MiniMax M3.1 Flash vs GLM-5.3-Flash: Bảng giá khớp nhau, vậy hãy quyết định dựa trên những dòng không khớp

Về mặt thực tiễn, hai bảng giá này là cùng một bảng giá. M​iniMax M3.1 Flash tính $0.15 mỗi triệu token đầu vào và $0.60 mỗi triệu token đầu ra. GLM-5.3-Flash tính $0.15 và $0.50. Trộn chúng theo cách Artificial Analysis làm thì cả hai đều ra $0.10 mỗi triệu. Các chỉ số trí tuệ độc lập của chúng chỉ chênh nhau một điểm — 43 so với 42 trên chỉ số hiện tại. Vì vậy, một bài so sánh dừng ở giá và điểm số thì chẳng có gì để nói, đó là lý do hầu hết chúng dừng ở đó rồi đề xuất mô hình nào mà người viết tình cờ đã kiểm thử. Quyết định giữa M​iniMax M3.1 Flash và GLM-5.3-Flash nằm hoàn toàn ở những hàng không khớp nhau: bạn được phép làm gì với trọng số, điều gì xảy ra khi đầu ra của bạn chạm trần, bạn có thể đưa gì vào mô hình, và liệu thứ đó có thậm chí mua được qua endpoint bạn đang dùng hay không.Bảng giá và bảng điểm chuẩn đều bỏ qua cách những mô hình này thất bại khi đã vào vận hành thực tế, và các sự cố được ghi lại được lập danh mục trong the OrcaRouter AI Incident Archivetrong đó mỗi mục mang nguồn riêng, mức độ nghiêm trọng, cấp độ tin cậy và cờ tranh chấp.

• Sáu dòng, cả hai mặt

• Giá — MiniMax M3.1 Flash $0,15 đầu vào và $0,60 đầu ra mỗi triệu, đầu vào được lưu đệm $0,015; GLM-5.3-Flash $0,15 và $0,50, đầu vào được lưu đệm $0,03. Cả hai kết hợp thành $0,10 mỗi triệu theo tỷ lệ 7:2:1 giữa đầu vào - đầu vào được lưu đệm - đầu ra.

• Điểm số độc lập — Chỉ số Thông minh 43 cho {{1}}M​iniMax M3.1 Flash{{/1}}, 42 cho {{2}}GLM-5.3-Flash{{/2}}, trên cùng phiên bản chỉ số được đọc trong cùng ngày. Một điểm nằm trong mức nhiễu của một lần chạy đánh giá duy nhất.

• Chi phí cho mỗi tác vụ hoàn thành — 0,22 USD cho mỗi tác vụ lập chỉ mục đối với M​iniMax M3.1 Flash, so với 0,28 USD cho GLM-5.3-Flash. Mức giá niêm yết rẻ hơn cũng là tác vụ rẻ hơn, khoảng 21%.

• Đầu ra tối đa — không được M​iniMax công bố cho M3.1 Flash; 128.000 token đối với GLM-5.3-Flash. Cả hai đều quảng cáo cửa sổ ngữ cảnh 1 triệu token, nhưng chỉ một trong hai cho biết có bao nhiêu trong đó có thể được trả ra.

• Đầu vào — văn bản, hình ảnh và video cho M​iniMax M3.1 Flash; văn bản, hình ảnh, video và tệp cho GLM-5.3-Flash. Video ở cả hai bên là điểm bất thường; tải tệp lên ở một bên là phần vận hành.

• Trọng số mở — GLM-5.3-Flash được cấp phép MIT, tổng cộng 320 tỷ tham số với 18 tỷ tham số hoạt động, có thể tải xuống ngay hôm nay. MiniMax cho biết trọng số của M3.1 Flash sẽ được phát hành sau, không kèm giấy phép và không ấn định ngày cụ thể cho lời hứa đó.

