MiniMax M3.1 Flash vs DeepSeek V4.1 Flash：价格、实测与怎么选
MiniMax M3.1 Flash 和 DeepSeek V4.1 Flash 怎么选？对比官方价格与高峰计费、厂商跑分、开源权重，并附 36 次真实 API 调用的编程、工具调用与抽取结果。
两个模型的标价一模一样：每百万输入 $0.15、输出 $0.60。区别在于，DeepSeek V4.1 Flash 只有在非高峰时段才是这个价，工作日有两个时间窗价格翻倍。MiniMax M3.1 Flash vs DeepSeek V4.1 Flash 这道选择题，很多时候就卡在这条脚注上，而不是哪一行跑分。
这篇对比写给正在给编程 Agent、工具调用流程或文档抽取挑”便宜默认模型”的开发者。依据有三类：两家 2026 年 10 月 21 日的官方文档、MiniMax 自己的跑分表，以及我们同一天通过 SandBase 跑的 36 次调用。一句话总结：M3.1 Flash 价格更可预期，纸面上的业务流程 Agent 能力更强；DeepSeek V4.1 Flash 1017 编程跑分领先，可以关闭思考，而且今天就能下载开源权重。
MiniMax M3.1 Flash vs DeepSeek V4.1 Flash，先说结论
- 价格： M3.1 Flash 全天统一 $0.15 / $0.60。DeepSeek 非高峰 $0.15 / $0.60，高峰（UTC 01:00–04:00、06:00–10:00，工作日）涨到 $0.30 / $1.20。
- 编程： 连 MiniMax 自己的表都显示，DeepSeek V4.1 Flash 1017 在 DeepSWE（77.0 对 73.7）、Terminal Bench 4.0（42.3 对 38.1）、NL2Repo（68.2 对 61.2）上更高。
- Agent： M3.1 Flash 在 Automation-Bench v1.0.6 领先（62.2 对 60.5）；DeepSeek 自报 Agents’ Last Exam 35.4，MiniMax 是 29.6。两家挑的”招牌基准”不一样。
- 可控性： DeepSeek 支持非思考模式；M3.1 Flash 任何关闭思考的请求都会被拒。
- 我们的实测： 三道小题两边都 9/9 通过；M3.1 Flash 延迟中位数更低（3.3 秒对 4.3 秒）。
规格对照
| MiniMax M3.1 Flash | DeepSeek V4.1 Flash（1017） | |
|---|---|---|
| 发布时间 | 2026-10-19 | 2026-09-10；1017 版本 10-17 |
| 官方 API 型号 | MiniMax-M3.1-Flash | deepseek-flash |
| 上下文 | 1,000,000 token | 1M token |
| 最大输出 | 512K（SandBase 标注） | 384K |
| 思考 | 始终开启，5 档 effort | 思考（默认）或非思考 |
| 图片输入 | 支持 | 支持 |
| 官方价 输入 / 输出（每百万） | $0.15 / $0.60 统一价 | 非高峰 $0.15 / $0.60；高峰 $0.30 / $1.20 |
| 缓存命中（每百万） | $0.015 | 非高峰 $0.003；高峰 $0.006 |
| 参数量 | 总 428B / 激活约 23B（报道） | 552B；输入激活 8B、输出 16B（据 SandBase 模型页） |
| 开源权重 | ”稍后”；无许可证 | 已上 Hugging Face，MIT |
| SandBase 型号 | minimax/minimax-m3.1-flash | deepseek/deepseek-v4.1-flash |
来源：MiniMax 调用文档、发布博文和价格页；DeepSeek Models & Pricing 与更新日志；Hugging Face 上的 DeepSeek-V4.1-Flash 模型卡。MiniMax 的参数量来自媒体报道（428B 出自 SiliconANGLE，激活约 23B 出自 MarkTechPost），我们在 MiniMax 当前页面上没找到原文。
