DeepSeek V4 Pro 對決 MiniMax M3：開放權重旗艦之爭

DeepSeek V4 Pro 和 MiniMax M3 是今年爭奪程式設計王座的兩款開放權重旗艦模型，有趣的是它們嘗試取勝的方式截然不同。MiniMax M3 於 6 月 1 日發布，是第一款同時宣稱具備前沿程式設計能力、100 萬 token 上下文，以及原生多模態輸入的開放權重模型，其架構建立在 MiniMax 的 Sparse Attention 之上。DeepSeek V4 Pro 歷經四個月的預覽後，於 8 月 13 日推出正式版，是推理領域的專家：一個擁有 1.6 兆參數的混合專家（Mixture-of-Experts）模型，其中 490 億個為活躍參數，創下語言模型在 Codeforces 有史以來的最高評分，如今在代理（agentic）任務的表現也更為強勁。兩者皆採用 MIT 授權，價格都相當低廉，且都積極地以僅為對手十分之一到五十分之一的成本來定位競爭。

「兩者皆為開放權重」這個標題掩蓋了真正的分歧。這兩家並非是用不同商標打造同一種東西的公司。M3押注的是長上下文經濟學——以稀疏注意力讓百萬 token 的視窗便宜到真的能用。DeepSeek V4 Pro押注的是原始推理深度——一個龐大的專家並行 MoE，在回答之前會深思熟慮。哪一個「更適合寫程式」其實取決於你指的是寫程式的哪個部分，也取決於你的輸入是堆疊追蹤還是螢幕截圖。

兩種架構，兩種賭注

DeepSeek V4 Pro 是迄今釋出的最大規模開放權重模型：總參數達 1.6 兆，每個 token 啟動 490 億參數，採用 61 層 MoE，配備 384 個路由專家（top-6），FP4 專家權重搭配 FP8 注意力機制，以及結合壓縮與高度壓縮稀疏注意力的混合注意力設計。以 FP8 格式約需 862 GB，使自行架設落在八張 H100 的範疇，而非單一工作站可負擔。目前以 MIT 授權釋出且可下載的模型，與本週正式推出的官方 API 版本背後是同一套模型。

MiniMax M3 是一個更小、更精簡的模型——總參數約 4280 億，每個 token 約有 230 億個活躍參數——以 MiniMax Sparse Attention (MSA) 為核心。廠商宣稱，MSA 能將每個 token 的運算量降至前一代約二十分之一，在長上下文下 prefill 速度提升超過 9 倍，decode 速度提升超過 15 倍。這就是這款模型的重點：百萬 token 的視窗只有在內部推論成本可負擔時才有用，而 MSA 正是讓這點成真的關鍵。M3 也原生支援圖片和影片輸入，這是 V4 Pro 所沒有的。

兩者都提供 1,048,576 個 token 的上下文。DeepSeek V4 Pro 的最大輸出上限為 384K；MiniMax M3 的上限更高，達 512K。兩者都有可切換的思考模式 — DeepSeek V4 Pro 預設開啟思考模式，M3 則是以開關形式呈現。

DeepSeek 官方發布所改變的

任何在本週之前撰寫的比較，都是在比較錯誤的 DeepSeek 模型。從 4 月 24 日開始運行的預覽版是一個推理模型，其 DeepSWE 分數為 12.8。官方版本 DeepSeek-V4-Pro-0813 在 DeepSeek 自家的評測中將該分數推升至 62.7，並新增了 Responses API、Codex 整合，以及相容 OpenAI 與 Anthropic 的端點——因此，能與其中一個溝通的客戶端程式碼也能與另一個溝通。供應商評測卡上的 Agentic 分數如今已接近 Anthropic 的 Fable 5：Terminal-Bench 2.1 為 87.9（Fable 5：88.0），CyberGym 83.3（Fable 5：83.1），AutomationBench 31.8（Fable 5：29.1）。這些是 DeepSeek 回報的數據，來自一個僅推出一天的版本，尚未經任何獨立實驗室重現——請將其視為宣稱，但這些宣稱已不再保守。

程式碼計分板，以及哪些數字屬於誰

在最常被引用的編碼基準測試中，兩個模型各擅勝場，而這樣的分布結果頗具啟發性：

• LiveCodeBench — DeepSeek V4 Pro 93.5，是該基準測試中最強的開放權重結果，也是最常被引用的勝利。

• SWE-Bench Verified — DeepSeek V4 Pro 80.6 對比 MiniMax M3 80.5，實際上打成平手。

• SWE-Bench Pro — MiniMax M3 59.0 對比 DeepSeek V4 Pro 55.4，在代理式軟體工程方面，M3 以 3.6 分領先，差距具有意義。

