MiniMax M3.1 Flash so với DeepSeek V4 Flash: Một cái tên, hai mô hình

M​iniMax M3.1 Flash và D​eepSeek V4 Flash trông như cùng một sản phẩm được bán hai lần: cả hai đều rẻ, cả hai đều quảng cáo ngữ cảnh một triệu token, cả hai đều đến từ các phòng thí nghiệm Trung Quốc đã dành cả năm 2026 để hạ giá lẫn nhau. Điều đầu tiên cần biết là một trong hai cái tên đó không còn trỏ đến một mô hình cố định. M​iniMax M3.1 Flash ra mắt ngày 19 tháng 10 năm 2026 dưới dạng một mô hình lập trình và tác tử đóng, luôn suy luận, với giá 0,15 USD đầu vào và 0,60 USD đầu ra mỗi triệu token. D​eepSeek V4 Flash là một mô hình trọng số mở theo giấy phép MIT từ tháng 4 năm 2026, được làm mới vào ngày 31 tháng 7 — và kể từ ngày 10 tháng 9, bất kỳ ai gõ deepseek-v4-flash vào API của chính D​eepSeek đều đã nói chuyện với D​eepSeek V4.1 Flash thay thế. Tài liệu của D​eepSeek hiện nói rằng các tên đã ngừng sử dụng vẫn được chấp nhận, nhưng "các mô hình tương ứng đã ngừng hoạt động." Vì vậy, có hai phiên bản trung thực của so sánh này, và bạn cần phiên bản nào tùy thuộc vào việc bạn gọi điểm cuối của D​eepSeek hay tải trọng số xuống. Các lỗi AI và sự cố tác tử được ghi lại đằng sau những bản phát hành như bản này được tập hợp trong OrcaRouter AI Incident Archive trong đó mỗi mục có nguồn riêng, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp.

Cả hai đều đáng được cân nhắc về giá, vì cả hai đều thực sự rẻ và chúng rẻ theo những cách khác nhau. Phần tiếp theo sẽ nói về cái bẫy tính sẵn có trước, sau đó là các dòng thông số thực sự quyết định việc mua, rồi đến phần tính toán — bởi vì ở cặp này, giá trên mỗi token và hóa đơn trên mỗi tác vụ chỉ về hai hướng ngược nhau.

Bạn đang thực sự so sánh DeepSeek V4 Flash nào?

Ba thứ cùng tên, nhưng chúng hoạt động khác nhau khi thanh toán.

• Bản trọng số mở gốc. DeepSeek V4 Flash là một mô hình mixture-of-experts 284 tỷ tham số với 13 tỷ tham số hoạt động trên mỗi token, được công bố theo giấy phép MIT trên Hugging Face ở định dạng FP4 và FP8. Bản cập nhật tháng 7 là phiên bản mà các bên thứ ba vẫn cung cấp, đồng thời là phiên bản được danh mục của chúng tôi liệt kê: $0.22 cho mỗi triệu token đầu vào, $0.66 cho mỗi triệu token đầu ra, $0.007 cho mỗi triệu lượt đọc bộ nhớ đệm, ngữ cảnh 1.048.576 token, đầu ra tối đa 384.000, chỉ nhận đầu vào văn bản.

• Thẻ nhà cung cấp mà nó từng hiển thị. $0,14 đầu vào và $0,28 đầu ra trên mỗi triệu token là mức giá riêng của D​eepSeek cho V4 Flash. Bạn không thể trả mức đó ngày hôm nay, vì D​eepSeek đã ngừng SKU này. Đem nó so với mức $0,15/$0,60 của M​iniMax là sai lầm phổ biến nhất trong phép so sánh này, và nó phóng đại lợi thế của D​eepSeek khoảng hai lần ở đầu ra.

• Mã định danh vẫn phản hồi. deepseek-v4-flash giờ được định tuyến đến DeepSeek-V4.1-Flash-1017 và tính phí theo mức giá V4.1 Flash — 0,15 USD đầu vào và 0,60 USD đầu ra ngoài giờ cao điểm, tăng gấp đôi lên 0,30 USD và 1,20 USD trong các khung giờ cao điểm ngày thường của DeepSeek (01:00–04:00 và 06:00–10:00 UTC), với cache hit ở mức 0,003 USD và 0,006 USD. Đó là một kiến trúc khác ở một mức giá khác, khoác lên cái tên cũ như một bí danh tiện lợi.