价格：标价相同，时钟不同
DeepSeek Models & Pricing，2026-10-21 截图：deepseek-flash 对应 V4.1-Flash-1017，支持两种思考模式和视觉，非高峰与高峰分开计价。
DeepSeek 的高峰时段是周一到周五 UTC 01:00–04:00 和 06:00–10:00，中国法定节假日除外，换成北京时间就是 09:00–12:00 和 14:00–18:00。这覆盖了国内工作时间的大半，也压着欧洲的上午。面向国内或欧洲、白天在线的客服 Agent，相当一部分流量会按高峰价算；夜里跑的批处理则几乎碰不到。
算一笔账：某 Agent 每月 5,000 万输入 token、1,000 万输出 token，没有缓存命中。
| 场景 | M3.1 Flash | DeepSeek V4.1 Flash |
|---|---|---|
| 全部在非高峰 | $13.50 | $13.50 |
| 40% 流量落在高峰 | $13.50 | $18.90 |
| 全部在高峰 | $13.50 | $27.00 |
这是按两家价格页算出来的标价，不是真实账单。缓存会把天平往另一边拉：DeepSeek 的缓存命中价是 MiniMax 的五分之一（非高峰 $0.003 对 $0.015）。如果你的 Agent 每次都带一大段固定的系统提示词，即使有部分高峰流量，DeepSeek 也可能更省。
单价之外，token 数同样关键。两家各用各的分词器计数，我们实测同一段提示词的计费 token 数就差得不少，后面细说。
走 SandBase 的话，价格按线路算。10 月 21 日 DeepSeek V4.1 Flash 模型页显示 25% 优惠价 $0.22 / $0.90（原价 $0.30 / $1.20），M3.1 Flash 显示 $0.15 / $0.60。SandBase 的 DeepSeek 线路是单一价格，没有分时段。
SandBase 的 deepseek/deepseek-v4.1-flash 页面，2026-10-21 截图：在 $0.30 / $1.20 原价基础上打 75 折，上下文 1M，最大输出 384K。
跑分：先看清是谁的表
MiniMax 的发布表同时列了 DeepSeek V4.1 Flash 和新的 1017 版本。1017 这一列，我们逐项对了 DeepSeek 自己的 10 月 17 日更新日志：两边都公布的六项里，DeepSWE 77.0、Terminal Bench 4.0 42.3、NL2Repo 68.2、Automation-Bench 60.5、BabyVision 92.5 这五项一致。这一点很有用，说明在这些行上不存在一家故意压低另一家分数的问题。HLE 是例外，表下单独说明。
| 基准（厂商自报） | M3.1 Flash | DeepSeek V4.1 Flash 1017 | 领先 |
|---|---|---|---|
| Automation-Bench v1.0.6 | 62.2 | 60.5 | MiniMax |
| DeepSWE v1.1 | 73.7 | 77.0 | DeepSeek |
| Terminal Bench 4.0 | 38.1 | 42.3 | DeepSeek |
| NL2Repo-Bench | 61.2 | 68.2 | DeepSeek |
| BabyVision（带工具） | 91.0 | 92.5 | DeepSeek |
| HLE（无工具） | 43.4 | 42.6 / 44.0† | 不确定† |
| Agents’ Last Exam | 29.6 | 35.4* | DeepSeek* |
†MiniMax 这一行只统计 2,158 道纯文本题。DeepSeek 更新日志里，HLE 无工具是 42.6，纯文本子集是 44.0。如果按纯文本子集同口径比，是 DeepSeek 以 44.0 对 43.4 领先。
*MiniMax 表里 DeepSeek 的 ALE 是空的，因为它只收官方排行榜上的全量结果；35.4 是 DeepSeek 自报的数字，两边的测法未必一致。
