DeepSeek V4 Pro vs MiniMax M3：开放权重旗舰对决

DeepSeek V4 Pro 和 MiniMax M3 是今年争夺编程桂冠的两款开源权重旗舰模型，有趣之处在于它们试图取胜的方式截然不同。MiniMax M3 于 6 月 1 日发布，是首款将前沿编程能力、100 万 token 上下文和原生多模态输入集于一体的开源权重模型，基于 M​iniMax 的稀疏注意力架构构建。DeepSeek V4 Pro 在经历四个月预览后于 8 月 13 日推出正式版，是推理领域的专家：一款拥有 1.6 万亿参数的混合专家模型，活跃参数达 490 亿，创下语言模型在 Codeforces 上的历史最高评分，如今其智能体能力评分也大幅增强。两者均采用 MIT 许可证，价格同样低廉，并且都以积极姿态对标那些售价高出十倍到五十倍的模型。

“都是开放权重”这个标题掩盖了真正的分歧。这两家公司并不是在做同一件事、只是Logo不同。M3押注的是长上下文经济性——稀疏注意力让百万token窗口便宜到真正可用。DeepSeek V4 Pro押注的是原始推理深度——一个庞大的专家并行MoE，在回答之前会深思熟虑。哪个“更适合编程”最终取决于你指的是编程的哪个部分，也取决于你的输入是堆栈跟踪还是截图。

两种架构，两种赌注

DeepSeek V4 Pro 是迄今发布的最大开源权重模型：总参数达 1.6 万亿，每个 token 激活 490 亿参数；采用 61 层 MoE 架构，包含 384 个路由专家（top-6）；FP4 专家权重配合 FP8 注意力；混合注意力设计融合了压缩与高度压缩的稀疏注意力。该模型在 FP8 格式下约需 862 GB 存储，这意味着自托管需要八块 H100 级别的硬件，而非一台工作站即可运行。这款现已采用 MIT 许可证并可下载的模型，与本周发布的官方 API 版本所用的模型相同。

MiniMax M3是一款更小、更精简的模型——总参数量约4280亿，每个token激活约230亿参数——围绕M​iniMax稀疏注意力（MSA）构建。厂商声称，MSA将每token计算量降至前一代的约二十分之一，在长上下文场景下，预填充速度提升9倍以上，解码速度提升15倍以上。这正是该模型的核心要义：百万token窗口只有在推理成本可负担时才有实用价值，而MSA正是实现这一点的关键。此外，M3原生支持图像和视频输入，而V4 Pro不支持。

两者都提供了1,048,576 token的上下文长度。DeepSeek V4 Pro的最大输出上限为384K；MiniMax M3的上限更高，达到512K。两者都有可切换的思考模式——DeepSeek V4 Pro默认开启思考，M3的思考模式则以开关形式呈现。

DeepSeek 官方发布改变了什么

本周之前撰写的任何对比评测，所比较的都是错误的 DeepSeek 模型。4 月 24 日推出的预览版是一款推理模型，其 DeepSWE 得分为 12.8。正式版本 DeepSeek-V4-Pro-0813 在 DeepSeek 自己的评估中将其推高至 62.7，并新增了 Responses API、Codex 集成，以及兼容 OpenAI 与 Anthropic 的端点——因此，能与其中一方通信的同一客户端代码，也能与另一方通信。该厂商评分卡上的智能体（Agentic）得分现已接近 Anthropic 的 Fable 5：Terminal-Bench 2.1 为 87.9（Fable 5：88.0），CyberGym 为 83.3（Fable 5：83.1），AutomationBench 为 31.8（Fable 5：29.1）。这些是 DeepSeek 对一个仅发布一天的版本所报告的数字，尚未被任何独立实验室复现——应将其视为厂商宣称，但这些宣称已不再保守。

编程记分牌，以及谁的数字属于谁

在最常被引用的编程基准测试中，两个模型互有胜负，而这种结果分化本身就说明问题：

• LiveCodeBench — DeepSeek V4 Pro 93.5，这是该基准测试中最强的开源权重结果，也是其被引用最多的胜利。

• SWE-Bench Verified — DeepSeek V4 Pro 80.6 对比 MiniMax M3 80.5，基本持平。

• SWE-Bench Pro — MiniMax M3 59.0 对比 DeepSeek V4 Pro 55.4，M3 在智能体软件工程方面以 3.6 分的显著优势领先。