Hệ quả thực tế hẹp hơn nghe có vẻ và dễ hành động hơn là ghi nhớ. Nếu bạn tự vận hành hoặc mua DeepSeek V4 Flash từ bên thứ ba cung cấp trọng số mở, bạn nhận được mô hình tháng Tư/tháng Bảy với mức giá cố định ổn định. Nếu bạn trỏ đến URL riêng của DeepSeek, bạn nhận được mô hình kế nhiệm, có giá tăng gấp đôi trong một phần ngày làm việc. Không cái nào trong số đó là đối thủ thực sự của MiniMax trên bảng điểm — mô hình kế nhiệm mới là, và nó dẫn trước hai điểm. Điều đó thể hiện trong các con số dưới đây.

Sáu dòng quyết định điều đó

Đặt hai bảng thông số kỹ thuật cạnh nhau thì phần lớn các dòng là ngang nhau. Những dòng không ngang nhau thì đủ mang tính quyết định để dựa vào đó mà lập kế hoạch.

• Giá mỗi triệu token — MiniMax M3.1 Flash 0,15 đô đầu vào, 0,60 đô đầu ra, 0,015 đô cho phần được lưu đệm. DeepSeek V4 Flash 0,22 đô đầu vào, 0,66 đô đầu ra, 0,007 đô cho phần được lưu đệm như chúng tôi cung cấp; 0,15 đô / 0,60 đô qua bí danh riêng của DeepSeek, tăng gấp đôi vào giờ cao điểm.

• Cửa sổ ngữ cảnh — 1,000,000 token so với 1,048,576. Một chênh lệch 48,576 token sẽ không bao giờ là lý do khiến một tác vụ thất bại.

• Đầu ra tối đa — không được MiniMax công bố. 384.000 token trên DeepSeek V4 Flash. Đây là dòng quan trọng nhất và nó chiếm một phần riêng.

• Đầu vào — nhận văn bản, hình ảnh và video, xuất ra văn bản, trên M​iniMax M3.1 Flash. Chỉ hỗ trợ văn bản trên D​eepSeek V4 Flash, với phần xử lý hình ảnh đã được chuyển sang một bản thử nghiệm riêng mà D​eepSeek cũng đã ngừng cung cấp vào tháng 9.

• Kiểm soát chế độ suy luận — thang mức nỗ lực từ thấp đến tối đa mà bạn không thể tắt, mặc định ở mức tối đa, trên M​iniMax M3.1 Flash. Chế độ suy luận được bật theo mặc định nhưng thực sự có thể tắt trên DeepSeek V4 Flash.

• Trọng số — đóng, với việc M​iniMax hứa phát hành “sau,” đối lập với trọng số được cấp phép MIT trên Hugging Face ngay hôm nay.

Hai hàng nữa cũng nên có ở đây, dù chúng mang tính vận hành hơn là kỹ thuật. Bảng giá của MiniMax hoàn toàn không có khung giờ cao điểm — giá là giá, bất kể bạn chạy vào giờ nào — trong khi sản phẩm kế nhiệm của DeepSeek tăng gấp đôi vào các khung giờ cao điểm ngày thường rơi đúng vào buổi sáng châu Âu. Và MiniMax công bố 200 yêu cầu mỗi phút và 10 triệu token mỗi phút dùng chung với MiniMax-M3, so với mức trần 2.500 yêu cầu đồng thời trên SKU Flash của DeepSeek.

Bên số một sẽ không công bố

Một triệu token ngữ cảnh là một lời hứa về việc đọc. Đầu ra tối đa là một lời hứa về việc viết, và chính nó quyết định liệu một tác vụ có vừa trong một lần gọi hay không. Hãy yêu cầu MiniMax M3.1 Flash đọc một kho lưu trữ và đưa ra một kế hoạch di chuyển, một bộ kiểm thử đầy đủ, hoặc một đợt tái cấu trúc 60 tệp, và nó sẽ thực hiện việc đó qua nhiều lượt, bởi vì nhà cung cấp không công bố giới hạn trần nào — tài liệu nêu ra tham số max_tokens và cảnh báo rằng token suy nghĩ được tính vào đó, rồi dừng ở đó. Hãy yêu cầu DeepSeek V4 Flash điều tương tự và bạn có 384.000 token dư địa, đủ cho toàn bộ kế hoạch trong một phản hồi.

