DeepSeek V4 Pro vs MiniMax M3: Cuộc so tài giữa hai mô hình chủ lực open-weight

DeepSeek V4 Pro và MiniMax M3 là hai mô hình flagship open-weight đang cạnh tranh cho danh hiệu coding hàng đầu năm nay, và điều thú vị là cách chúng cố gắng giành chiến thắng hoàn toàn khác nhau. MiniMax M3, phát hành ngày 1 tháng 6, là mô hình open-weight đầu tiên tuyên bố đạt trình độ coding tiên phong, ngữ cảnh 1 triệu token và hỗ trợ đa phương thức gốc trong cùng một gói, được xây dựng trên kiến trúc Sparse Attention của MiniMax. DeepSeek V4 Pro, phiên bản chính thức ra mắt ngày 13 tháng 8 sau bốn tháng xem trước, là chuyên gia suy luận: mô hình Mixture-of-Experts với 1,6 nghìn tỷ tham số, trong đó có 49 tỷ tham số hoạt động, đạt chỉ số Codeforces cao nhất từng được ghi nhận cho một mô hình ngôn ngữ, và giờ đây có bảng điểm agentic mạnh hơn nhiều. Cả hai đều được cấp phép MIT, đều rẻ, và đều được định vị mạnh mẽ để cạnh tranh với các mô hình có chi phí đắt gấp mười đến năm mươi lần.

Tiêu đề "both open-weight" đó che giấu sự khác biệt thực sự. Đây không phải là hai công ty xây dựng cùng một thứ với logo khác nhau. M3 đặt cược vào kinh tế học ngữ cảnh dài — cơ chế chú ý thưa thớt khiến cửa sổ một triệu token trở nên đủ rẻ để thực sự sử dụng. DeepSeek V4 Pro đặt cược vào độ sâu suy luận thô — một MoE song song chuyên gia khổng lồ suy nghĩ kỹ trước khi trả lời. Mô hình nào "tốt hơn cho việc viết mã" hóa ra lại phụ thuộc vào phần viết mã bạn đang nói đến, và phụ thuộc vào việc đầu vào của bạn là một stack trace hay một ảnh chụp màn hình.

Hai kiến trúc, hai canh bạc

DeepSeek V4 Pro là mô hình open-weights lớn nhất từng được phát hành cho đến nay: 1,6 nghìn tỷ tổng tham số với 49 tỷ tham số kích hoạt cho mỗi token, kiến trúc MoE 61 lớp với 384 chuyên gia định tuyến (top-6), trọng số chuyên gia FP4 với attention FP8, và thiết kế attention lai kết hợp attention thưa được nén và nén mạnh. Mô hình cần khoảng 862 GB ở định dạng FP8, đưa việc tự lưu trữ vào phân khúc tám GPU H100 thay vì máy trạm. Mô hình hiện được cấp phép MIT và có thể tải xuống chính là mô hình đứng sau bản API chính thức được phát hành trong tuần này.

MiniMax M3 là một cỗ máy nhỏ hơn và tinh gọn hơn — với tổng cộng khoảng 428 tỷ tham số và khoảng 23 tỷ tham số hoạt động mỗi token — được xây dựng xung quanh M​iniMax Sparse Attention (MSA). Nhà cung cấp tuyên bố MSA giảm chi phí tính toán mỗi token xuống còn khoảng một phần hai mươi so với thế hệ trước, với tốc độ prefill nhanh hơn 9 lần và tốc độ decode nhanh hơn 15 lần ở ngữ cảnh dài. Đó chính là toàn bộ ý đồ của mô hình: một cửa sổ triệu token chỉ hữu ích nếu việc suy luận bên trong nó là hợp lý về chi phí, và MSA là thứ khiến điều đó trở nên đúng. M3 cũng hỗ trợ đầu vào hình ảnh và video một cách tự nhiên, điều mà V4 Pro không làm được.

Cả hai đều cung cấp ngữ cảnh 1.048.576 token. DeepSeek V4 Pro có đầu ra tối đa 384K; trần của MiniMax M3 còn cao hơn, ở mức 512K. Cả hai đều có chế độ suy luận bật/tắt — DeepSeek V4 Pro mặc định bật suy luận, còn M3 hiển thị dưới dạng nút gạt.