• Terminal-Bench 2.1 — DeepSeek V4 Pro 67.9 vs MiniMax M3 66.0，非常接近。

• BrowseComp — MiniMax M3 83.5，这一基于浏览器的研究智能体得分超越了众多闭源模型。

• Codeforces — DeepSeek V4 Pro 3206，语言模型有史以来记录的最高评分。

这些行中的前四项是供应商报告的；Artificial Analysis Intelligence Index 是两者都出现的唯一独立数字，根据该指数，MiniMax M3 的非推理配置得分为 44，而 DeepSeek V4 Pro 为 32（截至撰写本文时，AA 尚未对推理配置进行评分）。本月发布的第三方编码竞赛提供了更清晰的参考：MiniMax M3 在真实世界实现任务中总体得分最高，评委称赞其“工业级”代码，而 DeepSeek V4 Pro 被认为是最佳架构设计者，但在将业务逻辑转化为可用代码方面较弱——“善于思考，不善于执行。”对于竞赛式算法问题，Codeforces 和 LiveCodeBench 的数据表明 V4 Pro 更优。对于将规范转化为完整、经过测试的服务，真实世界的结果则倾向于 M3。

多模态才是真正的岔路口

抛开基准测试，决定性的差异在于输入模态。MiniMax M3 原生支持文本、图像和视频，并支持计算机使用和视觉定位——智能体可以阅读图表、观察屏幕，并根据所见采取行动。DeepSeek V4 Pro 仅支持文本，这恰好适合纯代码和文档流水线，但对于任何答案藏在图像中的场景都毫无用处。如果你的编程智能体基于 issue 和代码仓库工作，V4 Pro 的文本专注不会让你付出任何代价。如果它需要查看 UI 设计稿、崩溃截图或白板照片，那么两者之中只有 M3 能做到。

价格与速度：两条不同的曲线

在OrcaRouter透传的提供商列表价格下，这两个模型在不同地方各有价格优势：

• DeepSeek V4 Pro —— 每百万输入 0.44 美元，每百万输出 0.88 美元，缓存输入每百万 0.0035 美元。

• MiniMax M3 — 每百万输入 $0.30，每百万输出 $1.20，缓存输入每百万 $0.06。

M3在{{1}}输入与缓存{{/1}}方面胜出；V4 Pro在{{2}}输出{{/2}}方面胜出，而输出正是{{3}}思考令牌计费{{/3}}之处。由于{{4}}DeepSeek V4 Pro默认启用思考模式，且其推理过程非常冗长{{/4}}，{{5}}长时间运行的智能体任务可能会使综合成本偏向V4 Pro一侧，尽管M3的输入成本更低{{/5}}。{{6}}速度则相反{{/6}}：{{7}}MiniMax M3因供应商不同，输出速度约为每秒80–145个令牌{{/7}}，而{{8}}DeepSeek V4 Pro约为每秒54–65个{{/8}}。{{9}}M3的稀疏注意力优势在长上下文场景下最为明显{{/9}}，此时{{10}}其解码速度依然很快，而V4 Pro的注意力成本则会攀升{{/10}}。

两者都放在OrcaRouter后面，共用一个兼容OpenAI的密钥，这使得这不像看起来那样是一场掷硬币的赌博：生产路径可以将DeepSeek V4 Pro用于算法和长文写作环节，将MiniMax M3用于多模态和长上下文环节，并使用路由DSL或模型融合让它们在单次调用中协同工作——各按提供商目录价格计费，零加价，如果某个提供商的端点不稳定，则自动故障转移。

哪一个合适？

• 竞赛编程、算法推理、数学、单次调用最大输出 → DeepSeek V4 Pro。Codeforces 和 LiveCodeBench 的成绩是排行榜上最强的开放权重数据。

• 将规格转化为成品服务、长时间自主智能体运行 → MiniMax M3，依据真实世界编码竞赛及其智能体 SWE-Bench Pro 的领先表现。

• 任何非文本输入（截图、图表、视频帧）→ MiniMax M3，这是这里唯一的多模态选项。

• 需要保持低成本且高速的百万级 token 上下文 → MiniMax M3 的稀疏注意力机制，相比上一代实现了 9 倍预填充和 15 倍解码的性能提升。

• 文本输出的最低成本 → DeepSeek V4 Pro 为 $0.88，而 M3 为 $1.20，尤其是在开启思考模式时。

• 在中等规模数据中心GPU上自托管 → MiniMax M3 的活动占用较小；V4 Pro 的 862 GB FP8 检查点需要一个像样的集群。

这两个模型都还没有定论，而且进展都很快——DeepSeek V4 Pro 的正式版本本周刚刚落地，尚未经过独立基准测试；MiniMax M3 的权重曾被承诺发布，但仍需完整上架到开源仓库；DeepSeek 还宣布了对 V4 系列提价。如果你今天必须做选择，就按模态和工作负载来选：多模态和长上下文智能体任务选 MiniMax M3，以最低输出价格进行纯文本与代码推理选 DeepSeek V4 Pro——并且同时接入两者，这样当其中任一模型出现首份独立评测榜单时，切换流量只是改配置，而不是重写。