MiniMax M3.1 Flash 和 DeepSeek V4.1 Flash 怎么选：价格、速度和写代码实测对比

两款模型单价和 100 万 token 上下文规格接近，但 MiniMax 是全天平价、思考常开、吃视频、权重还没开源；DeepSeek 有高峰价、有不思考模式，权重已经在 Hugging Face 上以 MIT 协议开放。从官方信息看，MiniMax 在 2026 年 10 月 19 日 19 时 56 分（UTC+8）发布 M3.1 Flash，官方发布帖确认此前在 OpenRouter 和 OpenCode 上匿名霸榜、处理超过 200T token 的 Space Bunny 是它的早期版本；官方博客称其在线推理比 M3 快近三倍，agent 类任务的使用成本比上一代低 70%，但产品页特别注明这 70% 不是 API 单价对比。发布帖写权重 10 月 23 日放出，博客用词是「later」，截至 10 月 21 日仍未放出。

表：官方价格与规格（每百万 token，2026-10-21 核对官方页面）

样本/方法：来源：MiniMax 定价页、MiniMax M3.1 Flash 发布博客与产品页、MiniMax 官方 X 发布帖；DeepSeek API 文档 Models & Pricing、DeepSeek-V4.1-Flash-1017 模型卡。只比单价，不等于每个任务的花费。

参数量方面，我们打开的 MiniMax 官方页面都没有写明；MarkTechPost（媒体报道）写的是 428B 总参数、约 23B 激活参数，而 Artificial Analysis 表示 MiniMax 没有披露参数量，这个数字目前只能当作未证实。接入上有个坑：官方产品页写明 M3.1 Flash 的思考不能关闭，MarkTechPost 还指出，原先向 M3 发「关闭思考」指令的集成现在会报错，需要改动；DeepSeek 的 API 则可以切到不思考模式。X 用户 HeyAIpenguin（@HeyAIpenguin）第一次经 OpenRouter 调 DeepSeek 时，token 全花在思考上、没返回内容，直到他把推理关掉才正常；他最后的跑数是 DeepSeek 17 秒、0.004 美元，MiniMax 在免费渠道上用了 52 秒。

样本/方法：来源：MiniMax M3.1 Flash 发布帖成绩表（2026-10-19）和 DeepSeek-V4.1-Flash-1017 Hugging Face 模型卡（Agents' Last Exam 一行 MiniMax 表里没有 DeepSeek 数字，取自 DeepSeek 模型卡）。均为厂商自报，测试设置由各家自定，未独立复现。

官方数字具体是：在 MiniMax 发布表列出 1017 的 6 行里，MiniMax 领先 Automation-Bench（62.2 对 60.5）和不带工具的 HLE（43.4 对 42.6），落后 DeepSWE（73.7 对 77.0）、Terminal-Bench 4.0（38.1 对 42.3）、NL2Repo（61.2 对 68.2）和 BabyVision（91.0 对 92.5）。DeepSeek 自己的模型卡又补了 Agents' Last Exam 35.4 对 MiniMax 的 29.6。这些全是厂商自报，测试设置由各家自定，没有独立复现。

按单价算，MiniMax 从来不会比 DeepSeek 闲时便宜，只会在 DeepSeek 的工作日高峰时段是半价；长 agent 跑下来，缓存价格可能把结论整个反过来。机制上是编辑按官方标价算的：闲时两者的输入、输出单价相同，而 DeepSeek 的缓存命中输入便宜 5 倍（0.003 美元对 0.015 美元）；高峰时 MiniMax 的输出（0.60 美元对 1.20 美元）和未命中输入（0.15 美元对 0.30 美元）都是半价。只算输入的话，MiniMax 要等缓存命中率超过约 94% 才不再便宜。

表：每百万输入 token 的实际单价，随缓存命中率变化（编辑按官方价计算）

样本/方法：算法：未命中价 ×（1 − 命中率）+ 命中价 × 命中率，只算输入，不含输出；输出单价 MiniMax $0.60，DeepSeek 高峰 $1.20、闲时 $0.60。编辑计算，不代表任何真实账单。

用户 NFT_Chen（@NFT_Chen）自己算过，在 120:1 的输入输出比下，缓存命中率低于约 97.5% 时 MiniMax 在 DeepSeek 高峰段胜出，编辑验算结果一致。用户 jackyang886 和 Zekunnnnn 在发布当晚就指出了两份缓存价之间的差距。另外要留意免费渠道：MiniMax 官方回复说正式版在 OpenRouter 免费 72 小时、在 OpenCode 免费 3 天，回复发在 10 月 20 日 04:37 到 04:57（UTC+8），所以这两个窗口大约到 10 月 23 日结束；下面不少账单用了这些渠道，所以「0 美元」的账单不是标价对比。