Đó không hẳn là lỗi trong mô hình của M​iniMax mà đúng hơn là một lỗ hổng trong tài liệu của nó, và lỗ hổng đó gây ra một chi phí thực tế: bạn không thể định cỡ ngân sách, đặt chính sách thử lại, hay dự đoán một lượt sinh dài sẽ bị cắt ở đâu nếu không có một con số. Nếu sau này M​iniMax công bố một con số như vậy, đoạn này sẽ trở nên lỗi thời theo hướng có lợi cho mô hình. Cho đến lúc đó, bất kỳ khối lượng công việc nào mà giá trị phụ thuộc vào một lần hoàn thành rất dài đều nên được chuyển đến mô hình có nêu rõ giới hạn tối đa của nó.

Điểm số duy nhất trên cùng một khung đánh giá, và thang bậc xung quanh nó

Các bảng benchmark của nhà cung cấp chỉ là tiếp thị với vài chữ số thập phân, nên câu hỏi hữu ích là hai con số nào được tạo ra bởi cùng một harness trên cùng một phiên bản. Trong cặp so sánh này, chỉ có đúng một cặp sạch: DeepSWE v1.1, trong đó MiniMax báo cáo 73,7% và DeepSeek báo cáo 74,2% cho V4.1 Flash. Cách nhau nửa điểm, cả hai đều do nhà cung cấp tự báo cáo, không có số nào được tái lập độc lập. Mọi dòng khác mà người làm marketing sẽ cho bạn xem đều so sánh các phiên bản harness khác nhau hoặc các thế hệ khác nhau và không thể trừ cho nhau.

Bài đăng ra mắt của MiniMax bổ sung BankerToolBench 76.2, OSWorld V2 61.7, Agents' Last Exam 29.6 và CyberGym 82%, tất cả đều do nhà cung cấp báo cáo, không có cột DeepSeek nào bên cạnh. Bài đăng cũng tuyên bố đạt "hiệu suất hàng đầu" trên AutomationBench-AA mà không công bố điểm số, đây là kiểu tuyên bố nên được coi là chưa có cho đến khi người khác điền vào.

Bức tranh độc lập mỏng hơn và hữu ích hơn. Artificial Analysis chấm MiniMax M3.1 Flash 43 điểm trên Intelligence Index của mình, đứng thứ tư trong 173 mô hình, với chi phí 0,22 USD cho mỗi tác vụ chỉ số hoàn thành. DeepSeek V4 Flash 0731 đã ngừng hoạt động đứng ở 34 điểm và 0,17 USD. DeepSeek V4.1 Flash 1017 — mô hình mà cái tên cũ thực sự trỏ tới — đứng ở 45 điểm và 0,26 USD. Nếu đọc như một chuỗi tuyến tính thay vì một bảng xếp hạng, điều đó có trật tự đáng kinh ngạc: chín điểm chỉ số với năm xu mỗi tác vụ, rồi thêm hai điểm với bốn xu nữa. MiniMax là nấc giữa, và nấc cao nhất thuộc về nhà cung cấp mà nó được cho là đang cạnh tranh.

Tốc độ là nơi tuyên bố của nhà cung cấp và kết quả đo lường khác biệt rõ rệt nhất. Bài đăng của MiniMax hứa hẹn "200+ TPS khi sử dụng hằng ngày" với P50 trên 170. Artificial Analysis đo được 104,7 token đầu ra mỗi giây với thời gian đến token đầu tiên là 1,28 giây, trong khi DeepSeek V4.1 Flash 1017 đo được 210,6 token mỗi giây ở 1,07 giây. Hãy coi những con số đó là số liệu động chứ không phải cố định: cùng một trang Artificial Analysis đó hiển thị 125,5 token mỗi giây và điểm chỉ số 42 vào ngày ra mắt, còn hôm nay hiển thị 104,7 và 43, đúng kiểu một mục mới được một ngày trước khi ổn định.

Chi phí lưu lượng truy cập của agent trong một tháng trên mỗi mục.

Giá theo mỗi token là một đại diện kém ở đây, vì hai mô hình tiêu thụ token đầu ra với tốc độ rất khác nhau. M​iniMax M3.1 Flash không thể ngừng suy nghĩ: gửi thinking: disabled và API trả về HTTP 400, còn mức nỗ lực mặc định là bậc đắt đỏ nhất. Điều đó có nghĩa là mỗi lượt đều mang theo token suy luận mà hóa đơn vẫn tính và người dùng không bao giờ thấy.

