MiniMax M3.1 Flash 與 Qwen 3.8 Flash：輸入價格相同，架構設計卻截然相反

MiniMax-M3.1-Flash 與 Qwen3.8-Flash 每百萬輸入 token 的價格同為十五美分，但兩者建立在互不相容的「錢花在哪裡」理論上。MiniMax-M3.1-Flash 自 2026 年 10 月 19 日起正式全面可用，是一個封閉模型，無論你需要與否，每次呼叫都會進行推理，並以每秒 125.5 個 token 的速度生成。Qwen3.8-Flash 是一個 1250 億參數的專家混合模型，每個 token 約啟動其中 60 億參數，在經獨立測量的檢查點上以約每秒 51.6 個 token 的速度生成，且輸出 token 售價便宜十三美分。一個快速而冗長；另一個緩慢而簡潔。哪個在你的流量上更便宜，取決於大多數團隊從不測量的一個比率，而這就是這項比較中唯一真正的問題。 像本次發布這類版本背後的已記錄 AI 故障與代理事件，收集於 OrcaRouter AI Incident Archive，其中每一條目都附有自己的來源、嚴重程度、信心等級與爭議標記。

在列出數字之前，有一點必須先說明，因為它會影響下方每一列。Qwen3.8-Flash 是託管產品。可下載的是 Qwen3.8-Flash-Next，兩者架構相同，但名稱、授權條款不同，行為也未必相同；而現有的獨立基準測試數據是針對 Flash-Next，並非針對託管版的 Flash。MiniMax-M3.1-Flash 唯一經獨立測得的分数是針對模型本身，因為沒有其他可測量的對象。下方若某項數字是廠商提供的數據，會註明；若來自 Artificial Analysis，也會註明；若該列無法誠實比較，該列會直接說明。

這兩種架構並不是同一種設計的兩種設定。

Qwen 的模型是兩者中較易理解的，而且其數字公開得足夠詳細，可供推敲。Qwen3.8-Flash 有 48 層，每層有 512 個專家，其中十個是路由專家，另加一個共享專家；總參數量為 1250 億，每個 token 約有 60 億活躍參數，稀疏度約 95%。除了專家堆疊之外，它還帶有一個 510 億參數的 n-gram 嵌入表，以及一個 40 億參數的多 token 預測頭，因此儲存下來的產物更接近 1800 億參數，而非 1250 億。多 token 預測是對速度至關重要的部分：它讓模型在每次前向傳遞中提出數個 token 並加以驗證，這正是如此稀疏的模型還能夠保持可用的原因。

MiniMax 尚未公布 MiniMax-M3.1-Flash 可比的參數量。發布文章談的是成果——代理式基準測試、宣稱使用成本降低 70%、推論速度比預覽版「快將近三倍」——而不是網路的形態。這種不對稱本身就是關於這兩項產品的一個資料點：Qwen 賣的是一個理論上你可以自行託管的架構，MiniMax 賣的則是服務。對比較頁面而言，這意味著架構論證只能單向成立。你可以有把握地說出 Qwen3.8-Flash 為何在每個活躍參數上很快。你卻無法說明 MiniMax-M3.1-Flash 為何快，因為廠商沒有告訴你。

每個維度一行，每行兩側都要有

• 輸入價格 — 兩者皆為每百萬個 token $0.15，而這正是構成此頁核心巧合之處

• 輸出價格 — MiniMax-M3.1-Flash 為每百萬 $0.60，相較於 Qwen3.8-Flash 的 $0.47，這 28% 的差距對 MiniMax 不利

• 快取 — MiniMax 每百萬個快取輸入 token 收費 0.015 美元；QwenCloud 則列出每百萬次快取讀取 0.016 美元，以及明確快取建立每百萬個 0.20 美元，因此 MiniMax 的快取是兩者中更簡單且略便宜的做法

• 上下文 — MiniMax-M3.1-Flash 為 1,000,000 個 token；Qwen3.8-Flash 預設為 1,000,000 個 token，最大輸入為 991,000 個 token，最大輸出為 131,000 個 token

• {{1}}獨立能力{{/1}}——Artificial Analysis 在其智慧指數上給 {{2}}MiniMax-M3.1-Flash{{/2}} 評為 42 分，在 173 個模型中排名第 41；同一追蹤器給 Qwen3.8-Flash-Next 評為 40 分，而託管的 Qwen3.8-Flash 則未公布指數分數

• 輸出速度 — MiniMax-M3.1-Flash 為每秒 125.5 個 token，首個 token 時間為 1.04 秒；同一個追蹤器上，Qwen3.8-Flash-Next 為每秒 51.6 個 token，這是目前最接近的同類可比數據