同一个任务，MiniMax 多数时候花更少的钱——12 组双方都付费并报价的账单里它便宜了 10 组；但它更慢的情况更多——18 组都报耗时的对比里有 11 组更慢，而两次超过 4 小时的长任务里它反而贵了几倍。需要说明，这里的数字都是作者个人自报，渠道、推理档位和工具各不相同，且不少 MiniMax 跑在限时免费渠道上，不能直接当作标价账单。

样本/方法：X 上 20 组用户自报的同任务对比，编辑逐条读原帖；左图 12 组双方付费且都报了花费，右图 18 组双方都报了耗时。作者自报，未复现。

表：同一任务对比：用户自报的花费、耗时和评价

样本/方法：样本：编辑逐条读过的 20 组原帖（2026-10-19 至 10-21，UTC+8；转发、搬运不计）。数字为作者自报，未复现；不少 MiniMax 跑在限时免费渠道上，渠道、推理档位和工具各不相同。

X 用户 Rubens Soto | AI & SaaS（@rubenssoto_ai）在 2026 年 10 月 19 日放出同一篝火场景的对比截帧：上为 DeepSeek V4.1 Flash 1017、花 0.54 美元，下为 MiniMax M3.1 Flash、花 0.22 美元。这张图只能证明两者在同一任务上的价位和耗时差异，不能回答谁的效果更好，因为作者本人没有给结论。（条目：同一任务实测：M3.1 Flash 比 DeepSeek V4.1 Flash 快 22 分钟、省 59%）

token 数和账单并不总是成正比。在 rubenssoto_ai 的篝火测试里，DeepSeek 用了 8950 万 token，MiniMax 用了 812 万 token，但 DeepSeek 只花 0.54 美元对 0.22 美元，发帖人没有给出拆分；编辑的理解是 DeepSeek 的大部分 token 可能是便宜的缓存读取。这组数字至少被 6 个其他账号转发，本文只计一次。

X 用户 Daniel（@imnotchalk）在 2026 年 10 月 21 日放出用 Three.js 复刻涩谷十字路口的视频截帧：DeepSeek 用 1 小时 34 分、3450 万 token、花 0.47 美元，MiniMax 用 4 小时 32 分、1.57 亿 token、花 2.79 美元。这张图记录了同任务下的耗时和账单差异，但它本身不能证明生成质量，需要看原视频才能判断。（条目：3JS 复刻涩谷十字路口：DeepSeek V4.1 Flash 1h34m/$0.47，M3.1 Flash 4h32）

两次超过 4 小时的长任务正好是 MiniMax 反而更贵的两例：imnotchalk 的涩谷路口是 4 小时 32 分、1.57 亿 token、2.79 美元，对比 DeepSeek 的 1 小时 34 分、3450 万 token、0.47 美元；beyondwudan 的 max 档任务是 4 小时 01 分、1.479 亿 token、在 OpenCode 上花 2.68 美元，对比 DeepSeek 自家 Harness 的 1 小时 57 分、1.347 亿 token、0.72 美元。VulKan42069 那次是 2 小时 24 分、7630 万 token 对 41 分 10 秒、3360 万 token。速度方面，MiniMax 官方称输出可达 200+ token/秒、中位数 P50 170+；Artificial Analysis 在两家官方 API 上实测是 104.7 对 DeepSeek 的 208.7 token/秒；iqbalabd 在 Ollama 云上测到 MiniMax 大约是 DeepSeek 输出速度的 37%；SPAC89 在 M Plan 上看到约 200 token/秒。notjazii 说它能到 100+ token/秒，但在 xhigh 和 max 档会幻觉、会做没要求的事，所以任务最终反而慢。mhdfaran 的 Connect Four 测试 6 局打成 3 比 3，MiniMax 中位思考时间 9.5 秒对 DeepSeek 的 74.4 秒。

本站合集里有 46 位独立用户发了自己跑的同任务对比，编辑逐条读完、按作者本人的结论统计：16 位认为 DeepSeek 更好、8 位认为 MiniMax 更好、7 位各有胜负、15 位只发结果不给结论；DeepSeek 的优势在更长的编程和真实项目上最明显。这里统计的是本合集内的讨论量，不是真实世界的使用占比，任务、档位和工具也各不相同。