Hãy lấy một tác nhân lập trình có tiền tố ổn định 40.000 token — lời nhắc hệ thống, lược đồ công cụ, bản đồ kho mã nguồn — chạy trong 60 lượt, mỗi lượt thêm 1.200 token đầu vào mới và tạo ra 900 token đầu ra hiển thị. Giả sử mức nỗ lực mặc định của MiniMax gần như làm đầu ra mỗi lượt tăng gấp ba nhờ suy luận và DeepSeek chạy ở chế độ không suy nghĩ:

• M​iniMax M3.1 Flash, ở mức $0.15 / $0.60 / $0.015 — $0.036 cho lượt đọc tiền tố đã lưu trong bộ nhớ đệm, $0.011 cho đầu vào mới, $0.097 cho 162.000 token đầu ra. Khoảng $0.14 mỗi phiên.

• DeepSeek V4 Flash, với mức giá chúng tôi cung cấp là $0.22 / $0.66 / $0.007 — $0.017 cho đầu vào đã lưu trong bộ nhớ đệm, $0.016 cho đầu vào mới, $0.036 cho 54,000 token đầu ra. Khoảng $0.07 mỗi phiên.

• DeepSeek V4.1 Flash 1017, ở mức $0.15 / $0.60 / $0.003 ngoài giờ cao điểm — $0.007 cho bộ nhớ đệm, $0.011 đầu vào, $0.032 đầu ra. Khoảng $0.05, và khoảng $0.10 nếu lượt chạy rơi vào khung giờ cao điểm.

Giả định đóng vai trò quyết định là khối lượng token suy nghĩ, và đó là một giả định — M​iniMax không công bố con số nào cho nó, và tỷ lệ thay đổi theo thiết lập nỗ lực mà bạn chọn. Điều không phải giả định là hướng: mô hình có mức giá niêm yết ngang bằng hoặc rẻ hơn lại tạo hóa đơn lớn hơn trên một vòng lặp agent, vì nó suy luận ở mọi lượt dù lượt đó có cần hay không. Hạ mức nỗ lực xuống thấp hoặc trung bình và khoảng cách thu hẹp mạnh; để nguyên mặc định thì không.

Bộ nhớ đệm còn mở rộng khoảng cách đó hơn nữa. Chiết khấu bộ nhớ đệm của M​iniMax là giảm 90% chi phí đầu vào, với việc so khớp bắt đầu từ 512 token đầu vào và đi qua danh sách công cụ, rồi đến lời nhắc hệ thống, rồi đến tin nhắn người dùng. Của D​eepSeek là giảm 98% và được áp dụng tự động, kèm theo lưu ý của chính nhà cung cấp rằng nó chỉ là nỗ lực tối đa và không có TTL cố định. Trong một phiên dài, khác biệt đó có giá trị hơn cả mức giá được quảng cáo.

Đây là phần mà routing chứng minh được giá trị thực sự chứ không chỉ là khẩu hiệu: trên một khóa duy nhất cho hơn 200 mô hình, với giá niêm yết của nhà cung cấp được chuyển thẳng với mức chênh giá 0%, cả hai SKU của D​eepSeek đều có thể gọi ngay hôm nay — deepseek/deepseek-v4-flash cho bộ trọng số mở đã ghim và deepseek/deepseek-v4.1-flash-1017 cho bản chụp cố định tháng 10 — và nếu nhà cung cấp giảm giá thì ở đây cũng có ngay trong cùng ngày. M​iniMax M3.1 Flash không nằm trong danh sách đó, và cách nói trung thực về dòng trạng thái khả dụng là: nó chỉ có thể truy cập qua API riêng của M​iniMax, gói đăng ký M Plan và sản phẩm M​iniMax Code, với trọng số được hứa sẽ phát hành nhưng không kèm ngày cụ thể.

Công tắc mà bạn không thể tắt

Thang mức nỗ lực trên M​iniMax M3.1 Flash là low, medium, high, xhigh và max, và giá trị mặc định khi bạn bỏ qua trường này là max. Không có mức tắt. Đây là một quyết định thiết kế có hai mặt. Một lần đổi tên thông thường ở mức low và một lần tái cấu trúc toàn kho mã ở mức xhigh đều là cùng một mô hình đưa ra một đánh đổi hợp lý, đúng như những gì một hạng Flash nên cung cấp. Nhưng một bên gọi không bao giờ đặt trường này — mà phần lớn các bên gọi đều vậy, ở lần tích hợp đầu tiên — phải trả cho nấc đắt nhất trong mọi yêu cầu, và tác động đó vô hình cho đến khi hóa đơn đến.

