DeepSeek V4 Flash (0731) vs MiniMax M3

MiniMax M3 se ha retirado de nuestro catálogo. Las cifras de abajo son sus últimas tarifas publicadas. Ya no atendemos llamadas a ese modelo; al otro de esta comparativa, sí.

vs

Cuál usar y cuándo

Tanto deepseek-v4-flash-0731 como minimax-m3 son modelos de salida de texto con un contexto de 1000000 tokens, y minimax-m3 es el lado ligeramente más barato en tokens nuevos: $0.3 por millón de entrada y $1.2 de salida frente a $0.44 y $1.32. deepseek-v4-flash-0731 conserva la ventaja en la reutilización, con lecturas de caché a $0.044 frente a $0.06, aproximadamente 1.4x menos, aunque su salida máxima de 393216 tokens queda por debajo del tope de 524288. Elija minimax-m3 cuando necesite entrada de imagen o video, la salida máxima más grande o la opción de desactivar el pensamiento. Elija deepseek-v4-flash-0731 para chat, código y razonamiento de solo texto donde los prefijos en caché dominan la factura.

Benchmarks

MiniMax M3: el proveedor no ha publicado resultados de benchmarks.

Sobre la mediaDeepSeek V4 Flash (0731)10 / 28
DeepSeek V4 Flash (0731) MiniMax M3 otros modelos medidos media de los modelos comparados ★ ningún otro modelo puntuó más alto
SWE-Bench Pro
56%
N/A
Cybergym
76.7%
N/A
JobBench
41.3%
N/A
GPQA Diamond
89.9%
N/A
Agents' Last Exam
25.2%
N/A

Publicado por los proveedores: Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Anthropic Anthropic Anthropic Anthropic ByteDance DeepSeek DeepSeek Google Google Google Google MiniMax Moonshot OpenAI OpenAI OpenAI OpenAI OpenAI Tencent Z.ai Z.ai Z.ai Z.ai

Precios

DeepSeek V4 Flash (0731) MiniMax M3 Δ
Entrada / 1M tokens $0.44 $0.3 1.5×
Salida / 1M tokens $1.32 $1.2 1.1×
Lectura de caché / 1M tokens $0.044 $0.06 0.73×
Escritura en caché sin cargo aparte sin cargo aparte -

Tarifas tomadas del catálogo en vivo al generar el sitio; la página de cada modelo tiene la ficha de precios actualizada.

Dónde queda cada uno: precio de entrada por 1M de tokens entre los 91 modelos de chat que se facturan en esta unidad (escala logarítmica)

Capacidades

DeepSeek V4 Flash (0731) MiniMax M3
Uso de herramientas sí sí
Control del razonamiento

sí

el proveedor no publica cómo ajustarlo

configurable
Salida estructurada sí -
Caché de prompts implícito (automático) implícito (automático)
Duración de la caché no fixed TTL (evicted when unused) no publicado
Prefijo mínimo en caché no publicado 512 tokens

Especificaciones

DeepSeek V4 Flash (0731) MiniMax M3
Modalidades de entrada texto texto imagen vídeo
Modalidades de salida texto texto
Lanzamiento 2026-07-31 2026-06-01
Ventana de contexto 1.000.000 1.000.000
Salida máxima 393.216 524.288
Parámetro de razonamiento -
  • thinking.type
  • reasoning_split
Valores aceptados -
thinking.type
  • adaptive
  • disabled
reasoning_split
  • boolean
Valor por defecto - adaptive: pensamiento activado, y el modelo decide cuándo conviene razonar más

Las especificaciones se transcriben de la documentación de cada proveedor; si un proveedor no publica un dato, la fila se omite en vez de deducirlo. Fuentes completas: DeepSeek V4 Flash (0731) · MiniMax M3

Un mismo prompt en los dos modelos, medido a través de la pasarela

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. COMPROBACIÓN exactamente 3 frases

DeepSeek V4 Flash (0731) superado · 3 sentences

Enabling reasoning mode prompts the model to generate extensive internal chain-of-thought tokens before answering, often multiplying total token output per query by several times. This directly inflates costs because we are billed per token, and these reasoning tokens are processed at a premium compute tier that carries a higher price per million tokens. However, this spend buys measurably higher accuracy and fewer failed calls, so we are tracking it against specific error-reduction KPIs to ensure the ROI justifies the increase.