样本/方法：本站 MiniMax M3.1 Flash 合集中独立用户自己用同一任务跑 MiniMax M3.1 Flash 和 DeepSeek V4.1 Flash 的帖子（2026-10-19 至 2026-10-21，UTC+8），编辑逐条读全文判定作者本人的结论，同一作者只计一次；5 个平台/转售账号和 14 个搬运账号不计。用户自述，任务、档位、工具各不相同，未复现。

按任务类型拆开看（编辑分组）：一次性视觉、3D 或前端场景是 DeepSeek 10、MiniMax 7、各有胜负 5；更长的编程、agent 或真实项目是 DeepSeek 5、MiniMax 1、各有胜负 2。样本很小，是发帖人自己挑的任务和首轮结果，只能看趋势。

X 用户 雨哥向前冲（@xiangxiang103）在 2026 年 10 月 19 日放出同一句提示词画骑自行车鹈鹕的对比截帧，两边都开 max：左为 MiniMax，用时 1053 秒、OpenCode 免费；右为 DeepSeek，用时 611 秒、约 0.63 元。他的结论是想省钱可以先用免费的，干正事还是用 DeepSeek；这只是一次测试，不能当作两个模型的普遍差距。（条目：M3.1 Flash 定价与免费期汇总，鹈鹕动画实测输给 DeepSeek V4.1 Flash）

真实项目里，自报的用户大多倒向 DeepSeek。swarogan 在真实项目上连用了几天，认为 DeepSeek 明显更好；atomtanstudio 用同一 gauntlet 循环重做 NBA Jam，MiniMax 没有完成，还说它自己补不上差距；tphuang 认为它在 SWE 任务上并没有更好，并指责 MiniMax 刷榜（这是他的个人观点）；_ninetyhe 用它做出了能跑能玩的三人联机游戏，但整体觉得不如 DeepSeek；yuhasbeentaken 觉得它啰嗦、实现错误比分数暗示的多，真要推代码还是 DeepSeek 更可靠，不过在 OpenCode 里 DeepSeek 被限到 20 万上下文时，他会切到 100 万窗口的 Space Bunny；MooncastOnline 的 24 小时日本茶园跑分起初惊艳、逐小时退化，他认为两家模型都需要很紧的限制和完成标准。

X 用户 Argona（@Argona0x）在 2026 年 10 月 21 日放出四个模型各拿 5 美元预算、用同一个编程 agent 给 20 家店做网站的看板：MiniMax 做完全部 20 家且都能在手机上打开，DeepSeek 只做到 13 家。这张图证明了该任务单轮跑分里的预算内完成度差异，不能推及所有编程场景。（条目：4 模型各给 $5 建 20 个网站：M3.1 Flash 全建成，其余三家破产）

MiniMax 赢的场景有其特点。Argona0x 的 5 美元预算赛里，MiniMax 是四个模型里唯一做完全部 20 家的，也是唯一跳过 2 家本来就有网站的店，DeepSeek 在 13 家后用完预算。LufzzLiz 的鹈鹕单板滑雪里，MiniMax 更贴合要求，DeepSeek 视觉更好但把鹈鹕做成空中漂移；ItsmeAjayKV、ivanainai、hug0_plat、Bhavani_00007 和 Fei2411 都更满意 MiniMax 的一次性场景。

X 用户 Tony（@EnvolDev）在 2026 年 10 月 20 日放出埃菲尔铁塔 3D 场景对比截帧：上为 MiniMax M3.1 Flash，0.24 美元、1 小时 0 分 44 秒；下为 DeepSeek V4.1 Flash 1017，0.53 美元、1 小时 10 分 31 秒。作者更喜欢 MiniMax 这一版，还特别提到它自己加了街上的车流；不过这是他一个人的判断。（条目：MiniMax M3.1 Flash 与 DeepSeek V4.1 Flash 埃菲尔铁塔同题对比）

DeepSeek 赢的地方也很具体。xiangxiang103 的鹈鹕测试里 MiniMax 画成了白鹭、翅膀还变成一根长条；loktar00 说 DeepSeek 提示词遵循好得多，能理解镜头拍摄的细微差别；MiaAI_lab 让 MiniMax 生成 100 个 HTML 文件，结果比 DeepSeek 和 GLM 5.3 Flash 都差，还有部分文件损坏；badboyfoxy 和 aGim_asf 都更喜欢 DeepSeek 的 Three.js 锦鲤池；GKev1n 的日本小镇夜火车里，MiniMax 的火车灯在晚上越跑越远。