Tại sao một điểm trên chỉ số không phải là lý do để chọn bất kỳ bên nào

Intelligence Index là một chỉ số tổng hợp có trọng số: agents chiếm 30%, coding 20%, scientific reasoning 20%, general 30%, được xây dựng từ mười đánh giá bao gồm AA-Briefcase và AA-Omniscience ở mức 15% mỗi đánh giá. Một điểm đơn lẻ trên một chỉ số tổng hợp có hình dạng như vậy có thể đến từ việc một đánh giá con thay đổi vài điểm. Nếu đọc nó như một thế hòa, bạn sẽ đúng thường xuyên hơn nhiều so với khi sai. Nếu đọc nó như một bảng xếp hạng, bạn đang chọn một mô hình production dựa trên chữ số có nghĩa thứ tư của một cuộc khảo sát.

So sánh chi phí theo từng tác vụ hữu ích hơn so sánh chỉ số, và nó cũng chỉ về cùng một hướng như giá niêm yết. Ở mức $0.22 cho mỗi tác vụ hoàn thành, M​iniMax M3.1 Flash đang làm phần việc của chỉ số với chi phí thấp hơn mức $0.28 của GLM-5.3-Flash, dù tốc độ đầu ra trên mỗi token cao hơn. Đó là phép tính về độ dài đầu ra và bộ nhớ đệm đang phát huy tác dụng: GLM-5.3-Flash tính phí cao hơn một phần ba cho mỗi token đầu ra và thu hồi được ít hơn nhờ bộ nhớ đệm, nên mức giá đầu ra trông rẻ hơn trên bảng giá của M​iniMax thực sự rẻ hơn về tổng thể. Nếu khối lượng công việc của bạn là một vòng lặp agent chạy dài, nơi phần lớn hóa đơn là các token đầu ra được đọc lại, thì 21% đó chính là con số xuất hiện trên khoản mục chi phí hàng tháng.

Tốc độ phân tách rõ ràng, và sự phân tách đó bất lợi cho mô hình rẻ hơn.

Đây là khía cạnh mà ở đó hai mô hình không còn thay thế được cho nhau. M​iniMax M3.1 Flash đạt khoảng 105 token mỗi giây đầu ra với thời gian đến token đầu tiên là 1,38 giây. GLM-5.3-Flash đạt 76,8 token mỗi giây với token đầu tiên mất 2,57 giây. M​iniMax nhanh hơn khoảng 36% khi đã bắt đầu và nhanh gấp đôi về thời gian bắt đầu. Đối với một bề mặt tương tác — trình soạn thảo, khung chat, trợ lý lập trình, nơi token đầu tiên là thứ con người đang chờ — lợi thế 1,2 giây về TTFT chính là sự khác biệt giữa một công cụ mang lại cảm giác phản hồi nhanh và một công cụ mang lại cảm giác như đang suy nghĩ về điều đó. Đối với pipeline xử lý hàng loạt, khoảng cách thông lượng quan trọng hơn khoảng cách độ trễ, và nó vẫn nghiêng về M​iniMax.

Cả hai mô hình đều buộc bạn phải trả tiền cho phần suy luận dù bạn có muốn hay không. M​iniMax từ chối yêu cầu cố tắt hẳn suy luận. Tài liệu của Z.ai nói điều tương tự bằng cách diễn đạt khác: không thể tắt suy luận, và mức nỗ lực tối đa là thiết lập được khuyến nghị. Vì vậy, cả hai bên đều không cung cấp đòn bẩy chi phí mà một mô hình có thể bật/tắt suy luận mang lại cho bạn, và cả hai đều tính token suy luận như token đầu ra. Nếu bạn hy vọng một trong hai là lựa chọn rẻ và yên tĩnh cho tác vụ phân loại khối lượng lớn, thì không phải cái nào cả. Đó là đặc tính của hạng mô hình, không phải của nhà cung cấp nào.