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

• BrowseComp — MiniMax M3 83.5，一個基於瀏覽器的研究代理分數，超越了許多封閉模型。

• Codeforces — DeepSeek V4 Pro 3206，語言模型史上最高評分。

前四行數據是廠商回報的；Artificial Analysis Intelligence Index 是兩者都出現的唯一獨立指標，它在非推理配置中將 MiniMax M3 評為 44 分，DeepSeek V4 Pro 為 32 分（截至撰寫本文時，AA 尚未對推理配置進行評分）。本月發布的第三方程式碼較量提供了更明確的解讀：MiniMax M3 在一項真實世界實作任務中整體得分最高，評審稱讚其「工業級」程式碼；而 DeepSeek V4 Pro 則被描述為最優秀的架構設計師，但在將業務邏輯貫穿到可用程式碼方面較弱——「善於思考，不善於動手。」對於競賽程式設計類型的演算法問題，Codeforces 和 LiveCodeBench 的數據顯示 V4 Pro 更勝一籌；而若要將一份規格轉化為完整、經過測試的服務，真實世界的結果則傾向於 M3。

多模態才是真正的分岔路口

撇開基準測試不談，決定性的差異在於輸入模式。MiniMax M3 原生支援文字、圖片與影片輸入，並具備電腦操作與視覺接地能力——代理程式可以閱讀圖表、觀看螢幕，並根據所見採取行動。DeepSeek V4 Pro 僅限文字輸入，這對純程式碼與文件處理流程來說恰到好處，但對任何答案存在於圖片中的情境則毫無用處。如果你的編碼代理程式是從 issue 與 repo 著手，V4 Pro 專注於文字的設計不會讓你付出任何代價。如果它需要查看 UI 設計稿、當機截圖或白板照片，兩者之中只有 M3 辦得到。

價格與速度：兩條不同的曲線

在 OrcaRouter 轉發的供應商列表價格下，這兩個模型在不同地方各有價格優勢：

• DeepSeek V4 Pro — 每百萬輸入 $0.44，每百萬輸出 $0.88，快取輸入每百萬 $0.0035。

• MiniMax M3 — 每百萬輸入 0.30 美元，每百萬輸出 1.20 美元，快取輸入每百萬 0.06 美元。

M3 在輸入和快取方面勝出；V4 Pro 則在輸出方面勝出，而思考 token 正是在輸出端計費。由於 DeepSeek V4 Pro 預設開啟思考模式，且其推理內容較為冗長，長期的 agent 執行可能會讓混合成本偏向 V4 Pro 一側，儘管 M3 的輸入成本較低。速度則呈現另一種情況：MiniMax M3 每秒約可輸出 80–145 個 token（視供應商而定），而 DeepSeek V4 Pro 大約只有 54–65 個。M3 的稀疏注意力優勢在長上下文時最為明顯，其解碼速度依然很快，而 V4 Pro 的注意力成本則會攀升。

兩者都位於 OrcaRouter 之後，共用一個 OpenAI 相容的金鑰，這使得這個選擇比表面上看起來更不是擲硬幣：生產路徑可以將 DeepSeek V4 Pro 用於演算法和長文寫作階段，將 MiniMax M3 用於多模態和長上下文階段，並使用路由 DSL 或模型融合讓它們在單一呼叫中協同工作——每一次都以提供者的列表價格計費，加成 0%，如果某個提供者的端點不穩定，還會自動失效切換。

哪一個適合

• 競賽程式設計、演算法推理、數學、每次呼叫的最大輸出 → DeepSeek V4 Pro。Codeforces 和 LiveCodeBench 的成績是排行榜上最強的開放權重數據。

「將規格轉化為成品服務、長時間自主代理運行 → MiniMax M3，根據真實世界編程評測及其在 agentic SWE-Bench Pro 的領先表現。」

• 任何非文字的輸入（截圖、圖表、影片靜態畫面）→ MiniMax M3，這裡唯一的多模態選項。

• 必須保持經濟實惠且快速的百萬詞元上下文 → MiniMax M3 的稀疏注意力，相較於前代，預填充速度提升 9 倍，解碼速度提升 15 倍。

• 最低的文字輸出成本 → DeepSeek V4 Pro 為 $0.88，而 M3 為 $1.20，尤其在啟用思考模式時更是如此。

• 在普通級別的資料中心 GPU 上自行託管 → MiniMax M3 的活躍記憶體占用較小；而 V4 Pro 的 862 GB FP8 檢查點則需要一個強大的叢集。

{{1}}兩個模型都還沒有定論，且都在快速演進{{/1}} — {{2}}DeepSeek V4 Pro 的官方版本本週發布，尚未經過獨立基準測試；MiniMax M3 的權重雖已承諾公開，但仍需完整上架至開放儲存庫；DeepSeek 並已宣布 V4 系列漲價。{{/2}} {{3}}如果你今天必須做出選擇，請依模態與工作負載來選：{{/3}} {{4}}多模態與長上下文代理型任務交給 MiniMax M3，純文字與程式碼推理、追求最低輸出價格的任務交給 DeepSeek V4 Pro{{/4}} — {{5}}並將兩者一起調度，如此一來，當任一模型的首份獨立評測榜出爐時，切換流量只是改組態設定，而非重寫程式。{{/5}}