AIGC标识 牌价一半，账单只差两成：MiniMax M3.1 Flash 与 DeepSeek-V4.1-Flash-1017 正面对撞

2026-10-17 16:40，DeepSeek 把 V4.1-Flash 换成 1017 检查点，价格一分没动。
2026-10-19 19:56，MiniMax 正式发布 M3.1 Flash，定价 $0.15 / $0.60，是前者高峰价的一半。

纸面上，这是一场没有悬念的价格战。但我把日耗 1,700 万 token 的真实负载代进去算了一遍：两者日成本只差 21%，而且把活儿挪到晚上，贵的那一方反而便宜 40%。

这篇不写发布叙事（那部分在《太空兔摘了头套》里写过了），只做一件事：把两个模型摆在同一张桌上，从参数、价签、跑分到工程约束，一项一项对。

本文所有数字都标了来源和时点。厂商对比表里用错版本的地方，我直接指出来。

一、先说结论

  1. 牌价差 50%，实付差 21%。 MiniMax 是 flat $0.15/$0.60；DeepSeek 高峰 $0.30/$1.20、闲时半价。但因为 DeepSeek 的缓存命中价只有 MiniMax 的 1/5（$0.006 vs $0.015，闲时 $0.003），在 95% 缓存命中的 agent 负载下，日成本是 $0.588 vs $0.486——只差 21%，不是 100%。
  2. 晚上跑，攻守易位。 同样负载挪到 DeepSeek 闲时，日成本 $0.294，比 MiniMax 便宜 40%。"M3.1 Flash 更便宜"这句话只在白天成立。
  3. 能力不是一档，但也不是两档。 AA 智能指数 DeepSeek 45 / MiniMax 42；可 HLE 上 MiniMax 48% 反超 DeepSeek 43%，AA-Omniscience 准确率 56% 对 46% 也是 MiniMax 高。分项互有胜负，别用单一总分做决策。
  4. ⚠️ 本文最重要的一个发现：MiniMax 官方对比表里"DeepSeek V4.1 Flash"那一列，用的是 0910 旧版数字。 表里 Terminal-Bench 31.2、Automation 54.8、DeepSWE 74.2、BabyVision 89.6——四项全部等于 DeepSeek 自己标的上一版。而 1017 的真实数字是 42.3 / 60.5 / 77.0 / 92.5。照那张表读，你会以为 MiniMax 在终端任务上领先 6.9 分，实际是落后 4.2 分。
  5. 两个"第一"不在同一个榜。 Code Arena: WebDev 上 DeepSeek 1670 分开源第一、总第 12，MiniMax 1588 分开源第 12、总第 32；Agent Arena 目前只有 DeepSeek 上榜（开源第一、总第 11）。拿"登顶开源第一"当通用结论会踩空。
  6. 真正影响选型的是工程约束，不是跑分。 MiniMax 推理不可关闭（传 thinking.type=disabled 直接报错），权重 10-23 才开放且许可证未公布；DeepSeek 走 deepseek-flash 这个模型名，旧名请求会被静默路由到 1017 并按 Flash 价计费。

二、参数与架构：同为 1M 上下文，路子完全不同

维度 MiniMax M3.1 Flash DeepSeek-V4.1-Flash-1017
定位 Flash 档推理模型，主打智能体 / 办公 / 视觉 Flash 档检查点，主打编码与工具调用
总参数 428B（MoE） 552B 主干 + 196B Engram
激活参数 约 23B 预填充 8B / 解码 16B
上下文 1M 1M
最大输出 未披露 384K
输入模态 文本 / 图像 / 视频（MarkTechPost）
⚠️ AA 只记 文本 / 图像		 文本 / 图像
输出模态 文本 文本
注意力 / KV 优化 稀疏注意力、原生视觉编码器 CED 编解码 + CSA2 跨层共享 KV + FP4 主 KV 890 字节/token + SWA 有界重放
推理控制 5 档：Low / Medium / High / Xhigh / Max，常开不可关 标量 1–100，API 的 low / high / max 映射 50 / 75 / 100
权重 10-23 开放，许可证未公布 9 月版权重（763B / FP8）已按 MIT 发布；⚠️ 1017 权重与硬件要求口径矛盾

