MiniMax M3.1 Flash vs Gemini 3.8 Flash: Khoảng cách giá tăng gấp đôi vào ngày 1 tháng 1

Điều đắt nhất ở Gemini 3.8 Flash không phải là giá của nó hôm nay. Mà là ngày gắn với nó. Google đã phát hành Gemini 3.8 Flash vào ngày 2 tháng 9 năm 2026 với giá $0.75 cho mỗi triệu token đầu vào và $3.75 cho mỗi triệu token đầu ra, với đầu vào được lưu trong bộ nhớ đệm ở mức $0.075, và cho biết mức giá đó chỉ áp dụng đến hết ngày 31 tháng 12 năm 2026. Vào ngày 1 tháng 1 năm 2027, nó tăng gấp đôi lên $1.50 và $7.50, với đầu vào được lưu trong bộ nhớ đệm ở mức $0.15. MiniMax M3.1 Flash ra mắt vào ngày 19 tháng 10 năm 2026 với giá $0.15 và $0.60, không đổi, với đầu vào được lưu trong bộ nhớ đệm ở mức $0.015, và trọng số của nó đã được đăng lên Hugging Face vào ngày 23 tháng 10. Hôm nay, tỷ lệ giá đầu vào là năm trên một và tỷ lệ đầu ra chỉ hơn sáu trên một. Vào tháng 1, chúng là mười trên một và mười hai phẩy năm trên một, và không có gì về một trong hai mô hình sẽ thay đổi ngoại trừ lịch.

Điều đó khiến đây trở thành một cuộc đối đầu trực tiếp khác thường. Về năng lực, hai mô hình khá sát nhau: Artificial Analysis chấm MiniMax M3.1 Flash 43 điểm và Gemini 3.8 Flash 41 điểm trên cùng Intelligence Index v4.3.2. Về chi phí cho mỗi tác vụ chỉ số đã hoàn thành thì chúng không hề sát nhau chút nào — 0,22 USD so với 1,24 USD. Câu hỏi thú vị không phải là mô hình nào tốt hơn. Mà là trong hai khác biệt đó, khác biệt nào bạn có thể xây dựng ngân sách dựa vào, và khác biệt nào sẽ hết hạn.

Hai bảng giá, hai kiểu hết hạn

Hãy đặt các cấu trúc cạnh nhau trước các con số. Bảng giá của MiniMax là mức phẳng: cùng $0.15 và $0.60 ở mọi thời điểm, với mức giảm 90% cho đầu vào được lưu trong bộ nhớ đệm. Bảng giá của Gemini là mức khuyến mại có ngày kết thúc được công bố và chi phí đọc bộ nhớ đệm cao gấp năm lần MiniMax. Cả hai đều không phải là mẹo; chúng là những đặt cược thương mại khác nhau. MiniMax đang mua sự chấp nhận bằng giá niêm yết thấp. Google đang mua sự chấp nhận bằng mức giảm tạm thời cho một mô hình mà họ kỳ vọng sẽ tiếp tục bán ở mức giá cao hơn.

• MiniMax M3.1 Flash — 0,15 đô-la đầu vào, 0,60 đô-la đầu ra, 0,015 đô-la đầu vào được lưu trong bộ nhớ đệm trên mỗi triệu token, đồng giá, không phân bậc theo thời điểm trong ngày

• Gemini 3.8 Flash hôm nay — 0,75 USD đầu vào, 3,75 USD đầu ra, 0,075 USD đầu vào được lưu trong bộ nhớ đệm cho mỗi triệu token, đến hết ngày 31 tháng 12 năm 2026

• Gemini 3.8 Flash từ ngày 1 tháng 1 năm 2027 — 1,50 USD cho đầu vào, 7,50 USD cho đầu ra, 0,15 USD cho đầu vào đã lưu trong bộ nhớ đệm trên mỗi triệu token

• Tỷ lệ bộ nhớ đệm — hiện tại 5x có lợi cho MiniMax, 10x sau khi thay đổi

• Ngữ cảnh — 1.000.000 token đầu vào trên cả hai

• Đầu ra tối đa — 524.288 token trên MiniMax so với 65.536 trên Gemini

• Trọng số — Giấy phép Cộng đồng MiniMax và bản tải xuống 252 GB trên MiniMax; đóng trên Gemini

