Autoren丨Wu Haiming, Li Na
Redaktion丨Li Na
Kaum hat DeepSeek den Preis-Leistungs-Maßstab für chinesische Flash-Modelle einen Schritt vorangetrieben, folgt MiniMax mit dem namentlich bekannten „Space Bunny“.
Am 17. Oktober aktualisierte DeepSeek, von Nutzern scherzhaft „der dicke Fisch“ genannt, sein V4.1 Flash-1017; nur zwei Tage später veröffentlichte MiniMax offiziell das M3.1 Flash und bekannte sich zum zuvor in der Entwicklercommunity viel beachteten anonymen Modell Space Bunny. Nach dem Auftritt der beiden chinesischen Flash-Modelle im schnellen Abstand machen sich Nutzer bereits über den „dicken Fisch“ und den „Space Bunny“ lustig.
Doch diesmal kam MiniMax wirklich nicht nur für einen Preiskampf.
Laut den nun veröffentlichten Modellevaluationenbelegt das M3.1 Flash im Vergleich komplexer Agent-Aufgaben bei Automation-Bench den ersten Platz, teilt bei BankerToolBench mit Opus 5 den ersten Platz und liegt beim Coding-Preis-Leistungs-Verhältnis nur hinter DeepSeek. Die beiden chinesischen Flash-Modelle wurden kurz nacheinander aktualisiert – eines behält die Führung im Software-Engineering, das andere legt bei komplexen Agent-Aufgaben bessere Ergebnisse vor.
Auf dem Automation-Bench-Datensatz weist das M3.1 Flash die beste Kostenverteilung pro Aufgabe auf
Wir haben das M3.1 Flash ebenfalls mit einer praktischen Aufgabe getestet: Dem Modell gaben wir eine handgezeichnete Grundrisszeichnung und eine Tabelle mit Gebäudemaßen und ließen es von Grund auf einen interaktiv im Browser nutzbaren 3D-Campus errichten.
Beide Lösungen erfüllten die wichtigsten Anforderungen, doch MiniMax Code＋M3.1 Flash benötigte 55.4 Minuten, während OpenCode＋DeepSeek V4.1 Flashetwa 121 Minutenbrauchte. Umgerechnet nach dem API-Preismodell dieses Tests lagen die Modellkosten beider Seiten bei jeweils rund 6.5 Yuan.
Bei ebenfalls nur einigen Yuan Modellkosten sparte MiniMax rund 65 Minuten ein.
01
Der Space Bunny zeigt sein wahres Gesicht –
worin ist MiniMax diesmal stark?
Bevor es sich offiziell zu erkennen gab, hatte Space Bunny in der Entwicklercommunity bereits einige Aufmerksamkeit erregt.
Wie OpenRouter mitteilte, stand es 10 Tage in Folge an der Spitze der Modellauslastung der Plattform und verarbeitete kumuliert 56.7T Token. MiniMax bestätigte nun auch, dass dieses anonyme Modell in den einschlägigen Tests und Nutzungszeiträumen mehr als 200T Token verarbeitete.Schnelligkeitwar zuvor der Eindruck vieler Entwickler von ihm.
Der Entwickler Hassan teilte auf X zudem einen sehr anschaulichen Vergleich: Er ließ M3.1 Flash und Claude Opus 5.5 jeweils eine Launch-Landingpage für ein Hardwareprodukt erstellen. Das Design von MiniMax gefiel ihm sehr gut, und die Rechnungen beliefen sich auf lediglich 0.014 US-Dollar bzw. 1.22 US-Dollar. In seinem Test war MiniMax zudem rund 4-mal schneller fertig.
Natürlich kann ein einzelner Entwicklertest nicht das Gesamtniveau eines Modells wiedergeben. Bemerkenswert bei MiniMax ist diesmal aber auch die erreichte Benchmark-Position nach der offiziellen Veröffentlichung.