每一项的评测框架也不同。MiniMax 用 Codex 0.149.1 跑 Terminal Bench；DeepSeek 说它用 Claude Code 跑 Terminal Bench，用 “Mini-SWE-V2” 跑 DeepSWE。一两分的差距不该左右决策，但 NL2Repo 上 7 分的差距就很难忽略了。
独立数据方面，SandBase 存档的 Artificial Analysis 快照（Intelligence Index v4.3，数据抓取于 2026-10-19）给 “DeepSeek V4.1 Flash 1017 (Max)” 的分数是 45.1。这只是一个综合分（方法说明），不能当作编程能力的结论。M3.1 Flash 还没被收录，所以这项指数上暂时没法横向比。
MiniMax 发布博文里的 ALE 成本图：M3.1 Flash 跑完 152 道题通过率 29.6%，估算总成本 $111。图里没有 DeepSeek V4.1 Flash，这也是 ALE 对比至今没有定论的原因之一。
MiniMax 最有力的论点其实不是绝对分数，而是”完成一个任务花多少钱”。按它的图，152 道 ALE 题全跑完约 $111。我们在 DeepSeek V4.1 Flash 1017 更新解读里提过，DeepSeek 也做了类似的效率宣传，说 1017 输出更短。两家都没有公开可复现的逐题账单，只能当方向性参考。
36 次真实调用测出了什么
我们写了一个小脚本，10 月 21 日通过 SandBase 的 Chat Completions 接口跑。三道题，全部由代码自动判分，不靠肉眼：
- 修 bug： 修复
median()的越界错误，返回的函数必须通过 4 个单测。 - 工具调用： “订单 A-1043 被扣了两次款，把重复的那笔退掉”。第一步必须是
get_order("A-1043")，不能一上来就issue_refund。 - 发票 JSON： 抽取供应商、发票号、含税总额，以及需要在开票日上加 30 天才能算出的到期日。
每道题跑 3 次，四种配置：M3.1 Flash 默认（max）档、M3.1 Flash low 档、DeepSeek V4.1 Flash 默认设置，外加 MiniMax M3 作为基线。
由原始 JSONL 日志渲染的汇总，2026-10-21。成本按当天 SandBase 模型页价格计算（M3.1 Flash $0.15 / $0.60，DeepSeek $0.22 / $0.90）。M3 唯一一次失败是到期日算错了。
通过率打平，这是老实的结果：题目太简单，分不出两个 Flash 的质量高下。差异出在别处。
延迟。 M3.1 Flash 延迟中位数在 max 档是 3.26 秒、low 档 3.21 秒，DeepSeek 是 4.27 秒。工具调用最明显：M3.1 Flash 约 2.5 秒就返回了 get_order，而且即使在 max 档，推理 token 也是 0；DeepSeek 约 3.4 秒。
输入 token 计数。 同一道修 bug 题，M3.1 Flash 计 278 个输入 token，DeepSeek 只计 106 个；带上工具定义后是 525 对 381。一部分是分词器差异，但更大一块看起来是 MiniMax 线路上的固定开销；我们在 M3.1 Flash 指南里记录过，一句话的提示词也被计为 219 个。对短小、高频的调用来说，这会吃掉 MiniMax 的一部分价格优势。
成本。 9 次调用，M3.1 Flash max 档花了 $0.00198，low 档 $0.00091；DeepSeek 按 SandBase 优惠价是 $0.00204。如果把 DeepSeek 这批 token 按它自己的官方非高峰价重算，约 $0.00136，比 M3.1 Flash max 档还便宜；按高峰价则约 $0.00273。整轮测试里最省的配置是 M3.1 Flash low 档，原因是 DeepSeek 默认开着思考，修 bug 题花了 174–354 个输出 token，而 M3.1 Flash low 只花了 96–114 个。
