าตารางแต่ละตารางถูกออกแบบมาให้เปรียบเทียบกันได้น้อยแค่ไหนตั้งแต่แรกตารางของผู้จำหน่ายเป็นหลักฐานประเภทหนึ่ง และบันทึกเหตุการณ์ก็เป็นอีกประเภทหนึ่ง ดังนั้นความล้มเหลวเบื้องหลังการเปิดตัวแบบนี้จึงถูกบันทึกไว้ใน the OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งที่มา ระดับความรุนแรง เกรดความมั่นใจ และแฟล็กข้อโต้แย้งของตัวเอง
สิ่งที่ MiniMax ใส่ตัวเลขลงไปจริง ๆ
โพสต์ของ MiniMax เจาะจงรายละเอียดมากกว่าของรายอื่นส่วนใหญ่ โดยให้ตัวเลขหกตัวไว้ตั้งแต่ต้น ได้แก่ BankerToolBench 76.2, DeepSWE v1.1 73.7%, OSWorld V2 61.7, Agents' Last Exam 29.6, CyberGym 82% และการอ้างว่ามีประสิทธิภาพสูงสุดใน Automation-Bench โดยไม่มีคะแนนระบุไว้ในข้อความสรุป พร้อมกันนั้นยังมีข้ออ้างด้านปริมาณงานสองข้อ คือการอนุมานออนไลน์เร็วขึ้นประมาณสามเท่าเมื่อเทียบกับโมเดลที่มันมาแทนที่ และมากกว่า 200 โทเคนต่อวินาทีโดยมี P50 สูงกว่า 170 รวมทั้งข้ออ้างเรื่องต้นทุนต่ำลง 70% สำหรับงานแบบเอเจนต์ ทั้งหมดนั้นเป็นข้อมูลที่ผู้ขายรายงานเองและยังไม่ได้มีการทำซ้ำ MiniMax เป็นผู้รัน MiniMax เป็นผู้เผยแพร่ และชื่อฮาร์เนสถูกระบุไว้เฉพาะในเชิงอรรถเท่านั้น
เชิงอรรถคือจุดที่ตารางเริ่มแตกออกจากกัน BankerToolBench ถูกประเมินด้วยฮาร์เนส OpenCode 1.1718 และตัดสินโดย MiniMax-M2.7 ซึ่งเป็นโมเดลรุ่นเก่าของ MiniMax เอง ตามที่ MiniMax กล่าว นั่นคือเบนช์มาร์กที่ตัดสินเอง: โมเดล MiniMax ให้คะแนนเอาต์พุตที่สร้างโดยโมเดล MiniMax บนชุดงานที่ MiniMax เลือกเอง อาจดำเนินการได้อย่างสมบูรณ์แบบก็ได้ แต่มันไม่ใช่หลักฐานที่คุณจะยกมาใช้ต่อกรกับแล็บที่เผยแพร่ผลบนฮาร์เนสที่คนอื่นดูแล
สองแถวที่เรียงตรงกัน
DeepSWE v1.1 คือการวัดผลเดียวที่ทั้งสองฝ่ายใช้ร่วมกันจริง ๆ ทั้งสองแล็บรายงานผลนี้ และทั้งคู่ระบุชื่อฮาร์เนส: DeepSeek ระบุว่าเป็น Mini-SWE-V2 บนโมเดลการ์ดของตน ขณะที่ MiniMax รายงานเวอร์ชันเบนช์มาร์กเดียวกัน MiniMax อ้างว่าได้ 73.7% DeepSeek อ้างว่าได้ 77.0% สำหรับเช็กพอยต์ 1017 เทียบกับ 74.2% ของรีลีส V4.1 Flash ที่มันมาแทนที่ ดังนั้นการจัดอันดับตรงนี้จึงไม่กำกวม และไม่เป็นผลดีต่อโมเดลที่ใหม่กว่า: รีลีสวันที่ 17 ตุลาคมของ DeepSeek อยู่เหนือรีลีสวันที่ 19 ตุลาคมของ MiniMax บนเบนช์มาร์ก coding-agent เพียงหนึ่งเดียวที่ทั้งสองบริษัทวัดด้วยวิธีเดียวกัน และยังนำรีลีสก่อนหน้าของตัวเองอยู่เกือบสามจุดด้วย