Bis zum 20. Oktober erreichte das M3.1 Flash in der Rangliste von Artificial Analysis (AA) einen Intelligenzindex von 43 Punkten, während die Vorgängergeneration M3 auf 29 Punkte kam – eine Steigerung von nahezu fünfzig Prozent. Gleichzeitig sanken die aufgaben-gewichteten durchschnittlichen Modellkosten von 0.51 US-Dollar auf 0.22 US-Dollar.Das heißt: Die Punkte sind gestiegen, während die Kosten pro erledigter Aufgabe um mehr als die Hälfte gesunken sind.
Das M3.1 Flash erreichte in der AA-Rangliste 43 Punkte und gehört damit weltweit zur Spitzengruppe der Modelle
Doch will man es wirklich mit dem erst zwei Tage zuvor aktualisierten DeepSeek V4.1 Flash-1017 aufnehmen, so haben beide Modelle ihre jeweiligen Stärken und Schwächen.
Im Software-Engineering-Benchmark DeepSWE v1.1 erreichte DeepSeek 77.0 %, während M3.1 Flash auf 73.7 % kam. Obwohl weiterhin ein Abstand besteht, bewegt sich Letzteres bereits in einem nahezu gleichen Ergebnisbereich wie Opus 5 (74.0 %) und GPT-5.6 Sol (73.0 %). Beim in diesem Vergleich veröffentlichten Coding-Preis-Leistungs-Vergleich belegt DeepSeek den ersten Platz, dicht gefolgt von MiniMax.
Aber bei den komplexen Agent-Aufgaben, auf die sich MiniMax dieses Mal konzentriert hat, kehrt sich das Bild um. Im in dieser Veröffentlichung enthaltenen Modellvergleich Automation-Bench v1.0.6 übertrifft M3.1 Flash DeepSeek und belegt den ersten Platz; bei BankerToolBench erreichte es 76.2 % und teilt sich damit den ersten Platz mit Opus 5. Außerdem erzielte es im Cybersecurity-Benchmark CyberGym ein Ergebnis von 82.2 %.
Abbildung: Daten der Benchmark-Rangliste
Auch die Testinhalte von Automation-Bench sind relativ nah an der realen Arbeitswelt. Es wurde von der SaaS-Automatisierungsplattform Zapier erstellt und umfasst 600 echte unternehmerische Geschäftsprozess-Aufgaben, die Szenarien wie Vertrieb, Marketing, Betrieb, Kundenservice, Finanzen und HR abdecken. Im Gegensatz zum bloßen Generieren eines Codeabschnitts testen solche Aufgaben stärker, ob das Modell in der Lage ist, Tools über verschiedene Systeme hinweg kontinuierlich aufzurufen und eine Sache von Anfang bis Ende zu erledigen. BankerToolBench verlagert die Szenarien hingegen in den Finanzbereich und stellt höhere Anforderungen an mehrstufige Planung, informationsübergreifende Dokumentenverarbeitung und Tool-Aufrufe.
So gesehen müssen DeepSeek und MiniMax auch gar nicht sofort einen Gesamtsieger ermitteln.Beim Coding behält DeepSeek die Oberhand; bei den komplexen Agent-Aufgaben konnte MiniMax hingegen einen Punkt gutmachen. Für Entwickler gibt es damit eine weitere schlagkräftige heimische Flash-Option.
Wichtiger noch: Neben dem diesmal gestiegenen Ergebnis kostet M3.1 Flash pro Million Token 1 Yuan für die Eingabe, 4 Yuan für die Ausgabe und nur 0.1 Yuan für das Lesen aus dem Cache. Im Vergleich zur Vorgängergeneration M3 sanken die Preise für Eingabe und Ausgabe um etwa die Hälfte, der Preis für das Cache-Lesen sank um etwa 75 %; im Vergleich zu DeepSeek V4.1 Flash-1017 entsprechen seine Eingabe- und Ausgabepreise der Hälfte derer zu Spitzenzeiten und liegen auf dem Niveau der Schwachlastzeiten, zudem wird rund um die Uhr nicht zwischen Spitzen- und Schwachlastzeiten unterschieden.