Những gì bản phát hành chính thức của DeepSeek đã thay đổi

Bất kỳ so sánh hiện tại nào được viết trước tuần này đều đang so sánh sai mô hình DeepSeek. Bản xem trước chạy từ ngày 24 tháng 4 là một mô hình suy luận đạt điểm DeepSWE 12.8. Bản chính thức, DeepSeek-V4-Pro-0813, đã nâng con số đó lên 62.7 trong các bài đánh giá nội bộ của DeepSeek, đồng thời bổ sung Responses API, tích hợp Codex, và các endpoint tương thích với OpenAI và Anthropic — nên cùng một mã client nói chuyện được với một bên là có thể nói chuyện với bên kia. Điểm số tác tử trên bảng đánh giá của nhà cung cấp hiện nằm gần với Fable 5 của Anthropic: Terminal-Bench 2.1 đạt 87.9 (Fable 5: 88.0), CyberGym 83.3 (Fable 5: 83.1), AutomationBench 31.8 (Fable 5: 29.1). Đây là những con số do DeepSeek tự báo cáo trên một bản build chỉ mới ra mắt một ngày, chưa được bất kỳ phòng thí nghiệm độc lập nào tái xác nhận — hãy coi chúng là những tuyên bố, nhưng những tuyên bố này không còn khiêm tốn nữa.

Bảng điểm lập trình, và số nào là của ai.

Trên các chuẩn đánh giá mã nguồn được trích dẫn nhiều nhất, hai mô hình chia đôi bảng kết quả, và sự phân chia này mang nhiều thông tin có giá trị:

• LiveCodeBench — DeepSeek V4 Pro 93.5, kết quả open-weight mạnh nhất trên benchmark này và chiến thắng được trích dẫn nhiều nhất của nó.

• SWE-Bench Verified — DeepSeek V4 Pro 80.6 so với MiniMax M3 80.5, thực chất là hòa.

• SWE-Bench Pro — MiniMax M3 59.0 so với DeepSeek V4 Pro 55.4, một lợi thế 3,6 điểm đáng kể của M3 về kỹ thuật phần mềm tác nhân.

• Terminal-Bench 2.1 — DeepSeek V4 Pro 67.9 so với MiniMax M3 66.0, rất sát sao.

• BrowseComp — MiniMax M3 83.5, điểm số tác nhân nghiên cứu dựa trên trình duyệt, vượt qua nhiều mô hình đóng.

• Codeforces — DeepSeek V4 Pro 3206, mức rating cao nhất từng được ghi nhận cho một mô hình ngôn ngữ.

Bốn dòng đầu tiên trong số đó do nhà cung cấp báo cáo; Artificial Analysis Intelligence Index là con số độc lập duy nhất mà cả hai đều xuất hiện, và chỉ số này xếp hạng MiniMax M3 ở mức 44 so với DeepSeek V4 Pro ở mức 32 khi chạy cấu hình không suy luận (cấu hình suy luận chưa được AA chấm điểm tại thời điểm viết bài). Một cuộc so tài lập trình của bên thứ ba công bố trong tháng này đưa ra cái nhìn rõ nét hơn: MiniMax M3 đạt điểm tổng thể cao nhất trong một nhiệm vụ triển khai thực tế, với giám khảo ca ngợi mã "đẳng cấp công nghiệp" của nó, trong khi DeepSeek V4 Pro được mô tả là nhà thiết kế kiến trúc tốt nhất nhưng yếu hơn trong việc đưa logic nghiệp vụ thành mã hoạt động — "giỏi nghĩ, không giỏi làm." Đối với các bài toán thuật toán kiểu lập trình thi đấu, số liệu Codeforces và LiveCodeBench nghiêng về V4 Pro. Còn để biến một bản đặc tả thành một dịch vụ hoàn thiện, đã kiểm thử, kết quả thực tế nghiêng về M3.

Đa phương thức chính là ngã rẽ thực sự.

Bỏ qua các bài đánh giá, khác biệt quyết định nằm ở phương thức nhập liệu. MiniMax M3 hỗ trợ nguyên bản văn bản, hình ảnh và video, đồng thời hỗ trợ điều khiển máy tính và neo thị giác — một tác nhân có thể đọc sơ đồ, xem màn hình và hành động dựa trên những gì nó thấy. DeepSeek V4 Pro chỉ hỗ trợ văn bản, điều này hoàn toàn phù hợp cho các pipeline mã thuần túy và tài liệu, nhưng vô dụng với bất cứ thứ gì mà câu trả lời nằm bên trong hình ảnh. Nếu tác nhân lập trình của bạn làm việc từ issue và kho lưu trữ, việc V4 Pro tập trung vào văn bản không khiến bạn mất gì. Nếu nó cần xem bản mô phỏng UI, ảnh chụp màn hình lỗi hoặc ảnh bảng trắng, thì M3 là mẫu duy nhất trong hai mẫu có thể làm được.