Agents' Last Exam เล่าเรื่องเดียวกันโดยมีระยะห่างมากขึ้น MiniMax รายงาน 29.6 DeepSeek รายงาน 35.4 สำหรับ 1017 เพิ่มขึ้นจาก 31.8 สำหรับเช็กพอยต์ก่อนหน้า นั่นคือช่องว่าง 5 จุดบน benchmark ที่ออกแบบมาให้ยากสำหรับเอเจนต์ และเป็นแถวที่สองติดต่อกันที่โมเดลซึ่งอายุมากกว่าสองวันนำหน้าอย่างสบาย ๆ
ทุกอย่างอื่นในตารางทั้งสองล้วนถูกวัดบนเครื่องทดสอบที่ต่างกัน ถูกให้คะแนนโดยโมเดลที่ต่างกัน หรือถูกเผยแพร่โดยฝ่ายเดียวเท่านั้น การ์ดของ DeepSeek ระบุ Terminal-Bench 4.0 ที่ 42.3 ในฮาร์เนส Claude Code, HLE แบบไม่ใช้เครื่องมือที่ 42.6, ProgramBench 29.1, Apex Bench v1.1 72.1 และ Automation-Bench v1.0.6 ที่ 60.5 โพสต์ของ MiniMax ไม่ได้ให้ตัวเลข Terminal-Bench 4.0 เลย และแถว Automation-Bench ของ MiniMax อยู่ใต้เชิงอรรถเกี่ยวกับงานที่เปิดเผยต่อสาธารณะ 600 งาน แทนที่จะอยู่ข้างตัวเลขที่เทียบเคียงได้ซึ่งเราจะระบุได้อย่างมั่นใจตามความละเอียดที่โพสต์แสดงผล ในจำนวนแถวเหล่านั้นมีสองแถวที่ตรวจสอบได้ ส่วนที่เหลือเป็นข้อสอบคนละชุดที่ชื่อบนปกเหมือนกัน
ในจุดที่ตารางของ MiniMax แข็งแกร่ง และตารางของ DeepSeek เงียบ
การอ่านสองแถวที่ทั้งสองฝ่ายมีข้อมูลร่วมกันเป็นภาพรวมทั้งหมดจะเป็นการเข้าใจผิด เพราะทั้งสองแถวล้วนเป็นแถวการให้เหตุผลด้านการเขียนโค้ดและเอเจนต์ และจุดขายของ MiniMax ก็กว้างกว่านั้น OSWorld V2 ที่ 61.7 เป็นตัวเลขด้าน computer-use ที่ DeepSeek ไม่ได้เผยแพร่ และ MiniMax อ้างว่าอยู่อันดับหนึ่งในบรรดาโมเดลจีนบน benchmark นี้ CyberGym ที่ 82% เป็นตัวเลขด้าน security agent ที่ DeepSeek ก็ไม่ได้เผยแพร่เช่นกัน BankerToolBench 76.2 วัดการเลือกเครื่องมือในบริบทเวิร์กโฟลว์ทางธุรกิจ ซึ่งทั้งการ์ดของ DeepSeek และ Artificial Analysis ไม่ได้ครอบคลุม ในขอบเขตนั้น MiniMax ไม่ได้เป็นฝ่ายแพ้ แต่ไม่มีใครลงแข่งด้วย การไม่มีคู่แข่งไม่เหมือนกับการนำหน้า และสรุปของบริษัทเอง — “การไปถึงระดับของโมเดลชั้นนำ” — เป็นข้ออ้างเรื่องความเท่าเทียม ไม่ใช่เรื่องการนำหน้า
อีกสิ่งที่น่าสังเกตเกี่ยวกับตารางเปิดตัวคือสิ่งที่ตารางนี้ทำกับคู่แข่ง กราฟิกที่เผยแพร่ได้วางคอลัมน์ของ MiniMax ไว้ข้าง DeepSeek, Kimi-K3, GLM-5.3, GPT-5.6 Sol และ Opus 5 และตัวเลขในคอลัมน์เหล่านั้นเป็นตัวเลขที่ห้องแล็บอื่นเผยแพร่เอง ไม่ใช่ตัวเลขที่ MiniMax เป็นผู้รัน นี่เป็นแนวปฏิบัติปกติและไม่ได้เป็นการหลอกลวง แต่หมายความว่าทุกการเปรียบเทียบข้ามคอลัมน์ในภาพนั้นสืบทอดฮาร์เนสที่แต่ละแล็บบังเอิญใช้มา ตารางที่จัดเรียงโมเดลหกตัวไว้ด้วยกันชวนให้คุณอ่านข้ามแถว แต่มีเพียงสองแถวเท่านั้นที่ถูกสร้างมาเพื่อให้อ่านข้ามได้