Nach der Preisveröffentlichung machte man in den Kommentaren bereits Witze über DeepSeek: „MiniMax steht ja gerade fürs Preis-Leistungs-Verhältnis – bei diesem Preis braucht man doch keinen großen fetten Fisch mehr, oder?“
Auch die Bewertung eines langjährigen Nutzers fiel direkter aus: „Ob es nun so stark ist, sei dahingestellt – nach so langer Zeit des Zurückfallens ist es nun endlich wenigstens wieder im Zeitgeist angekommen.“
Scherz beiseite, diese beiden Stimmen zeigen recht gut, in welcher Lage sich MiniMax diesmal befindet. Wenn in der Vergangenheit über seine Textmodelle gesprochen wurde, war der Preis oft eher Gesprächsstoff als die Fähigkeiten – doch mit M3.1 Flash liegt nun zumindest ein Ergebnisausweis vor, der einen direkten Vergleich mit führenden Modellen ermöglicht.Der niedrige Preis ist nicht mehr das einzige Verkaufsargument – MiniMax hat endlich die Gelegenheit, dass Entwickler gleichzeitig über seine Fähigkeiten und sein Preis-Leistungs-Verhältnis sprechen.
02
Praxistest: Beim Bau desselben 3D-Campus
brauchte MiniMax 65 Minuten weniger
Auf der Rangliste sind die beiden Flash-Modelle in etwa ausgeglichen, und wir haben ihnen dieselbe praktische Aufgabe gestellt: Aus einer handgezeichneten Campus-Skizze und einer Tabelle mit Gebäudemaßen sollte von Grund auf ein interaktiv im Browser nutzbarer 3D-Campus erstellt werden.
Die zur Aufgabe gelieferten Materialien sind eine handgezeichnete Campus-Skizze und eine Tabelle mit Gebäudemaßen; gefordert waren die Gestaltung des Campus-Layouts und eine Kollisionsprüfung, das Erstellen eines Blender-Skripts zur Modellierung, das Beibehalten editierbarer Quelldateien samt Export als GLB sowie anschließend die Umsetzung als interaktive Webseite mit Three.js, unterstützt mit Gebäudeauswahl, Detailansicht, Kamerapositionierung und simulierter Zeit.
Für die Tests wurden verwendet: MiniMax Code＋M3.1 Flash und OpenCode＋DeepSeek V4.1 Flashdie beide in derselben lokalen Umgebung liefen.
Handgezeichnete Campus-Skizze und Datentabelle mit Gebäudemaßen
▎Beide haben abgeliefert, MiniMax bietet reichhaltigere Interaktionsdetails
Betrachtet man zunächst das Ergebnis: Beide Lösungen erfüllten die wichtigsten Anforderungen, doch die Darstellung der Seite unterscheidet sich.
DeepSeek ist eher auf die Anzeige von Gebäudedaten ausgerichtet und strukturiert die Informationen über eine Liste links, ein Detailpanel rechts und einen Zeitschieberegler unten; MiniMax platziert Gebäudenummer, Informationen zum Gelände und den Ansichtswechsel an auffälligerer Stelle, und beim Anklicken eines Gebäudes sorgen eine orange hervorgehobene Kontur und ein schwebendes Label dafür, dass der Zusammenhang zwischen Szene und Gebäudedaten anschaulicher wird.
Beide haben editierbare Quelldateien beibehalten, und die exportierten GLB-Modelle bestanden die Prüfung anhand von sechs GebäudeNummern. Für diese Aufgabe lieferten beide Lösungen ein lauffähiges und später weiter bearbeitbares Projekt ab.
▎Bei denselben rund 6,5 Yuan gab MiniMax eine Stunde früher ab
Den eigentlichen Unterschied macht die Zeit aus.
Laut den lokalen Sitzungsstatistiken brauchte das MiniMax-Gespann 55,4 Minuten, das DeepSeek-Gespann hingegen rund 121 Minuten. Ersteres benötigte rund 65 Minuten weniger, die Sitzungsdauer verkürzte sich um 54 %.
