同价同周的两款 Flash：MiniMax M3.1 Flash 对 DeepSeek V4.1-Flash-1017

总览

2026 年 10 月 17 日，DeepSeek 发布 V4.1 Flash 的小版本更新 V4.1-Flash-1017；两天后的 10 月 19 日，MiniMax 正式发布 M3.1 Flash。两款模型都是 MoE 架构、1M 上下文，官方标价也几乎一样，发布后很快就有大量用户把它们放在一起比。

本文把官方参数、第三方榜单和社区实测整理到一起（数据截至 2026-10-20 08:15，北京时间），结论先列在这里：

• 价格基本相同：两者闲时都是每百万 token 输入 $0.15、输出 $0.60。区别在于 DeepSeek 在高峰时段价格翻倍，MiniMax 全时段统一。“MiniMax 便宜一半”只在 DeepSeek 高峰时段成立。
• 第三方榜单整体是 DeepSeek 领先：Artificial Analysis 智能指数 45 对 42，输出速度约 210.6 对 120.1 tok/s；Arena WebDev 1664 对 1587。
• MiniMax 知识题答对更多，但幻觉率高达 93%：AA-Omniscience 正确率 56% 对 43%，可不会的题几乎都给出错误答案，很少承认不知道。
• 官方基准各有胜负：DeepSeek 赢下编程类基准，MiniMax 赢下办公自动化基准 Automation-Bench。
• 用户实测结果分裂：前端、3D、视觉类“同提示词”作品里，多位用户更喜欢 MiniMax 的成品；真实项目和安全类任务的反馈偏向 DeepSeek。
• MiniMax 默认思考档位为 max 且无法关闭思考，单任务往往更慢、token 更多；调到 low 档后又成了最便宜的配置。

需要提前说明：下文的个人实测几乎都是单次运行（n=1），提示词、harness、渠道、effort 档位和时段都不统一，只能看趋势，不能直接横向比较。MiniMax 正式版发布还不到 24 小时，不少“实测”其实来自更早的 Space Bunny 匿名版或 Preview 版。

两款模型的基本参数

两款模型的定位相近，都是各家主力模型的“Flash”版本，主打便宜和快。官方公布的参数如下 [官方]：

DeepSeek 的参数量还有一种 763B 的说法，来自一条 X 帖子，未核实，本文以官方博客的 552B 为准。

MiniMax 官方还称，M3.1 Flash 的 agent 任务综合成本比前代低 70%，但没有详细披露计算方法。

价格：同价，但 DeepSeek 有高峰时段

按每百万 token 计：

• MiniMax M3.1 Flash：输入 $0.15、输出 $0.60、缓存读取 $0.015，全时段统一（人民币为 1 元 / 4 元 / 0.1 元）。
• DeepSeek V4.1-Flash-1017 闲时：输入 $0.15、输出 $0.60、缓存命中 $0.003。
• DeepSeek V4.1-Flash-1017 高峰：输入 $0.30、输出 $1.20、缓存命中 $0.006。高峰时段为周一至周五 UTC+8 09:00–12:00 和 14:00–18:00，正好覆盖国内工作时间。

也就是说，国内用户白天上班时间调用 DeepSeek，价格是 MiniMax 的两倍；晚上和周末两者同价。DeepSeek 的缓存命中价则明显更低。

MiniMax 官方发布的成本对比图里，DeepSeek 是按高峰价计算的，这一点由 X 用户 @mharshald 指出。图中每个任务约 4.6 美分对约 9 美分，如果改按 DeepSeek 闲时价计算，差距会大幅缩小。

官方基准：编程归 DeepSeek，办公自动化归 MiniMax

两家各自发布了基准成绩，MiniMax 的表格里还引用了 DeepSeek 的数据 [官方]：

DeepSWE、NL2Repo、Terminal-Bench 这类编程和仓库级任务，DeepSeek 都领先；MiniMax 唯一明确领先的是办公自动化基准 Automation-Bench，而这项成绩本身有矛盾：MiniMax 的表格写 62.2，成本图里写 62.8。

另外，OSWorld V2（61.7）、BankerToolBench（76.2）、LOCA-Bench 256K（60.3）只有 MiniMax 报告了成绩，DeepSeek 没有对应数据，无法比较。