Chạy một khối lượng công việc trợ lý hỗ trợ qua cả hai: 20 triệu token đầu vào mỗi tháng với tỷ lệ trúng bộ nhớ đệm 60%, cộng thêm 3 triệu token đầu ra. Trên Gemini 3.8 Flash hiện nay, đó là $6.00 đầu vào mới, $0.90 đầu vào được lưu trong bộ nhớ đệm và $11.25 đầu ra — $18.15. Từ tháng Một, là $12.00, $1.80 và $22.50 — $36.30. Trên MiniMax M3.1 Flash, cùng tháng đó là $1.20, $0.18 và $1.80 — $3.18. Khoảng cách là 5,7 lần hiện nay và 11,4 lần sau thay đổi. Dung lượng lưu trữ bộ nhớ đệm của Gemini được tính phí riêng theo giờ, nên dòng bộ nhớ đệm là mức sàn chứ không phải toàn bộ chi phí; hướng của so sánh không thay đổi.

Đó cũng là lúc một lớp định tuyến chứng tỏ được giá trị của mình. OrcaRouter chuyển tiếp giá niêm yết của nhà cung cấp với mức markup 0%, vì vậy điều chỉnh tháng Một sẽ xuất hiện trong chi phí định tuyến của bạn ngay ngày nó xuất hiện trong tài liệu của Google, không cần hợp đồng mới và không cần đàm phán lại. Cơ chế chuyển tiếp tương tự áp dụng cho mọi tuyến trong danh mục, nghĩa là phần Gemini trong so sánh giá ở trên có thể được chạy lại trên lưu lượng thực tế của bạn thay vì trên một tháng giả định.

Điều chỉ số độc lập nói, và điều nó không nói

Artificial Analysis đánh giá cả hai mô hình trên cùng một bộ kiểm thử, khiến các con số của nó trở thành phép so sánh năng lực cùng điều kiện duy nhất trong bài viết này. Khoảng cách hai điểm đủ nhỏ để không nên tự nó quyết định một thương vụ mua sắm, nhưng khoảng cách chi phí trên mỗi tác vụ đủ lớn để tự nó quyết định thương vụ đó.

• Chỉ số Thông minh — 43 cho MiniMax M3.1 Flash, 41 cho Gemini 3.8 Flash ở mức nỗ lực cao, cả hai đều v4.3.2

• Chi phí mỗi tác vụ lập chỉ mục — $0.22 so với $1.24, chênh lệch 5,6 lần

• Tốc độ đầu ra — 92,5 token mỗi giây so với 146,9

• Thời gian đến token đầu tiên — 1,52 giây so với 24,70 giây ở mức nỗ lực cao

• Token đầu ra trong lượt chạy chỉ mục — khoảng 180 triệu đối với MiniMax, 170 triệu đối với Gemini, cả hai đều cao hơn đáng kể so với mức trung vị

• Phương thức đầu vào — văn bản, hình ảnh và video trên MiniMax; văn bản, hình ảnh, giọng nói và video trên Gemini

Chỉ số này là mức trung bình về năng lực, không phải khối lượng công việc. Điểm 41 của Gemini được đo ở mức nỗ lực suy luận cao, và một nhóm chạy nó ở mức trung bình sẽ thấy điểm số khác và hóa đơn khác. Điểm 43 của MiniMax được đo ở mức nỗ lực mặc định, tức mức tối đa, vì không thể tắt suy nghĩ. Đó không phải cùng một điểm vận hành, và khoảng cách hai điểm nên được đọc với điều đó trong đầu. Đây cũng là lý do con số chi phí mỗi tác vụ là phép so sánh trung thực hơn: nó đã bao gồm độ dài diễn đạt và hành vi suy luận mặc định của từng mô hình.

Trần đầu ra mới là ranh giới thực sự.

Tạm quên giá cả trong chốc lát. Khác biệt mang tính cấu trúc giữa hai mô hình này là lượng văn bản chúng có thể viết trong một lần gọi. Gemini 3.8 Flash giới hạn đầu ra ở 65.536 token. MiniMax M3.1 Flash cho phép 524.288. Đó là khác biệt tám đối một, và nó quyết định toàn bộ các nhóm khối lượng công việc trước khi bảng giá được xem xét.