Die Modellabrechnungen beider Seiten unterschieden sich kaum. Umgerechnet nach den am 20. Oktober überprüften offiziellen API-Preisen betragen die Modellkosten von MiniMax für diese Aufgabe etwa 6,50 Yuan, bei DeepSeek sind es zum Spitzenpreisen berechnet etwa 6,52 Yuan. Die Cache-Trefferquote bei diesem Lauf von MiniMax erreichte 98,1 %, was ebenfalls dazu beitrug, die Kosten für mehrere aufeinanderfolgende Aufrufe niedrig zu halten.
Bei vollständig erfüllten Hauptanforderungen und nahezu gleichen Modellkosten erledigte MiniMax in weniger als einer Stunde die Arbeit, für die das DeepSeek-Gespann rund zwei Stunden brauchte. Für Agenten, die Werkzeuge kontinuierlich aufrufen und Code wiederholt ändern müssen, ist eine Stunde weniger Wartezeit allein schon ein durchaus praktischer Vorteil.
03
Flash beginnt den Flaggschiffen das Geschäft abzujagen,
der Preiskampf verlagert sich auf die Aufgabenkosten
Früher wurde Flash eher als billige Alternative zu den Flaggschiff-Modellen betrachtet.
Nur bei begrenztem Budget und einfachen Aufgaben zogen Entwickler Flash zuerst in Betracht; bei komplexer Softwareentwicklung oder mehrstufigen Aufgaben waren sie es gewohnt, diese den leistungsfähigeren Flaggschiffen zu überlassen. Doch mit den nacheinander erfolgenden Updates von DeepSeek und MiniMax beginnt sich diese Auswahl zu ändern.
Besonders in Agent-Szenarien muss das Modell Dateien wiederholt lesen, Werkzeuge aufrufen, Code ändern und Fehlermeldungen verarbeiten. Eine Aufgabe kann Dutzende Minuten oder sogar Stunden dauern, und Entwickler achten darauf,wie viel Zeit und Kosten insgesamt benötigt werden, um die gesamte Arbeit abzuschließen.
Der von MiniMax diesmal veröffentlichte ALE-Kostenvergleich liefert dafür ein anschauliches Beispiel.
Von den 152 Aufgaben des vollständigen ALE-v1 Overall-Datensatzes erreichte M3.1 Flash eine Bestehensquote von 29,6 %, die geschätzten Modellkosten für die gesamte Bewertung beliefen sich auf rund 739 Yuan; GPT-5.6 Sol mit einer ähnlichen Bestehensquote (etwa 30,6 %) verursachte Kosten von rund 5000 Yuan.
ALE-Kostendiagramm
Die Abschlussquoten beider unterscheiden sich in dieser Bewertung nur um etwa 1 Prozentpunkt, die Modellkosten jedoch um fast das 7-Fache.
Natürlich zeigt auch die Bestehensquote von 29,6 %, dass M3.1 Flash noch weit davon entfernt ist, Flaggschiffe umfassend zu ersetzen; beim echten Einsatz müssen Fehlversuche mit Wiederholung und manuelle Kontrollen weiterhin in die Kosten eingerechnet werden. Doch für einen Teil der komplexen Aufgaben haben Entwickler inzwischen einen Grund, zuerst Flash auszuprobieren, statt gleich das teuerste Modell aufzurufen.
MiniMax wird später zudem eine Pro-Version veröffentlichen, die eine höhere intellektuelle Obergrenze anstrebt. Und die Wirkung von Flash auf die Flaggschiffe zeigt sich bereits:Arbeiten, für die früher ein Flaggschiff aufgerufen werden musste, können jetzt teilweise vom günstigeren Flash erledigt werden. (Lei Feng Wang (Öffentlicher Account: Lei Feng Wang))
Dieser Artikel von Lei Feng Wang ist ein Originalbeitrag; ein Nachdruck ohne Genehmigung ist untersagt. Details sieheNachdruckhinweise。