Mức trần câu trả lời 128K là dòng quyết định công việc thực tế

GLM-5.3-Flash công bố mức đầu ra tối đa 128.000 token. MiniMax không công bố gì cho M3.1 Flash — không một con số thấp, không một lưu ý, không gì cả trên trang của mô hình hay trong tài liệu API mà chúng tôi có thể tìm thấy. Trên thực tế, điều đó có nghĩa là bạn không thể biết, trước khi gửi một yêu cầu, liệu một lần sinh mã 40.000 token sẽ hoàn tất hay bị cắt ngắn. Bạn có thể phát hiện điều đó bằng thực nghiệm, và bạn có thể xây dựng cơ chế thử lại xoay quanh nó, nhưng bạn không thể đưa nó vào kế hoạch năng lực hay một hợp đồng.

Với phần lớn lưu lượng dạng chat, điều này là vô hình. Với những khối lượng công việc khiến một hạng Flash trở nên đáng chú ý — viết lại toàn bộ tệp, bản ghi dài của agent, trích xuất có cấu trúc từ một tài liệu lớn — giới hạn đầu ra là thứ đầu tiên vỡ, và nó vỡ một cách âm thầm. Một mô hình cắt cụt ở một độ dài không được tài liệu hóa và trả về một câu trả lời bộ phận đúng định dạng thì vận hành tệ hơn một mô hình từ chối yêu cầu. Nếu bất kỳ phần nào trong pipeline của bạn sinh ra hơn vài nghìn token trong một lần gọi, dòng chưa được công bố duy nhất này nên lấn át cả chênh lệch chỉ số một điểm lẫn lợi thế chi phí 21% cộng lại.

Ở đây, trọng số mở không phải là một câu hỏi triết học.

GLM-5.3-Flash được cấp phép MIT với trọng số có thể tải xuống, tổng cộng 320 tỷ tham số và 18 tỷ tham số hoạt động, đưa nó vào phạm vi mà một đội ngũ nghiêm túc có thể tự vận hành trên một nút đa GPU và một đội nhỏ hơn ít nhất có thể kiểm toán những gì nó được huấn luyện để làm. M​iniMax M3.1 Flash hiện là đóng kín, và lời hứa về trọng số sau này đúng nghĩa là vậy — một lời hứa không có giấy phép, không có số lượng tham số và không có ngày. Các quy trình mua sắm đặt câu hỏi "lối thoát của chúng ta là gì nếu nhà cung cấp này thay đổi điều khoản" có một câu trả lời ở một bên và một câu nói ở bên kia.

Trong đó cũng có một khía cạnh chi phí bị chôn kín, và đó là điều không ai đưa vào bảng so sánh. Một mô hình trọng số mở đặt ra mức trần cho giá mà bất kỳ nhà cung cấp nào có thể thu của bạn cho nó, vì lựa chọn thay thế luôn là tự bạn vận hành nó. Một mô hình đóng không có mức trần như vậy; nhà cung cấp đặt giá và bạn chấp nhận hoặc chuyển đi. Với mức giá tổng hợp y hệt nhau hôm nay, giấy phép của GLM-5.3-Flash chính là thứ giữ cho mức giá của nó trung thực vào năm sau, còn giấy phép của M​iniMax là thứ để mức giá hoàn toàn nằm trong quyền tùy ý của M​iniMax.

Tính sẵn có chính là nơi thế hòa thực sự bị phá vỡ.

GLM-5.3-Flash đã hoạt động từ ngày 26 tháng 8 năm 2026 và hiện có trong danh mục của OrcaRouter dưới mã z-ai/glm-5.3-flash, với giá 0,15 USD cho mỗi triệu token đầu vào và 0,50 USD cho mỗi triệu token đầu ra, đầu vào được lưu đệm có giá 0,03 USD, cùng với một SKU miễn phí để đánh giá và mô hình lớn hơn z-ai/glm-5.3 với giá 1,26 USD và 3,96 USD nếu bạn cần bản flagship. M​iniMax M3.1 Flash, mới ra mắt được hai ngày tính đến thời điểm viết bài, có thể truy cập thông qua API riêng của M​iniMax, gói M Plan và M​iniMax Code, và mô hình này không có trong danh mục của chúng tôi — chúng tôi sẽ không ngụ ý rằng nó có, và trang mô hình không trả về gì khi bạn tìm đến nó.