我们还把 MiniMax 那张跑分表图片丢给两个模型，让它们以 JSON 返回三组分数。两边各跑两次，6 个值全部正确：5 个分数，外加 Opus 5 那格空着的 CyberGym 返回了 null。不过同一张图，M3.1 Flash 计了 4,103 个输入 token，DeepSeek 只计 1,087 个。截图密集型的 Agent 要把这一点算进去。
视觉读表测试，2026-10-21：4 次调用全部正确，同一张图在 M3.1 Flash 上消耗的输入 token 约为 DeepSeek 的 3.8 倍。
这组测试证明不了什么：高难度编程、长链路多步 Agent、百万 token 上下文、高并发吞吐、连续多天的错误率，统统没覆盖。一个下午、36 次短调用，只能排除明显的接入问题，暴露 token 计费上的差异，选不出质量上的赢家。
怎么选
这些情况选 MiniMax M3.1 Flash：
- Agent 主要在结构化业务系统里干活（CRM、财务、工单），这正是它 Automation-Bench 和 BankerToolBench 自报分数最强的地方。
- 流量集中在国内或欧洲工作时段，你想要一个全天不变、没有高峰价的单价。
- 需要超长输出；SandBase 标注它最大 512K，DeepSeek 是 384K。
- 想要工具调用回合快。我们实测它的工具调用返回更快，而且不花推理 token。
这些情况选 DeepSeek V4.1 Flash：
- 编程质量优先。DeepSWE、Terminal Bench 4.0、NL2Repo 三项，连 MiniMax 自己的表里都是它领先。
- 需要真正的非思考模式，做低延迟的分类、路由或 FIM 补全。
- 现在就要私有部署或审计权重。它已经以 MIT 许可证上了 Hugging Face；M3.1 Flash 还没有权重和许可证。
- 负载缓存命中率高，或者能挪到非高峰时段跑，DeepSeek 的单价更低。
有路由层就两个一起用。 比较合理的分工是：代码生成交给 DeepSeek，高频的工具编排交给 low 档的 M3.1 Flash。等 M3.1 Flash 的权重和独立评测出来，再测一轮。DeepSeek Flash 系列的演变可以看 DeepSeek V4.1 Flash vs V4 Pro；M3.1 Flash 各档 effort 的细节见 MiniMax M3.1 Flash API 与价格指南。
常见问题
MiniMax M3.1 Flash 比 DeepSeek V4.1 Flash 便宜吗？
非高峰时段单价相同（$0.15 / $0.60）；在 DeepSeek 工作日高峰时段，M3.1 Flash 只要一半。但 DeepSeek 的缓存命中价更低，而且我们实测同样的文本在 M3.1 Flash 上计的输入 token 更多，所以哪个更省取决于你的流量结构。
写代码哪个更强？
看公开跑分是 DeepSeek V4.1 Flash 1017。在 MiniMax 自己的对比表里，它的 DeepSWE v1.1、Terminal Bench 4.0、NL2Repo-Bench 都更高。我们那道简单的修 bug 题，两边每次都做对了。
两个模型都能关闭思考吗？
DeepSeek V4.1 Flash 支持非思考模式。MiniMax M3.1 Flash 不支持，关闭思考会返回 HTTP 400，只能改用 reasoning_effort: "low"。
哪个有开源权重？
DeepSeek V4.1 Flash 和 1017 版本都已经以 MIT 许可证发布在 Hugging Face。MiniMax 表示 M3.1 Flash 权重稍后发布，截至 2026 年 10 月 21 日还没有。
能用一个 API Key 同时调用吗？
在 SandBase 上可以：同一个 /v1/chat/completions 接口，分别填 minimax/minimax-m3.1-flash 和 deepseek/deepseek-v4.1-flash。两者都是 SandBase 路由到的第三方模型，价格和限制以各自模型页为准。
对大多数团队来说，这不是谁赢谁输，而是怎么分流。DeepSeek 是更稳的编程默认选项，也是今天唯一能自己部署的；M3.1 Flash 更适合成本要可预期的 Agent 编排。比账单之前，先看看你的流量有多少落在 DeepSeek 的高峰时段里。