เรื่องราคาเป็นไปในทางตรงกันข้าม และมันเป็นเรื่องจริง
ในเรื่องค่าใช้จ่าย MiniMax มีการ์ดที่ชัดเจนกว่า M3.1 Flash ราคา $0.15 ต่อล้านโทเค็นอินพุต และ $0.60 ต่อล้านโทเค็นเอาต์พุต โดยอินพุตที่แคชไว้ราคา $0.015 — ลด 90% — และไม่มีความผันแปรตามช่วงเวลา DeepSeek V4.1 Flash 1017 ระบุราคา $0.30 และ $1.20 ในช่วงพีควันธรรมดา ลดครึ่งเหลือ $0.15 และ $0.60 นอกช่วงพีค โดยแคชฮิตอยู่ที่ $0.006 และ $0.003 ตามลำดับ ในช่วงพีค DeepSeek มีค่าใช้จ่ายเป็นสองเท่าของที่ MiniMax เรียกเก็บสำหรับโทเค็นหนึ่งล้านเท่ากัน นอกช่วงพีค การ์ดทั้งสองเหมือนกันทุกประการ งานที่รันตามกำหนดการที่คุณควบคุมได้สามารถไล่ตามหน้าต่างราคาถูกของ DeepSeek ได้ งานที่รันเมื่อผู้ใช้ของคุณใช้งานนั้นทำไม่ได้
Artificial Analysis ระบุเป็นตัวเลขถึงความแตกต่างที่ยังคงอยู่แม้ผ่านเกมการตั้งราคา: $0.22 สำหรับทำหนึ่งงานของ Intelligence Index บน M3.1 Flash เทียบกับ $0.26 บน DeepSeek V4.1 Flash 1017 นั่นคือช่องว่าง 15% ที่เป็นประโยชน์ต่อ MiniMax ในการประเมินเดียวกัน และเป็นข้ออ้างเชิงเศรษฐศาสตร์เพียงข้อเดียวในการเปรียบเทียบนี้ที่วัดอย่างอิสระแทนที่จะเป็นการกล่าวอ้างของผู้ขายเอง เรื่องนี้สำคัญเพราะตารางราคาต่อโทเคนไม่ได้บอกสิ่งนี้แก่คุณ ราคา $0.30/$1.20 ของ DeepSeek ดูเหมือนเป็นภาระค่าใช้จ่าย 2 เท่า แต่ในทางปฏิบัติกลับเป็นเพียง 15% เพราะ MiniMax ใช้โทเคนเอาต์พุต 180 ล้านโทเคนในการรันดัชนี เทียบกับ 210 ล้านโทเคนของ DeepSeek และเพราะ DeepSeek เร็วกว่าประมาณสองเท่า โดยทำได้ 208.7 โทเคนต่อวินาที เทียบกับประมาณ 105 สองโมเดล สองปรัชญาการตั้งราคา และความแตกต่างของต้นทุนจริง 18 เซนต์ต่อการประเมินหนึ่งครั้ง
ซึ่งเป็นจุดที่เลเยอร์การกำหนดเส้นทางพิสูจน์คุณค่าของตัวเอง ด้วยวิธีที่พูดง่ายแต่ทำด้วยมือได้ยาก OrcaRouter ส่งต่อราคาตามรายการของผู้ให้บริการโดยไม่บวกเพิ่ม 0% ดังนั้นเมื่อห้องแล็บใดห้องแล็บหนึ่งปรับอัตรา ตัวเลขในใบเรียกเก็บเงินของคุณก็เปลี่ยนในวันเดียวกัน แทนที่จะเปลี่ยนตอนต่อสัญญาครั้งถัดไป — และบนการ์ดที่มีช่วงเวลาพีค นั่นคือความแตกต่างระหว่างงบประมาณที่คุณตั้งไว้ครั้งเดียวกับงบประมาณที่คุณต้องตรวจซ้ำทุกชั่วโมง วันนี้เราไม่ได้มี MiniMax M3.1 Flash หรือ DeepSeek V4.1 Flash 1017 อยู่ในแคตตาล็อก และบทความนี้ไม่ได้อ้างว่าเรามี ตระกูล DeepSeek ที่เราให้บริการกำหนดเส้นทางนั้นเป็นเช็กพอยต์ที่แตกต่างออกไป ซึ่งเป็นความแตกต่างที่ควรแยกให้ชัดเมื่อสตริงโมเดลคือสิ่งที่โค้ดของคุณถูกปักหมุดไว้