Giới hạn 65K là hào phóng cho trò chuyện, trích xuất, tóm tắt và sinh mã thông thường. Nó không hào phóng cho việc tái cấu trúc toàn bộ kho mã, một báo cáo được tạo có bảng và phụ lục, viết lại một bản ghi dài, hay một tác nhân viết kế hoạch rồi thực thi nó trong một phản hồi. Trên 65K token đầu ra, Gemini không thua về giá; nó không còn là một lựa chọn trừ khi bạn xây dựng một pipeline chia nhỏ xung quanh nó. Giới hạn 524K của MiniMax chính là năng lực khiến cửa sổ ngữ cảnh dài của nó hữu ích thay vì chỉ để trang trí.

Phía đầu vào cân bằng hơn. Cả hai mô hình đều nhận một triệu token ngữ cảnh và đều nhận video. Gemini còn nhận âm thanh và tài liệu PDF; thẻ mô hình của MiniMax liệt kê văn bản, hình ảnh và video. Nếu pipeline của bạn phiên âm âm thanh cuộc họp hoặc đọc hợp đồng quét, đó là lãnh địa của Gemini, và mọi phép tính giá cả đều không thay đổi được điều đó. Nếu đầu vào của bạn là ảnh chụp màn hình, khung hình video và mã, cả hai mô hình đều có thể thấy chúng.

Mức nỗ lực suy luận là một núm điều chỉnh độ trễ, và các núm điều chỉnh không giống nhau.

Cả hai mô hình đều suy nghĩ trước khi trả lời, và cả hai đều tính phí phần suy nghĩ như đầu ra. Các cơ chế điều khiển thì khác nhau. Gemini cung cấp các mức nỗ lực low, medium và high, với medium là mặc định và tính năng suy nghĩ được bật theo mặc định. MiniMax cung cấp low, medium, high, xhigh và max, với max là mặc định khi bỏ trống trường này, và từ chối mọi nỗ lực tắt suy nghĩ bằng HTTP 400.

Sự bất đối xứng đó thể hiện rõ trong các con số độ trễ. Artificial Analysis đo MiniMax ở mức trung vị 1,52 giây cho thời gian đến token đầu tiên và Gemini ở mức 24,70 giây khi ở mức nỗ lực cao. Con số của Gemini không phải là lỗi phục vụ; đó là điều một mô hình suy luận nỗ lực cao làm trước khi phát ra token đầu tiên trên một khung đánh giá chuẩn. Nhưng đó là một quyết định sản phẩm. Một giao diện truyền phát phải chờ 25 giây trước token đầu tiên sẽ có cảm giác như bị hỏng, và một nhóm hạ Gemini xuống mức nỗ lực thấp để khắc phục điều đó thì không còn so sánh mô hình mà chỉ số đã đo nữa.

Cơ chế suy nghĩ bắt buộc của MiniMax gặp đúng vấn đề đó nhưng theo chiều ngược lại. Một tác vụ phân loại hoặc định dạng từng tốn sáu mươi token đầu ra giờ đây phải trả giá cho một chuỗi suy luận trước câu trả lời, ngay cả khi nỗ lực thấp. Giá trên mỗi token thấp hơn; số lượng token cao hơn. Đó là lý do nên trích dẫn con số $0.22 chi phí cho mỗi tác vụ hoàn thành, chứ không phải mức $0.60.

Lưu ý về độ tin cậy mà cả hai bảng giá đều không đề cập

Rẻ và có năng lực không đồng nghĩa với an toàn để tự động hóa. Đánh giá AA-Omniscience của Artificial Analysis xếp MiniMax M3.1 Flash ở mức 16 tổng thể với tỷ lệ ảo giác 93%: khi mô hình không biết câu trả lời, gần như lần nào nó cũng trả lời thay vì từ chối. Đó là con số quan trọng nhất trong so sánh này đối với bất kỳ ai đang xây dựng một tác nhân hành động dựa trên đầu ra. Một mô hình rẻ hơn năm lần mỗi tác vụ và hiếm khi nói “Tôi không biết” có thể tốn kém hơn nhiều khi con người phải kiểm tra công việc của nó.