第三方榜单：DeepSeek 整体领先

厂商自报的成绩各说各话，第三方榜单的结论更一致：总体是 DeepSeek 领先 [第三方]。

Artificial Analysis（AA）：据 VentureBeat 报道及 AA 页面，DeepSeek 1017 的智能指数为 45，与 GLM-5.3 并列开源模型第二档；MiniMax M3.1 Flash 为 42，比前代 M3 的 29 提升明显。输出速度方面，DeepSeek 约 210.6 tok/s，MiniMax 约 120.1 tok/s（这组速度来自 AA 模型页的搜索摘要，未逐页核验）。AA 跑完整套评测的每任务成本，MiniMax 约 $0.22，DeepSeek 约 $0.26。

Arena Code Arena: WebDev（10 月 19 日数据）：DeepSeek 1664 ±14 分，总榜第 13、开源第 1（2,008 票）；MiniMax 1587 ±14 分，总榜第 33、开源第 12（1,853 票，仍为 Preliminary 状态）。DeepSeek 自己宣传的是 1670 分、第 12 名，和当前页面略有出入，榜单在动态更新。

知识与幻觉：这是 MiniMax 表现最两极的一项。在 AA 的 HLE 和 CritPt 上，MiniMax 为 48% / 22%，DeepSeek 为 43% / 24%。AA-Omniscience 知识测试中，MiniMax 正确率 56%，高于 DeepSeek 的 43%；但 MiniMax 的幻觉率是 93%，总分只有 16。幻觉率衡量的是“不会的题里，有多少给出了错误答案而不是拒答”，93% 意味着 MiniMax 碰到不会的问题，几乎总是硬编一个答案。

其他几项参考：

• benchlm.ai 综合分：MiniMax 67.1，DeepSeek 65.67。这个榜单聚合了厂商自报数据，页面自己也写明“Conditional ranges do not establish rank”，参考价值低。
• AIHubMix 对比页：MiniMax 首字延迟（TTFT）1.9 s、95.1 tok/s；DeepSeek TTFT 2.8 s、137.7 tok/s。这是单个渠道的测量。
• OpenCode 用量榜：据 @xiax0603 转述的 OpenCode 数据，Space Bunny 连续 12 天第一，约 106 万亿 token；DeepSeek 第二，约 62 万亿。但 MiniMax 当时免费，用量不代表质量。

用户实测：同一个提示词，结论却分成两派

社区里同时测两款模型的帖子不少，但真正给出量化数字的正面对比只有约 6 条。下面按任务类型整理。

带数字的正面对比

番茄钟单文件 HTML：@PacificAIBrief（中文版账号 @PacificAI_CN）让两者一次生成一个番茄钟网页，两个都能用。DeepSeek 用时 109 s、16.9K 输出 token、约 $0.010（闲时价）；MiniMax 用时 211 s、31.6K token、约 $0.019。

修 bug 任务：渠道商 AIHubMix 在 DEV Community 发布了一组测试：一个含 2 个 bug 的 Python 任务，215 个隐藏测试，每个模型跑 3 次，全部通过。默认设置下，DeepSeek 平均 14.6 s、$0.0014；MiniMax（默认 max 档）56.3 s、$0.0045。把 MiniMax 调到 low 档后，只要 9.5 s、$0.0006，成了所有配置里最便宜的。吞吐量 DeepSeek 约 148 tok/s，MiniMax 约 112 tok/s。

长任务：结果反了过来。@rubenssoto_ai 用同一提示词跑同一个长任务，DeepSeek 用了 1 h 28 min、89.5M token、$0.54；MiniMax 用了 1 h 07 min、8.12M token、$0.22，质量没有下结论。@marcthecreatorr 的前端设计任务里，MiniMax 1 h 30 min、约 $0.50，设计更简单；DeepSeek 80 min、$1.15；作者觉得两个都太慢。

同时长对比：@bbfu0382 用 M3.1 Flash Max 对 1017 跑同一测试，两者都用了 38 分钟，作者更喜欢 MiniMax 的成品。他还提到 MiniMax 订阅渠道接近 200 tok/s，$22 套餐只用掉了 5 小时额度的约 6%。