ตัวเลขสองจำนวนที่ไม่มีอยู่ในตาราง benchmark
ปัจจัยแรกคือความเร็ว MiniMax อ้างว่าทำได้มากกว่า 200 โทเคนต่อวินาที และ P50 สูงกว่า 170 Artificial Analysis วัดได้ประมาณ 105 โทเคนต่อวินาทีบนชุดทดสอบของตนเอง โดยมีเวลาไปยังโทเคนแรก 1.38 วินาที DeepSeek วัดได้ 208.7 โทเคนต่อวินาทีที่ 1.07 วินาที คำกล่าวอ้างเรื่องทรูพุตจากผู้ขายมักถูกวัดในกรณีที่ดีที่สุดที่สแตกให้บริการสามารถทำได้เสมอ ตัวเลขจากการวัดอิสระคือตัวเลขที่ปรากฏใน p95 ของคุณ ในมิตินี้ คำกล่าวอ้างของ MiniMax เองกับผลที่วัดได้ไม่ใกล้เคียงกัน และผลที่วัดได้เป็นครึ่งหนึ่งของ DeepSeek
ข้อที่สองคือสัญญาอนุญาต DeepSeek V4.1 Flash 1017 ใช้สัญญาอนุญาต MIT โดยมีน้ำหนักโมเดลอยู่บน Hugging Face และมีพารามิเตอร์รวม 552 พันล้าน เทียบกับ 16 พันล้านที่ใช้งานจริง MiniMax กล่าวว่าน้ำหนักของ M3.1 Flash "จะเปิดเผยในภายหลัง" และไม่ได้ระบุวันที่ สัญญาอนุญาต หรือจำนวนพารามิเตอร์ใด ๆ กับคำสัญญานั้น หากกระบวนการจัดซื้อจัดจ้างของคุณต้องผ่านการตรวจสอบความปลอดภัยที่ถามว่าเกิดอะไรขึ้นหากผู้ขายหายไป ตาราง benchmark ไม่ใช่คำถามที่คุณกำลังตอบ และบนตารางที่คุณได้รับนั้นไม่มีคำตอบอยู่
อะไรจะทำให้การตีความนี้เปลี่ยนไป
สามเรื่อง เรียงตามว่าจะมีผลมากน้อยแค่ไหน การรันแบบอิสระของ DeepSWE v1.1 และ Agents' Last Exam บนเช็กพอยต์ของ MiniMax จะช่วยชี้ขาดว่า 73.7 และ 29.6 เป็นตัวเลขที่ประเมินต่ำหรือประเมินสูงเกินไป — ตอนนี้ยังไม่มีใครนอกสองแล็บเผยแพร่ผลใด ๆ ในสองรายการนี้เลย คะแนน Automation-Bench ที่ MiniMax เผยแพร่ บนชุดงาน 600 งานชุดเดียวกับที่ DeepSeek ใช้ จะทำให้คำกล่าวอ้างเรื่องความสามารถแบบเอเจนต์มีตัวเลขที่ตอนนี้ยังขาดอยู่ และการเผยแพร่เวตพร้อมสัญญาอนุญาตจะทำให้โมเดลเทียบเคียงได้ในมิติที่ตอนนี้ DeepSeek ไม่มีคู่แข่งเลย
จนถึงตอนนั้น สรุปที่ซื่อตรงจะแคบกว่าที่โพสต์เปิดตัวทั้งสองฉบับบอกไว้ MiniMax M3.1 Flash เป็นโมเดลที่ถูกกว่าสำหรับทำงานให้เสร็จ เป็นตัวที่ตอบโต้ช้ากว่า เป็นแบบปิดเมื่อต้องจัดหา และบนสองเบนช์มาร์กเดียวที่ทั้งสองบริษัทวัดเหมือนกันทุกประการ มันเป็นตัวที่อยู่อันดับสอง นั่นไม่ใช่เรื่องราวที่ตารางถูกวาดขึ้นมาเพื่อบอก แต่เป็นเรื่องราวที่ตารางมีอยู่ หากสัปดาห์นี้คุณกำลังเลือกระหว่างสองตัวนี้ ให้เลือกจากตารางราคาและใบอนุญาต เพราะนั่นคือสองแถวที่ไม่มีใครต้องถูกโน้มน้าวให้เชื่อ