第三方测试整体上把 DeepSeek 排在编程、推理谜题和可靠性前面，MiniMax 在自动化和低成本带搜索上领先；它最大的短板是不懂也要硬答，事实题尤其吃亏。下表各行方法、档位和样本不同，行与行之间不能横比，最后一行的「猫老板」题库是二手转述。

表：第三方测试：两个模型都测过的结果

样本/方法：来源：Artificial Analysis 模型页（2026-10-21 打开）和官方 X 帖；其余为各测试方在 X 上发布的结果（2026-10-17 至 10-21）。各家方法、档位不同，行与行之间不能横比；最后一行为二手转述。

第三方测评方 Artificial Analysis（@ArtificialAnlys）在 2026 年 10 月 19 日放出智能指数对每任务成本的散点图：MiniMax-M3.1-Flash 落在约 0.22 美元、42 分处，DeepSeek V4.1 Flash 1017（max）落在约 0.26 美元、45 分处。这张图说明 MiniMax 单任务略便宜但智能指数略低，两个点都是同一机构的估算，不等于真实企业账单。（条目：Artificial Analysis 上线 MiniMax M3.1 Flash 评测页）

幻觉率是 MiniMax 最明显的弱点。Artificial Analysis 在 10 月 19 日的数据显示，AA-Omniscience 知识题里 MiniMax 答对 56% 对 DeepSeek 的 43%，但它尝试回答 98% 的题、不会的题里有 93% 硬答出错，DeepSeek 是 67%；它的前代 M3 只尝试 35%。同机构还形容它「非常啰嗦」，跑完智能指数用了 1.8 亿输出 token。

X 用户 Teortaxes▶️（@teortaxesTex）在 2026 年 10 月 20 日放出一组常识测验的逐题核对截图：DeepSeek 24/24，MiniMax 14/24，MiniMax 错的集中在第二个人名、高度、年龄、死因这类细节。这张图支持他该轮 DeepSeek 更强的说法，但这只是一轮由 Claude Sonnet 出题、答案用网页搜索核实的常识测验。（条目：知识问答对比：M3.1 Flash 四轮得分 60%/48%/62%，DeepSeek 1017 多为满分）

teortaxesTex 的完整测验是三轮：第一轮双方全对；第二轮 MiniMax 约 60% 对 DeepSeek 100%；第三轮 48% 对 100%，不过第三轮 Sonnet 自己的答案钥匙里有个错误。mspd4100 看完 Parallel 的搜索排行后的说法是：用它收集和整理信息还行，审校和核对就算了。关于刷榜的怀疑目前只是转述、未证实：0xLogicrw 转述评测博主「猫老板」观察，MiniMax 在他私人题库里旧题接近满分、换成新题接近零分，中位分 51.76 对 DeepSeek 的 56.03。另一个陷阱是版本混淆：有些对比用的是 9 月的 DeepSeek V4.1 Flash 而非 1017，比如 EnactraAI 拿来比的 72.9 分是旧版 DeepSeek，ItsmeAjayKV 也说它比 9 月版 V4.1 Flash 强，但离 1017 还差得远；对上 1017 差距就更大（BuildingBench 81.9）。

结论是：把 DeepSeek V4.1 Flash-1017 当作代码和事实任务的默认选择，把便宜、量大或工作日白天的活儿交给 MiniMax M3.1 Flash，前提是你有能力检查输出。选 DeepSeek 的场景是：仓库级编码和修 bug、需要稳定长上下文的 agent 会话（缓存便宜）、任何事实型任务、晚上或周末的活（闲时同价），以及现在就要自托管（MIT 权重；DeepSeek 还在 10 月 20 日开源了 DeepInfer 推理框架）；简单调用就切不思考模式。选 MiniMax 的场景是：工作日白天批量任务（DeepSeek 高峰价的一半）、办公与 SaaS 自动化和网页研究、视频输入、快速视觉草稿，以及还在有效期内的免费渠道；简单任务把推理强度调低，因为它关不掉思考。要盯住三点：速度（实测输出约为 DeepSeek 一半）、长任务 token 膨胀到约 1.5 亿、以及自信地说出错误事实。切换前先自己跑个小测试；notjazii 的建议是把它当简单任务的子 agent 用。权重方面，如果 MiniMax 按承诺在 10 月 23 日放出权重，本地部署对比就会跟上，届时本站会更新这一页。