Sự bất đối xứng đó đáng giá hơn vẻ ngoài của nó khi bạn đang so sánh hai mô hình có cùng chi phí. Đưa GLM-5.3-Flash vào một cơ sở mã chỉ là thêm một chuỗi mô hình. Đưa M​iniMax M3.1 Flash vào là thêm một mối quan hệ nhà cung cấp thứ hai, một hình thức thanh toán thứ hai và một bộ giới hạn tốc độ thứ hai, chồng lên bộ bạn đã có. Và đây chính là trường hợp mà một lớp định tuyến không phải là lời chào hàng mà là một mảnh hạ tầng: một khóa, một hóa đơn, một nơi mà giá niêm yết của nhà cung cấp được chuyển tiếp với mức markup 0% để khi giá thay đổi, nó đến hóa đơn của bạn ngay ngày xảy ra thay vì vào kỳ gia hạn tiếp theo. Nếu sau này M​iniMax niêm yết M3.1 Flash trên một endpoint có thể định tuyến, đó sẽ trở thành quyết định giữa hai mô hình thay vì giữa hai hợp đồng. Hiện tại thì chưa, và giả vờ ngược lại sẽ là kiểu so sánh mà blog này tồn tại để tránh.

Gọi cái nào

Nếu công việc của bạn mang tính tương tác, sinh nhiều đầu ra và nằm trong một hệ sinh thái tương thích OpenAI sẵn có, thì GLM-5.3-Flash là câu trả lời dễ dàng hơn: cùng mức giá tổng hợp, giới hạn đầu ra được công bố, giấy phép MIT mà bạn có thể áp dụng ngay hôm nay, đầu vào tệp và video, cùng một mục trong danh mục giúp việc chuyển đổi chỉ là thay đổi một dòng. Token đầu tiên mất 2,57 giây chính là cái giá của điều đó, và với các tác nhân chạy nền thì đây là cái giá đáng để trả.

Nếu công việc của bạn nhạy cảm với độ trễ và đầu ra có giới hạn — một bộ phân loại định tuyến, một trình tạo nội dung ngắn, một bước tác tử trả về kế hoạch thay vì tệp — thì MiniMax M3.1 Flash là mô hình nhanh hơn với chi phí mỗi tác vụ rẻ hơn, và mức trần đầu ra chưa được công bố của nó sẽ không bao giờ bị thử tới vì bạn chẳng bao giờ tiến gần đến nó. Hãy chọn nó vì thông lượng và thời gian tới token đầu tiên 1,38 giây, không phải vì chỉ số xếp hạng, và hãy bước vào với hiểu biết rằng bạn đang dùng một mô hình đóng với mức giá mà chưa ai đặt trần.

Điều bạn không nên làm là chọn giữa chúng dựa trên các bảng benchmark. Cả hai nhà cung cấp đều công bố số liệu trên những harness do chính họ lựa chọn, không bên nào chạy harness của bên kia, và benchmark duy nhất mà cả hai dòng mô hình từng báo cáo trong lịch sử — DeepSWE — đã được chạy trên các harness khác nhau qua các bản phát hành của hai phòng thí nghiệm đủ thường xuyên đến mức so sánh chéo cột chỉ là phỏng đoán khoác lên mình một dấu thập phân. Hai con số trong bài viết này được đo theo cùng một cách cho cả hai mô hình là chỉ số và chi phí mỗi tác vụ, và hai con số đó cho thấy các mô hình có cùng mức giá và cùng năng lực. Mọi thứ thực sự khác biệt chỉ là một điều khoản cấp phép, một giới hạn được ghi trong tài liệu, hoặc một dòng trong danh mục.