Giá cả và tốc độ: hai đường cong khác nhau

Xét theo giá niêm yết của nhà cung cấp do OrcaRouter truyền qua, hai mô hình này rẻ ở những điểm khác nhau:

• DeepSeek V4 Pro — $0,44 mỗi triệu token đầu vào, $0,88 mỗi triệu token đầu ra, đầu vào được lưu cache $0,0035 mỗi triệu.

• MiniMax M3 — $0.30 cho mỗi triệu token đầu vào, $1.20 cho mỗi triệu token đầu ra, đầu vào được cache $0.06 cho mỗi triệu token.

M3 thắng về đầu vào và bộ nhớ đệm; V4 Pro thắng về đầu ra, và đầu ra chính là nơi token suy luận bị tính phí. Vì DeepSeek V4 Pro mặc định bật suy luận và lý luận của nó dài dòng, một lần chạy tác tử dài có thể khiến chi phí kết hợp nghiêng về phía V4 Pro dù đầu vào của M3 rẻ hơn. Tốc độ thì ngược lại: MiniMax M3 đạt khoảng 80–145 token đầu ra mỗi giây tùy nhà cung cấp, so với DeepSeek V4 Pro khoảng 54–65. Lợi thế chú ý thưa của M3 thể hiện rõ nhất ở ngữ cảnh dài, nơi tốc độ giải mã vẫn nhanh trong khi chi phí chú ý của V4 Pro tăng lên.

{{1}}Cả hai đều nằm trên OrcaRouter đằng sau một khóa tương thích OpenAI, điều này khiến bài toán này bớt mang tính may rủi hơn so với vẻ bề ngoài: một đường dẫn sản xuất có thể định tuyến DeepSeek V4 Pro cho các lượt xử lý thuật toán và viết văn bản dài, MiniMax M3 cho các lượt xử lý đa phương thức và ngữ cảnh dài, đồng thời sử dụng DSL định tuyến hoặc hợp nhất mô hình để chúng phối hợp trong một lần gọi — mỗi mô hình được tính phí theo giá niêm yết của nhà cung cấp với mức tăng 0%, kèm chuyển đổi dự phòng tự động nếu điểm cuối của một nhà cung cấp bị trục trặc.{{/1}}

Cái nào phù hợp?

• Lập trình thi đấu, suy luận thuật toán, toán học, đầu ra tối đa mỗi lần gọi → DeepSeek V4 Pro. Kết quả Codeforces và LiveCodeBench là các con số mạnh nhất trên bảng xếp hạng open-weight.

• Chuyển đổi thông số kỹ thuật thành các dịch vụ hoàn chỉnh, các phiên chạy tác nhân tự động kéo dài → MiniMax M3, theo các cuộc thi lập trình thực tế và vị trí dẫn đầu SWE-Bench Pro mang tính tác nhân của nó.

• Bất kỳ đầu vào nào không phải văn bản (ảnh chụp màn hình, sơ đồ, khung hình video) → MiniMax M3, lựa chọn đa phương thức duy nhất tại đây.

• Ngữ cảnh triệu token cần duy trì chi phí hợp lý và tốc độ nhanh → Cơ chế sparse attention của MiniMax M3, với tốc độ prefill nhanh gấp 9 lần và decode nhanh gấp 15 lần so với thế hệ trước.

• Chi phí đầu ra thấp nhất cho văn bản → DeepSeek V4 Pro ở mức $0.88 so với $1.20 của M3, đặc biệt khi bật chế độ suy luận.

• Tự lưu trữ trên các GPU trung tâm dữ liệu tầm trung → dấu chân hoạt động nhỏ hơn của MiniMax M3; checkpoint FP8 862 GB của V4 Pro đòi hỏi một cụm máy chủ nghiêm túc.

Cả hai mô hình đều chưa có phán quyết cuối cùng, và cả hai đều đang thay đổi nhanh chóng — bản build chính thức của DeepSeek V4 Pro đã ra mắt trong tuần này và vẫn chưa được benchmark độc lập; trọng số của MiniMax M3 đã được hứa hẹn nhưng vẫn cần được đăng tải đầy đủ lên các kho lưu trữ mở; và DeepSeek đã công bố tăng giá cho dòng V4. Nếu bạn cần chọn ngay hôm nay, hãy chọn theo dạng dữ liệu và khối lượng công việc: các tác vụ agent đa phương thức và ngữ cảnh dài dành cho MiniMax M3, còn suy luận thuần văn bản và mã nguồn với mức giá đầu ra thấp nhất dành cho DeepSeek V4 Pro — và hãy định tuyến cả hai cùng nhau để khi bảng xếp hạng độc lập đầu tiên của một trong hai mô hình được công bố, việc chuyển lưu lượng của bạn chỉ là một thay đổi cấu hình, chứ không phải viết lại.