怎么读这张表：两家的参数规模不是同一个量级的东西——DeepSeek 552B + 196B Engram 但只激活 8B/16B，是极度稀疏路线；MiniMax 428B 激活 23B，稀疏度低得多。参数不能横向比"谁大谁强"，只能看各自的每 token 成本与每任务成本。

真正值得记的是 DeepSeek 那套 KV 优化：FP4 主 KV 压到 890 字节/token（约为 V4-Flash 的 1/4），持久 KV 缓存再降到约 1/8。这直接解释了它为什么敢把缓存价压到 $0.006——省下来的显存就是省下来的钱。

三、定价：不是两张价签，是三张

3.1 牌价对齐

价格项（每 1M token） MiniMax M3.1 Flash DeepSeek-V4.1-Flash-1017（高峰） DeepSeek（闲时）
输入（缓存未命中） $0.15 $0.30 $0.15
输出 $0.60 $1.20 $0.60
缓存命中输入 $0.015 $0.006 $0.003
长上下文附加费 无（flat） 无 无
计费结构 一刀切 高峰 / 闲时两档 同左
  • MiniMax 口径：官方博客写死 flat "$0.15 / $0.60 / $0.015"，MarkTechPost 确认无长上下文附加费。
  • DeepSeek 口径：官方定价页写得很清楚——高峰时段为 UTC 01:00–04:00 与 06:00–10:00，周一至周五，中国法定节假日除外，折算北京时间就是工作日 09:00–12:00、14:00–18:00；其余时段（含整个周末与法定节假日）为闲时，闲时价 = 高峰价的一半。

一句话：牌价上 MiniMax 恰好等于 DeepSeek 的闲时价，是 DeepSeek 高峰价的一半。所以"MiniMax 便宜一半"这个说法，只在工作日白天成立。

3.2 缓存价才是分水岭

这是本篇最关键的一张表。单价差 2 倍不可怕，缓存价差 5 倍才要命。

缓存命中价 MiniMax $0.015 DeepSeek 高峰 $0.006 DeepSeek 闲时 $0.003
相对 MiniMax 1.00× 0.40× 0.20×

Agent 类负载的输入 token 里，绝大多数是重复上下文。缓存命中占比越高，DeepSeek 的劣势被抹平得越快，优势被放大得越狠。

3.3 把 1,700 万 token 代进去

假设日耗：输入 16.83M token（含缓存）+ 输出 0.20M token——这是典型长上下文 agent 的形态，输入占 98.8%，输出不到 1.2%。

缓存命中率 MiniMax 日成本 DeepSeek 高峰 DeepSeek 闲时
90% $0.600 $0.836（+39.4%） $0.418（−30.3%）
95% $0.486 $0.588（+21.1%） $0.294（−39.5%）
98% $0.418 $0.440（+5.3%） $0.220（−47.4%）

按月（×30）看，95% 命中这一档：MiniMax $14.58 / DeepSeek 高峰 $17.65 / DeepSeek 闲时 $8.83。

结论有三层：

  1. 缓存命中率越高，两家的差距越小。 从 90% 到 98%，白天成本差从 +39.4% 收窄到 +5.3%。原因是输出只占 1.2%，而输入的单价差被缓存价差吃掉了。
  2. 97% 左右是翻转点。 在 98% 命中这一档，DeepSeek 白天也基本追平（只贵 5.3%）；再往上就反超。
  3. 夜间跑批是降维打击。 闲时半价叠加 $0.003 的缓存价，比 MiniMax 便宜近四成。如果你的活儿能排到晚上，这场价格战的赢家不是牌价低的那一方。

⚠️ 这里刻意不做人民币折算——汇率是每天变动的外部变量，本文没有可靠时点数据，折了就是编。按你实际结算汇率换算即可，量级不会变。

四、跑分：三套口径，别混着读

4.1 各自官方表（厂商自测，不能横比）

基准 MiniMax M3.1 Flash DeepSeek-1017 谁高
DeepSWE v1.1 73.7 77.0 DeepSeek +3.3
Terminal-Bench 4.0 38.1 42.3 DeepSeek +4.2
Automation-Bench v1.0.6 62.2 60.5 MiniMax +1.7
Agents' Last Exam 29.6 35.4 DeepSeek +5.8
BabyVision（有工具） 91.0 92.5 DeepSeek +1.5
HLE（无工具） 43.4 42.6 / 44.0* 基本持平