Từ đó rút ra hai chi tiết vận hành. Token suy nghĩ được tính vào max_tokens, vì vậy mức giới hạn dành cho câu trả lời ngắn có thể bị tiêu hao hoàn toàn bởi phần lý luận và trả về một thông điệp trống với max_tokens làm lý do dừng. Và reasoning_split không thể được đặt thành false, vì vậy trên đường tương thích OpenAI, phần suy nghĩ luôn đến trong trường reasoning_content thay vì bên trong chuỗi nội dung. Nếu bạn có một trình phân tích cú pháp trích xuất các thẻ suy nghĩ từ đầu ra M​iniMax cũ, thì nó không có gì để xử lý ở đây.

DeepSeek V4 Flash mang đến cho bạn cách bố trí khác: mặc định bật chế độ suy luận, nhưng có chế độ không suy luận thực sự, và khả năng chọn mức nỗ lực trên bản kế nhiệm V4.1. Đối với phân loại, trích xuất, định dạng và các lệnh gọi công cụ ngắn — phần lớn lưu lượng của hầu hết tác nhân — đó là sự khác biệt giữa việc phải trả tiền cho suy luận và không.

Ai nên chọn cái nào

Cả hai đều không phải là mặc định đúng cho mọi thứ, và sự phân chia này rõ ràng một cách bất thường.

Chọn MiniMax M3.1 Flash khi công việc mang tính tác tử (agentic) và đa phương thức — màn hình nằm trong vòng lặp, video làm đầu vào, đánh giá computer-use hoặc an ninh mạng — và khi bạn thực sự sẽ đặt mức độ nỗ lực cho từng lần gọi. Những con số của nhà cung cấp về OSWorld V2 (61.7) và CyberGym (82%) đúng là kiểu năng lực mà giao diện chỉ-văn-bản của DeepSeek V4 Flash hoàn toàn không thể biểu đạt, và bảng giá đồng giá là một lợi thế thực sự cho một đội mà khối lượng công việc rơi vào đúng các khung giờ cao điểm của DeepSeek.

Chọn DeepSeek V4 Flash khi bạn cần trọng số mở mà mình có thể lượng tử hóa, tự lưu trữ, tinh chỉnh và giữ lại sau khi nhà cung cấp ngừng hỗ trợ; khi bạn cần một giới hạn đầu ra được công bố cho việc tạo dài trong một lượt; khi bạn cần tắt suy luận; hoặc khi lưu lượng của bạn đúng kiểu nhạy cảm với thông lượng, không suy luận mà bộ nhớ đệm rẻ hơn và chế độ không suy nghĩ được thiết kế cho. Giấy phép MIT không phải là chú thích phụ — đó là dòng duy nhất trên cả hai bảng thông số mà một thay đổi về giá không thể lấy đi.

Điều gì sẽ làm thay đổi câu trả lời

Ba điều, theo thứ tự mức độ chúng sẽ tác động đến nó. Việc MiniMax công bố một mức trần đầu ra sẽ loại bỏ khoảng trống chức năng lớn nhất trên bảng thông số. Việc MiniMax phát hành các trọng số mà hãng đã hứa sẽ xóa sổ hoàn toàn lợi thế giấy phép của DeepSeek và biến đây thành một cuộc tranh luận thuần túy về giá và tốc độ. Và một phép đo độc lập thứ hai về MiniMax M3.1 Flash ở một thiết lập nỗ lực thấp hơn sẽ giải quyết câu hỏi mà phép tính chi phí hiện tại buộc phải giả định — bao nhiêu trong số 43 của nó tốn $0.22, và bao nhiêu trong $0.22 đó là phần suy nghĩ mà không ai yêu cầu.

Cho đến lúc đó, vị thế có thể bảo vệ được hẹp hơn mức mà cả hai bài đăng ra mắt mong muốn. Về năng lực, chỉ số độc lập xếp MiniMax M3.1 Flash cao hơn chín điểm so với mô hình DeepSeek thường được nhắc tên khi so sánh với nó, và thấp hơn hai điểm so với mô hình DeepSeek mà cái tên đó giờ đã vươn tới — và khoảng cách hai điểm ấy tốn bốn xu mỗi tác vụ. Về mọi thứ khác, quyết định không hề nằm ở điểm số. Mà ở chỗ bạn cần trọng số, một trần đầu ra và một công tắc tắt, hay bạn cần một mức giá cố định và đôi mắt.