• 每項已完成任務的成本 — MiniMax-M3.1-Flash 在該追蹤器自有的測試框架上為 0.22 美元；兩個 Qwen 成品皆未公布對應數字

• 輸出冗長度——MiniMax-M3.1-Flash 的 Intelligence Index 測試執行共消耗 1.8 億個輸出 token，而追蹤名單上模型的中位數為 9,900 萬個；Qwen 未公布可比的數字

• 推理控制 — 若你送出 thinking: {"type": "disabled"}，M​iniMax 會回傳 HTTP 400，並拒絕 reasoning_effort: "none"，因而留下一個預設為 max 的五級階梯；A​libaba 針對 Qwen3.8 系列同時記載了 thinking 與非 thinking 模式，所以這是唯一一列兩家廠商文件無法直接相比的項目，你應該在自己的端點上測試這個切換，而不要信任任一頁面

• 權重 — M​iniMax 表示 MiniMax-M3.1-Flash 的權重「將於日後釋出」，但未提供日期；Qwen3.8-Flash 的權重則完全未公開，而可下載的 Qwen3.8-Flash-Next 是依 Q​wen Community License 1.0 發佈，而非 Apache 2.0

• 輸入模態 — 兩者皆支援文字與圖像，Qwen3.8-Flash 另可接受影片，且兩者僅回傳文字

產出價格的差異比產出量還小

每百萬輸出 token 十三美分，放在 28% 這個頭條數字旁邊，讀起來像是四捨五入的誤差。但在真實工作負載上，它可能左右整個決策，而且方向與價目表相反，因為這兩個模型完成同一項工作時所產生的 token 數量並不相同。

MiniMax-M3.1-Flash 無法停止思考。它的 API 參考文件對於要求停用此功能的明顯請求會回傳 400，而唯一可調的槓桿是它思考的強度——從低到最高，預設為最高。Artificial Analysis 測量了後果：在其索引執行期間，輸出 token 達 1.8 億，而同一追蹤器上中位數模型只花費 9,900 萬。這是典型模型輸出量的 1.8 倍，而且思考 token 會按輸出 token 計費，並計入你的 max_tokens 上限。

對一個刻意簡化的案例來算一下。若冗長度比率成立，一個在中位模型上會花費一美元輸出 token 成本的工作負載，在 MiniMax-M3.1-Flash 上要花 1.82 美元。同一工作負載在 Qwen3.8-Flash 上以 0.47 美元而非 0.60 美元計算，在任何用量調整之前是 0.78 美元——而且如果 Qwen 的非思考模式可用且你使用它，就完全沒有思考量需要付費。在以輸出為主的流量上，13 美分的差距與 1.8 倍的冗長度會相乘成更接近 2.3 倍的總差異。這就是反對 MiniMax-M3.1-Flash 的理由，該說多直白就說多直白。

支持它的理由是速度，而當工作負載具有代理性時，速度並非軟性效益。以每秒 125.5 個 token 對比 51.6 個，MiniMax-M3.1-Flash 產生輸出約快 2.4 倍，這意味著一個多步驟工具使用迴圈，Qwen 需要二十秒生成，MiniMax 只需八秒。如果你的代理完成一項任務要進行四十次模型呼叫，那就是十三分鐘任務與五分鐘任務的差別，而這樣的延遲改變的是你能打造什麼，而不只是你付多少錢。這也意味著 MiniMax 多出來的 token 送達所需的實際時間，比 Qwen 較少的 token 還短——正是這句話讓冗長性論點變得複雜，而非具有決定性。

兩份無法並列對照的廠商基準測試表

兩家公司都公布了評測結果，而這兩套結果都無法用於正面對比；其中原因值得直截了當地說明，而不是設法迴避。

MiniMax 針對 MiniMax-M3.1-Flash 的表格涵蓋 BankerToolBench 76.2、DeepSWE v1.1 73.7%、OSWorld V2 61.7、Agents' Last Exam 29.6 與 CyberGym 82%，並將其 AutomationBench-AA 結果描述為名列前茅，但未印出分數。阿里巴巴針對 Qwen3.8-Flash-Next 的表格涵蓋 SWE-bench Pro 62.5、DeepSWE 1.1 58.7、CoWorkBench 73.9、AndroidWorld 84.5、MathVision 95.7 與 JobBench 55.7。兩份清單恰好只有一個同名基準——DeepSWE v1.1——而在該處，兩家廠商的數字是 73.7% 對 58.7%，十五個百分點的差距看似具有決定性，實際上卻不可比，因為這兩個數字所屬的模型並非本頁上的模型（一個是託管版 Flash-Next，另一個是 M3.1-Flash），也因為兩家公司都未公布測試框架、腳手架或通過標準。