* DeepSeek 给了两个值，后者为纯文本 HLE 子集。

注意：这张表是"各家用各家 harness 跑出来的数"，DeepSeek 在 Claude Code 里跑 Terminal-Bench、在 Mini-SWE-V2 里跑 DeepSWE，MiniMax 的 harness 未披露。同一列内部可比，跨列不可比。

即便如此，方向也能看出来：DeepSeek 在编码与终端任务上占优，MiniMax 在跨 SaaS 的办公自动化上占优。 这和两家自己的定位是吻合的。

4.2 Artificial Analysis 独立评测（同一套 harness，这才是能横比的）

指标 MiniMax M3.1 Flash DeepSeek-1017 点评
Intelligence Index 42 45 DeepSeek 高 3 分
HLE 48% 43% MiniMax 反超 5 个点
CritPt 22% 24% 接近
AA-Omniscience 准确率 56% 46% MiniMax 高 10 个点
AA-Omniscience 幻觉率 93% 67%（非幻觉率 33%） ⚠️ MiniMax 瞎编得多得多
跑完 Index 的输出 token ~189M ~224M MiniMax 省 16%
每任务成本 $0.22 $0.26 MiniMax 低 18%

这张表里最值得停一下的是最后两行幻觉数据。 MiniMax 准确率 56%、幻觉率 93%，DeepSeek 准确率 46%、幻觉率 67%——翻译成人话：MiniMax 更敢答，答对的更多，编出来的也更多；DeepSeek 更愿意说"不知道"。

做事实检索、合规问答、财务口径这类场景，"敢不敢说不知道"比"答对多少"更重要。这一条比智能指数差 3 分要命得多。

另外注意一个口径倒挂：牌价差 2 倍（$0.15 vs $0.30 高峰），AA 测出的每任务成本却只差 18%（$0.22 vs $0.26）。两个可能：① AA 的成本口径已计入缓存与闲时折扣；② 输出 token 用量差异（189M vs 224M）抵消了一部分单价差。具体怎么算的 AA 没写，所以别拿牌价直接线性外推每任务成本。

4.3 榜单：两个"第一"不是同一个榜

榜单 MiniMax M3.1 Flash DeepSeek-1017
Code Arena: WebDev 1588 分，开源 第 12，总榜第 32 1670 分，开源第 1，总榜第 12
Agent Arena 未上榜 开源第 1，总榜第 11，中位任务成本 $0.20
相对上一版 +106 分（M3 的 1482） +52 分（0910 版）

DeepSeek 在 Agent Arena 的数据值得单看：7.5K+ 真实会话净提升 +5.1%，Confirmed Success +11.5%（开源第 1）、Bash Reliability +5.4%（开源第 1）、Steerability +2.5%（开源第 1），且没有 Tool Hallucination 问题——最后这条对一个要跑自动化流程的模型来说，比榜单名次实用。

Arena 自己的说法是：所有性能高于它的模型都是闭源且贵得多，它用 GPT-6.1 Sol 约 27% 的成本，拿到对方约 37% 的提升幅度。

4.4 ⚠️ 那张用错版本的对比表

这是我在核对时撞上的，值得单独一节，因为它会让你的结论方向反掉。

MiniMax 发布博客里有一张横向对比表，列出 M3.1 Flash 对 DeepSeek V4.1 Flash、Kimi K3、GLM-5.3。其中 DeepSeek 那一列是这样：

基准 MiniMax 表里标的 "DeepSeek V4.1 Flash" DeepSeek 官方表里的 1017 差值
DeepSWE v1.1 74.2 77.0 +2.8
Terminal-Bench 4.0 31.2 42.3 +11.1
Automation-Bench v1.0.6 54.8 60.5 +5.7
BabyVision（有工具） 89.6 92.5 +2.9