像素风太阳朋克城市动画：@notjazii 用最高推理档测试，MiniMax 40 min、$0（免费期）；DeepSeek 50 min、$0.4，作者认为难分胜负。后续帖说 DeepSeek 试了 3 次以上，MiniMax 一次成功。不过 @dustADD 复核后指出“两边都不是一次生成”：MiniMax 先调用了生图工具、重开会话才得到展示的版本，$0 也来自免费期。

审美类任务：多位用户更喜欢 MiniMax

• @ivanainai 生成 Bowser 角色：MiniMax $0 且效果更好；DeepSeek 花了 $0.06，效果更差。
• @davidliyangbing 用“鹈鹕骑自行车”同一提示词测 4 款国产模型，自评满分 4 分：MiniMax 3.63（$0.005）、Kimi K3 3.50、DeepSeek V4.1 Flash 3.50（$0.026）、GLM-5.3 3.13。帖子没写明 DeepSeek 是否为 1017 版。
• @SandbaseAI（平台方）也做了 4 模型鹈鹕测试，只放了视频，没有量化结论。

这类任务的评判都是主观的，样本也只有一次。Arena WebDev 的大规模盲投结果反而是 DeepSeek 更高。

真实项目与体感：偏向 DeepSeek

• @swarogan 用两者跑了多天真实项目，结论是“DeepSeek 在我测的任务上明显更好”，并认为 MiniMax 的跑分好过实际表现，但没有给出具体数字。
• linux.do 用户 @pigame 在讨论帖里称，MiniMax 在安全场景任务上“比 dsf（DeepSeek Flash）差太多”；同帖 @Sokeu 认为“太空兔”还行，但打不过 GLM-5.3F，更打不过 DS4.1F。
• @xodud_rkd 说，用过 DeepSeek 1017 之后，觉得 M3.1 Flash“有点平庸”。
• @irotaka3 在 OpenCode Go 日常使用中评价 M3.1 Flash“非常快、印象好”，综合性能和舒适度略高于 V4.1 Flash。

只测 MiniMax 的反馈

• 慢、token 多：@TheFaheemAhmad 用同一提示词建 SaaS 页面，M3.1（high 档）调用 17 个 agent、用时 36 min 38 s，Sonnet 5.5 只要 7 min 25 s，快约 5 倍，设计也更好。@alohaproxy 做 3D 机甲组装动画，M3.1 输出 71,038 token、用时 10 min 17 s，对比的 Muse Wonder 只用了 12,488 token、1 min 33 s。
• 长上下文找 key：@MikelEcheve 在约 1M 字符的上下文里 12/12 全部找到，速度快。
• 生成失误：@SahilPanhotra 的孔雀骑自行车 SVG 动画流畅、配色好，但腿像木棍、一只翅膀变成手臂；@mkeremturhan 在 Space Bunny 盲测期的 Roadster kickflip 任务里出现了“雪花轮子”，Haiku 5.5 则正确完成。
• 集成注意事项：思考无法关闭，传 effort:"none" 会返回 400（@wangzailry）；简单的 tool-call 回合可能不返回 reasoning_content 字段，agent 循环需要兼容（@csehra42）；@MooncastOnline 观察到 M3.1 会分别调用 harness 提供的独立工具，而不是像多数模型那样用一轮 Python 脚本完成。
• 口碑：Reddit 上 Preview 版有用户称“仍然大量幻觉，工具使用不稳定”，也有人称英文写作更自然；linux.do 上的评价多为“实测有点拉，很一般”。

只测 DeepSeek 的反馈

DeepSeek 1017 的实测量明显更多，尤其是本地部署数据：

• 长上下文：@SJRonanMD 在单张 GB300 上做 125K–1M token 的大海捞针测试，每档 6 题，分别找到 4/6、4/6、5/6、4/6，漏掉的都是两跳链；1M 上下文后 decode 仍有 188 tok/s。作者注明每档样本小。
• 本地部署速度：2× DGX Spark 上结构化输出 141.3、代码 100.7、文章 59.2 tok/s（@sudoingX）；4× RTX PRO 6000 上 decode 410.9 tok/s（@0xSero，经 @zhouligezhou 翻译）；单张 3090 用 2-bit 量化，代码 22.4 tok/s（@vrami_dev）。
• 工具调用：@cha0skvlt 做多步 memory-engine 重构，“没有漏掉一次 tool call”。
• 成本反方意见：据 @Fan_Sa_Xi 汇总的 linux.do 帖子，有用户轻中度使用一天就超过 50 元；@chenxi44779232 说“一下午随便用用 30 块钱就没了”。
• 水平定位：@0xdominus 对比 Opus 5.5 后认为它水平接近 Sonnet，达不到 Opus；@zfv188408 认为必须配合 DeepSeek Harness 才能发挥全部能力。

