DeepSeek V4.1 Flash 与 MiniMax M3.1 Flash：相同的卡片，不同的模型

两家供应商，两个模型，同一个价格。两者DeepSeek V4.1 Flash 和 MiniMax M3.1 Flash在 OrcaRouter 上均为每百万输入 token 0.15 美元、每百万输出 token 0.60 美元。两者都提供 100 万 token 的上下文。两者都不是旗舰产品，而且两者都是各自厂商希望走量落到的档位。标价无法将它们区分开，因此这成了本站最清晰的对比：其他每一列都决定胜负，而且没有一列是隐藏的。

这些卡片

• DeepSeek V4.1 Flash —输入 $0.15，输出 $0.60；缓存输入 $0.003；在两个工作日时段翻倍至 $0.30 和 $1.20；100 万上下文；最大输出 384K；2,500 个并发请求；支持视觉；实测 p50 首 token 为 1.49 秒。

• MiniMax M3.1 Flash —输入 $0.15，输出 $0.60；上下文 1M；最大输出 524K；实测首 token p50 为 2.66 秒；按我们所看到的卡片，未公布缓存命中项。

有三项差异很重要，而且这三项在做出决定前都可测量：输出上限、首 token 延迟，以及缓存前缀是否享有折扣。

上限：524K 对 384K

MiniMax 的输出上限高出 36%。在单次调用中，这决定了 350,000 token 的生成能否放得下——而在每百万 token 0.60 美元的价格下，350,000 token 的输出无论如何都是 21 美分，所以这个上限是一条能力线，而不是成本线。如果你的工作负载从不在单次请求中写入超过 300K，那么这一项就是持平，只是附带了一个营销数字。

如果是这样，MiniMax 就是两者中唯一会接下这份工作的那一个，相同的价格也就不再是重点。

速度：1.49 秒，对比 2.66 秒

DeepSeek 实测的首个 token 耗时为 1.49 秒；MiniMax 为 2.66 秒。两者都足够快，能让聊天界面感觉响应及时；也都足够慢，以至于每个任务要跑二十轮的智能体会注意到这一差异——按这些数字计算，每个任务约多花 23 秒，而 token 账单只有几美分。在受吞吐量限制的流水线中，在相同的并发预算下，更快的模型就是每小时能完成更多工作。

只有一张卡显示的{{1}}缓存行{{/1}}

DeepSeek 公布了缓存命中价格：每百万输入 token 为 $0.003，而未命中时为 $0.15。对于提示中重复的部分，这相当于五十倍折扣，并且是两张价格卡中最大的单一杠杆。就我们所读到的 MiniMax 价格卡而言，它没有对应的行——这并不意味着缓存不存在，只意味着该折扣无法从价格卡上公布出来。

对于每一轮都要重新发送一份稳定的系统提示词和不断增长的历史记录的智能体来说，这种不对称的影响可能超过上限和延迟本身。这也正是应当首先去测试、而不是想当然假设的事情：把相同的前缀发送两次，然后比较两份账单。

只有一张卡才有的峰值窗口

DeepSeek 在工作日 UTC 01:00–04:00 和 06:00–10:00 之间将所有费率翻倍，中国法定节假日除外。MiniMax 的 $0.15 和 $0.60 为固定费率。在欧洲或亚洲运行于工作时段的工作负载，其大部分流量都落在 DeepSeek 的峰值费率上——$0.30 和 $1.20，是 MiniMax 对相同 token 标价的两倍。

所以这些一模一样的卡在实际中并不一样。在非高峰时段，若有稳定的缓存前缀，DeepSeek 要便宜得多。在工作日高峰时段且没有缓存时，它则要贵一倍。时段安排决定哪句话成立。

运行什么

两个模型都以各自厂商公布的价格接入 OrcaRouter，并通过一个具备自动故障转移的 OpenAI 兼容端点提供服务，这正是这项测试成本低廉的原因：将一部分流量分别路由到每个模型，然后比较每个已完成任务的输出 token 数、p95 延迟，以及落在 DeepSeek 高峰窗口内的请求占比。

你不该做的是揪着贴纸不放。这是这两个模型唯一意见一致的列，也就是说，这是唯一一列什么都说明不了的列。