Gemini 3.8 Flash có những kiểu thất bại của riêng mình — nó là một bộ suy luận dài dòng, và mức giá khuyến mại của Google cho thấy công ty vẫn đang mua lượng sử dụng thay vì bảo vệ một mức giá đã ổn định — nhưng hành vi từ chối trả lời chính là sự bất đối xứng được ghi nhận. Phản ứng thực tế không phải là tránh MiniMax. Mà là định tuyến vòng qua điểm yếu: giữ một mô hình thứ hai phía sau nó để tra cứu dữ kiện, yêu cầu trích dẫn hoặc câu trả lời dựa trên công cụ trên các luồng quan trọng, và đo tỷ lệ mỗi mô hình từ chối trả lời trên bộ đánh giá của riêng bạn thay vì tin vào bảng benchmark của bất kỳ phòng thí nghiệm nào.

OrcaRouter phù hợp ở đâu

OrcaRouter định tuyến Gemini 3.8 Flash ngay hôm nay. Nó không lưu trữ MiniMax M3.1 Flash và bài viết này không khẳng định là có. Điều router mang lại cho bạn là phần Gemini của phép so sánh trên cùng một khóa với hơn 200 mô hình khác, theo giá niêm yết của nhà cung cấp với mức cộng thêm 0%, nhờ đó thay đổi giá tháng 1 được áp dụng cùng thời điểm như tại Google. Nó cũng cung cấp cho bạn tính năng chuyển đổi dự phòng tự động: nếu tuyến Gemini chậm hoặc gặp lỗi, yêu cầu có thể chuyển sang một mô hình khác mà bên gọi không cần thay đổi bất cứ điều gì.

Nếu bạn đang kiểm thử MiniMax M3.1 Flash với Gemini, cách thiết lập thực tế là gọi MiniMax thông qua API riêng của nó hoặc một nền tảng bên thứ ba, giữ Gemini có thể định tuyến qua OrcaRouter, và so sánh hai bên trên chính các prompt của bạn và cơ cấu token hàng tháng của chính bạn. Khoảng cách giá là có thật, nhưng khối lượng công việc tạo ra nó là của bạn, không phải của bài benchmark.

Quyết định tháng Giêng, được đẩy lên sớm hơn

Cám dỗ là chờ đến tháng 12 mới quyết định. Đó là trình tự sai. Thay đổi giá của Gemini đã được công bố, giá MiniMax đã không đổi, và bài toán khối lượng công việc có thể được tính ngay hôm nay. Một pipeline chỉ xử lý văn bản hiện chi $1,000 mỗi tháng cho đầu ra Gemini sẽ chi khoảng $2,000 vào tháng 1 cho cùng số token. Chuyển nó sang MiniMax ngay bây giờ tốn một lần di chuyển và tiết kiệm hóa đơn tháng 1; chuyển vào tháng 1 thì tốn cả hai. Một pipeline cần đầu vào âm thanh hoặc tích hợp hệ sinh thái Google nên giữ nguyên, lập ngân sách cho mức tăng, và ngừng giả vờ rằng mức giá hiện tại là mức giá thật.

Còn có một con đường trung dung mà cả hai bảng giá đều không quảng cáo: chạy cả hai. Gemini cho những yêu cầu cần âm thanh, video hoặc đọc tài liệu rộng hơn; MiniMax cho phần lớn thiên về văn bản, nơi khoảng cách giá là lớn nhất. Sự phân chia đó là một quyết định định tuyến, không phải viết lại, nếu gateway của bạn có thể xử lý cả hai.

Bản ngắn gọn: với khối lượng công việc văn bản, MiniMax M3.1 Flash hiện nay rẻ hơn khoảng năm lần và vào tháng Một rẻ hơn khoảng mười lần, với điểm số độc lập tương đương và giới hạn đầu ra lớn hơn nhiều. Với khối lượng công việc đa phương thức cần âm thanh, Gemini 3.8 Flash là lựa chọn duy nhất trong hai lựa chọn có thể đảm nhận công việc này, và mức tăng vào tháng Một là cái giá phải trả cho năng lực đó. Không có lựa chọn nào là sát nút. Sai lầm là chọn theo mức giá hôm nay mà không đọc ngày đi kèm với nó.