把 74.2 / 31.2 / 54.8 / 89.6 这四个数拿去和 DeepSeek 官方表逐行对——它们精确等于 DeepSeek 标注的"V4.1-Flash（0910 旧版）"那一列，四项全中。

也就是说，MiniMax 拿 1017 之前的旧检查点做了对手。而 1017 是 10-17 就发了，比 MiniMax 发布早两天。

这个错误的后果不是"少算了几个点"，是结论方向反了：

  • 照 MiniMax 表读：Terminal-Bench 38.1 vs 31.2 → MiniMax 领先 6.9 分
  • 换成 1017 真实数字：38.1 vs 42.3 → MiniMax 落后 4.2 分

差 11.1 分，足以让一个"我用终端任务更强"的采购判断彻底翻面。

说句公道话：这是"没更新"，不是"编造"——0910 版的数字确实是 DeepSeek 官方公布过的。但这件事的方法论教训很硬：

看到厂商对比表里的竞品数字，第一件事是核对竞品版本号，而不是看差值。 尤其是对手在两周内发过检查点的窗口期。

顺带说，MiniMax 自己的表里也有一处自相矛盾：成本图把 Automation-Bench 的 max effort 画在 62.8，正文表格写 62.2。差 0.6 分不影响结论，但说明这张图表本身也没有做过严格对齐。

五、工程细节：真正会咬人的地方

跑分决定"想不想用"，这些决定"能不能用"。

项 MiniMax M3.1 Flash DeepSeek-1017
模型名 MiniMax-M3.1-Flash deepseek-flash（旧的 deepseek-v4-flash 仍接受但已退役，请求被路由到 1017 并按 Flash 价计费）
接口兼容 Anthropic 兼容 + OpenAI 兼容（Chat Completions / Responses） OpenAI 格式 + Anthropic 格式双 base URL
推理开关 常开，不可关闭。传 thinking.type=disabled 或 effort=none 会报错 支持非思考 / 思考（默认）双模式
推理输出位置 独立 reasoning_content 字段，可能为空 按思考模式返回
旧代码迁移 ⚠️ 原先解析内联 <think> 标签的集成必须改 模型名兼容，无需改端点
输出上限 未披露 384K
权重 / 许可 10-23 开放，许可证未公布 MIT（9 月版）；⚠️ 1017 权重口径矛盾
自托管硬件 未披露（M3 的 MXFP8 权重约 440GB 可作规模参考） 未披露（9 月版 763B / FP8）
并发限制 未披露 2,500（flash）

三个真会咬人的点：

  1. MiniMax 推理关不掉。 一个"你好"也要走完整思考链，简单调用的 token 与延迟有地板。如果你的场景是高频短请求（分类、抽取、路由），这一条会直接打死性价比。
  2. <think> 解析要改。 从 M3 迁过来的人，如果代码里在正则抠内联思考标签，升级后会拿到空字符串——因为内容跑到 reasoning_content 里去了，而且这个字段还可能不存在。
  3. DeepSeek 的静默升级。 你还在调 deepseek-v4-flash，实际跑的已经是 1017，账单按 Flash 价走。这是好事（免费升级），但意味着你的回归测试基线在无通知的情况下变了。

六、选型：按场景，不按总分

你的场景 建议 理由
夜间跑批 / 定时任务 DeepSeek 闲时半价 + 缓存 $0.003，比 MiniMax 便宜近 40%
长上下文、高缓存命中的 agent DeepSeek 缓存价是 MiniMax 的 1/5，命中率越高优势越大
终端 / CLI / 编码代理 DeepSeek Terminal-Bench 42.3 vs 38.1，且 Agent Arena 无 Tool Hallucination
跨 SaaS 办公自动化 MiniMax Automation-Bench 62.2（官方口径领先），BankerToolBench 76.2 与 Opus 5 持平
需要视频输入 MiniMax DeepSeek 只有文本 + 图像
事实检索 / 合规问答 DeepSeek 幻觉率 67% vs 93%，"敢说不知道"更值钱
要做预算、讨厌两档计价 MiniMax flat 一刀切，没有高峰/闲时的心智负担
要自托管、要 MIT DeepSeek（当前） MiniMax 权重 10-23 才开，许可证未知