按维度看结论

怎么选，取决于用法：

• 写真实项目、需要稳定的编程 agent，或者在意幻觉，DeepSeek 1017 的证据更充分。
• 做单页前端、3D、视觉类“一次出图”的任务，可以试试 MiniMax，但建议手动调低 effort 档位，否则默认的 max 档会明显拖慢速度、增加 token。
• 国内工作时间大量调用时，留意 DeepSeek 的高峰价；闲时两者同价。
• 想本地部署，目前只有 DeepSeek 可选。

视频：同提示词的成品对比

社区里有几段同提示词的对比视频，可以直接看成品差异。注意其中 MiniMax 的“$0”成本大多来自免费期。

视频来源：@notjazii，像素风太阳朋克城市动画，M3.1 对 1017

视频来源：@bbfu0382，M3.1 Flash Max 对 1017

视频来源：@ivanainai，Bowser 角色生成并排对比

更多视频（链接）：

• @notjazii：像素风太阳朋克城市动画，M3.1 对 1017，最高推理档（10 s）
• @notjazii 后续：DeepSeek 试了 3 次以上后的成品，MiniMax 一次成功（29 s）
• @bbfu0382：M3.1 Flash Max 对 1017，两者都用 38 分钟（30 s）
• @ivanainai：Bowser 角色生成并排对比（14 s）
• @marcthecreatorr：同提示词前端设计任务，MiniMax 约 $0.50、DeepSeek $1.15（59 s）
• @SandbaseAI（平台方）：鹈鹕测试，M3.1 / Kimi K3 / DS V4.1 Flash / GLM-5.3（45 s）
• @rubenssoto_ai：同任务长跑，DeepSeek $0.54、MiniMax $0.22

渠道商 EmpirioLabs 还做了 4 个单文件 HTML 动画测试（灯塔、蜂巢、保龄球、抓娃娃机），M3.1、1017、Qwen3.8 Flash、MiMo V2.6 Flash 各一次生成，均为 effort max：MiniMax 四项都最快（254–432 s），DeepSeek 四项都最贵（$0.051–0.076，按高峰价 $0.30 / $1.20 计）。这是渠道商自测，没有并入上文统计。

局限与待核实

1. 样本量小：个人实测几乎都是 n=1 的单次运行，提示词、harness、渠道、effort 档位、时段都不统一，真正带量化数字的正面对比约 6 条。
2. 免费期偏差：MiniMax 在 MiniMax Code（至 10-25）、OpenCode、OpenRouter、Cline 有限时免费，多条“$0”成本来自免费期，不代表实际 API 成本。DeepSeek 在 Qoder 也免费到 10-24。
3. 疑似推广或利益相关：部分内容雷同、疑似批量推广的帖子（如“DeepSeek V4.1 Flash UNCENSORED is FREEE”系列）未纳入；渠道商和平台方（AIHubMix、SandbaseAI 等）的数据已标注，权重降低；部分本地部署帖口径高度一致，可能有协同推广；部分营销号以转述为主。
4. 官方数据冲突：MiniMax 的 Automation-Bench 有 62.2 和 62.8 两个数字，成本图按 DeepSeek 高峰价计算；DeepSeek 宣传的 Arena 名次与当前页面不一致；DeepSeek 参数量有 552B 和 763B 两种说法。
5. 口碑的地域差异：海外 X 上对 MiniMax 的正面声音较多，但不少跑在免费期；中文社区 linux.do 对 MiniMax 普遍不信任，认为是“刷分”。
6. 时间窗口很短：MiniMax 正式版发布不到 24 小时，有用户（@yulmu_coffee）称正式版与 Space Bunny 的 checkpoint 不同，早期结论未必适用于正式版。MiniMax 的独立长上下文、中文写作和本地部署数据都还缺，权重放出后会有更多可比数据。