這些表格的用途在於判讀意圖。MiniMax 測量的是電腦使用、長時程專業任務與漏洞發現——這是一個旨在操作軟體的模型所呈現的樣貌。Alibaba 測量的是程式編寫、多模態數學與行動裝置控制——這是一個旨在嵌入跨模態應用程式的模型所呈現的樣貌。兩張表都沒有競爭對手的數字，也都不應被當成含有那樣的數字來使用。

授權條款實際上允許什麼

開放權重這件事，是多數買家最常搞錯的一項，而且兩個方向都可能出錯。

Qwen3.8-Flash 並非開放。真正開放的是 Qwen3.8-Flash-Next，而兩者的差異並非表面功夫：它是一個獨立的產物，於 2026 年 8 月 26 日發佈，由阿里巴巴自家的實驗室描述為支撐 Qwen4 之架構的預覽版，以 131 個分片的形式發佈，在 bf16 與 FP8 下總計約 360 GB，且沒有廠商提供的 GGUF 量化版本。它採用 Qwen 社群授權條款 1.0，這不是 Apache 2.0，也不是許多團隊聽到「Qwen 權重」時所假設的那份授權。任何打算下載 Flash 並在本機執行的人，都應該在估算硬體規格之前先讀過那份授權，因為 360 GB 的權重裝不進單一加速器，而社群量化是縮小佔用空間的唯一途徑。

MiniMax-M3.1-Flash 是封閉的，但附帶一項承諾。發布貼文說權重「將於日後釋出」，卻未提供日期、授權條款和模型規模。嚴格來說，這比 Qwen 的處境更弱——今天就能在限制性授權下下載到的東西，勝過日後也許能在未知條款下下載到的東西——但這並非毫無意義，而且它是最有可能改變本頁盤算的一件事。如果 MiniMax 真的釋出權重，對任何有 GPU 的人來說，價格比較就不再重要，而 Qwen 以 60 億活躍參數換來的稀疏性優勢，也將面對一個同樣能在自家硬體上部署服務的競爭者。

今天該打給哪一個？

兩者都能透過 OrcaRouter 存取，但可及程度並不對等。Qwen3.8-Flash 已列於目錄中，型號為 qwen/qwen3.8-flash，是 200 多個模型之一，這些模型都可透過單一 API 金鑰存取，並以 0% 加價轉傳供應商定價清單。MiniMax-M3.1-Flash 則不在目錄中；可透過 M​iniMax 自家 API、其 M Plan 與 M​iniMax Code，以及 M​iniMax 於 10 月 21 日指名的服務合作夥伴來呼叫。可從 M​iniMax 端路由的是該系列其餘模型——其中包含 MiniMax-M3——因此，若團隊想用自己的流量測試這項比較，可以將 qwen/qwen3.8-flash 與 minimax/minimax-m3 放在同一把金鑰後方並進行量測，而不必閱讀兩份供應商表格再自行猜測。

那項測量值得在做決定之前先做，因為這兩個模型在同一份基準測試上會以相反的方式失分。如果你的工作是代理式的，MiniMax-M3.1-Flash 會看起來每個 token 很貴，但每完成一項任務很便宜——因為它有著長的軌跡，而模型能用更少的往返次數完成，因為每一次往返都很快。Qwen3.8-Flash 在帳單的每一行上看起來都更便宜，但在任何對延遲敏感的迴圈裡都會顯得更差，因為當一個代理需要四十次連續回覆時，每秒 51.6 個 token 是實實在在的限制。這兩者都不是缺陷。它們是兩種設計各自按其預期在運作。

簡短結論：如果你正在打造一個會操作軟體的代理，而且你是按完成的任務付費，而非按 token 付費，那麼 MiniMax-M3.1-Flash 的速度值得它略顯冗長的輸出，而其封閉權重則是入場代價，直到 MiniMax 釋出這些權重為止。如果你正在執行大量擷取、分類或生成，且輸出長度有界、延遲並非限制，那麼 Qwen3.8-Flash 在價目表上更便宜，而且一旦你不再為自己沒要求的推理 token 付費，還會更便宜——而如果你需要擁有模型而非租用模型，Qwen3.8-Flash-Next 是這兩者中唯一你能實際持有的，但須遵循一份你應該先閱讀的授權條款。