如果只能选一个：白天用 MiniMax 控成本、夜间把重活切给 DeepSeek，是这套价签下最省钱的组合——但维护两套提示词与回归基线的成本，大概率超过省下的那几美元。除非你的日耗在千万 token 级以上，否则别为了省 20% 把自己搞成双栈。

七、还没答案的问题

  1. MiniMax 的许可证到底是什么？ 10-23 开放权重，但到今天（10-20）许可证仍未公布。商业可用性、是否允许蒸馏、是否限制托管服务——全都未知。这决定它能不能进你的私有化方案。
  2. 1017 的权重放没放？ IT之家称已开放下载并延续 MIT；MarkTechPost 称"硬件要求与 1017 权重均未披露"。两家口径直接冲突，官方定价页也没提。自托管方案在核实前不要写进计划。
  3. MiniMax 说的"成本是 M3 的 1/3"怎么算的？ 按 token 单价算是 1/2（$0.15 vs $0.30），官方说的是每任务成本，但没给计算过程。MarkTechPost 也点了这一条。
  4. 速度口径对不上。 官方博客说 200+ TPS、P50 170+；产品页写约 150 tok/s。同一家两个数，差 25%。 建议以自己压测为准。
  5. MiniMax 的真实幻觉率会不会拖垮 agent 流程？ 93% 的幻觉率在单轮问答里是"多编一点"，在多步工具调用里可能是"一步错、步步错"。这个只能实测，跑分预测不了。

数据来源

数据 来源 时点（北京时间）
M3.1 Flash 定价 / 基准 / 速度 / Space Bunny 认领 MiniMax 官方博客 2026-10-19 00:00（一手）
M3.1 Flash 参数 428B/23B、1M 上下文、多模态、迁移细节、厂商对比表 MarkTechPost 拆解 2026-10-19 20:37
M3.1 Flash AA 指数 42 / HLE 48% / 幻觉率 93% / $0.22 每任务 Artificial Analysis 2026-10-19 23:58
DeepSeek 官方定价、高峰时段、缓存价、384K 输出、Search/Fetch 计费 DeepSeek API 定价页 2026-10-20 核对
DeepSeek 1017 架构（552B+196B、CED/CSA2/FP4 KV）、官方基准表 MarkTechPost 拆解 2026-10-17 16:53
DeepSeek AA 指数 45 / 每任务 $0.26 / Omniscience +5 Artificial Analysis 2026-10-20 00:25
DeepSeek Agent Arena 开源第一、$0.20 中位成本、+11.5% Confirmed Success Arena 2026-10-20 02:18
DeepSeek Code Arena WebDev 1670 分、开源第一 Arena 引用串 2026-10-19 02:56
MiniMax Code Arena WebDev 1588 分、开源第 12 Arena 2026-10-19 20:17
DeepSeek Terminal-Bench 31.2→42.3、DeepSWE 77.0、MIT 权重 Thomas Wolf 2026-10-17 18:17

免责声明

  • 本文所有基准分数均为厂商自测或第三方评测机构公布值，未经本人独立复现。跨厂商分数受 harness、推理档位、采样参数影响，不可直接横比。
  • 成本测算基于"日输入 16.83M（含缓存）+ 输出 0.20M、缓存命中率 90%/95%/98%"三档假设，仅为量级参考；实际账单取决于你的命中率分布、时段分布与是否触发长上下文行为。测算脚本逻辑已写明，可自行代入真实数据重算。
  • 本文不做人民币折算，避免引入未核实的汇率变量。
  • MiniMax 权重与许可证信息截至 2026-10-20 08:50 未公布，10-23 后需重新核对。
  • 文中对厂商对比表版本口径的指认，依据是 MiniMax 公布数字与 DeepSeek 官方"上一版"列四项逐一精确相等，属推断性结论；若 MiniMax 后续说明另有出处，以官方为准。

posted on 2026-10-20 14:39  fox_charon  阅读(45)  评论(0)    收藏  举报

导航