salida 365 tok (+266 razonamiento) latencia 5.1 s

MiniMax M3 superado · 3 sentences

Reasoning models don't just answer — they first generate extensive internal "thinking" tokens to work through the problem step-by-step, and you're billed for all of those tokens even though users never see them. A query that previously cost ~200 tokens may now cost 2,000–10,000 once reasoning is enabled, multiplying per-query spend by roughly 5–50x while the visible output stayed the same size — that's the doubling. The lever is tuning: cap reasoning effort on simple queries, cache the reasoning traces, and reserve the full reasoning model for only your hardest 10–20% of requests, which typically restores 60–80% of the savings.

salida 764 tok (+629 razonamiento) latencia 3.5 s

Cumplimiento de la instrucción (exactamente tres frases, se pueden contar), adaptación al público (registro de CFO) y la diferencia de facturación por razonamiento oculto que dejan ver los contadores de tokens de abajo.

PROMPT This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. COMPROBACIÓN la corrección pasa las pruebas

DeepSeek V4 Flash (0731) superado · 8/8 cases

```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` The original bug stems from initializing `cur` to 0 and only incrementing it when adjacent elements are equal, which counts the number of *equal transitions* rather than the actual run length—so every run of length L is reported as L−1, and a single‑element run (with no transitions) yields 0. Moreover, because `best` is updated only inside the equality branch, it never accounts for a run that ends at the last element if that run is longer than any previously seen (though the real issue remains the off‑by‑one). […]

salida 1268 tok (+1016 razonamiento) latencia 14.0 s

MiniMax M3 superado · 8/8 cases

The bug is that the loop starts at index 1 and treats `cur` as the number of *equal transitions* rather than the run length, so a run of *k* consecutive equal items is reported as `k − 1`, and a single-element list (where the loop body never executes) returns 0 instead of 1. A correct version tracks the actual run length by seeding `cur = 1` and resetting it to 1 (not 0) on a mismatch: ```python def longest_run(xs): if not xs: return 0 best = cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 if cur > best: best = cur return best ``` Now `[5]` returns `1`, `[1,1,1]` returns `3`, and a run like `[1,2,2,2]` that ends at the last index is correctly captured as `3` because `cur` is updated before `best` is compared on every iteration, including the final one.

salida 845 tok (+596 razonamiento) latencia 3.5 s

Si la corrección funciona de verdad (se puede ejecutar), lo densa que es la explicación y la eficiencia en tokens en una tarea acotada.

PROMPT Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. COMPROBACIÓN JSON válido, esquema exacto

DeepSeek V4 Flash (0731) superado · 5/5 fields, guidance null

{ "company": "Meridian Robotics", "quarter": "Q3", "revenue_usd_m": 412, "growth_pct": null, "guidance": null }

salida 1119 tok (+1072 razonamiento) latencia 12.3 s

MiniMax M3 superado · 5/5 fields, guidance null

```json { "company": null, "quarter": "Q3", "revenue_usd_m": 412, "growth_pct": null, "guidance": null } ```

salida 1002 tok (+955 razonamiento) latencia 3.6 s

Respeto del esquema (sin campos inventados), tentación de alucinar (la guidance se omite a propósito) y diferencias entre las vías de salida estructurada.

PROMPT Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. COMPROBACIÓN 120 palabras, 0 palabras prohibidas

DeepSeek V4 Flash (0731) no superado · 141 words, 0 banned, 1 question

**Introducing Prompt Cache for API Gateway** We are pleased to announce Prompt Cache, a new feature that stores and reuses identical prompt prefixes across all connected LLM providers. By automatically recognizing repeated requests, this cache reduces token consumption and lowers latency without altering your application logic. Whether you use OpenAI, Anthropic, or open-source models, the cache operates transparently, ensuring consistent behavior while cutting costs. Developers can configure cache TTL and scoping rules via a simple API call, giving you precise control over data freshness and privacy. This feature also minimizes redundant upstream calls, freeing provider rate limits for more critical workloads. Start caching today through the dashboard or CLI, and watch your operational expenses drop significantly. […]

salida 254 tok (+80 razonamiento) latencia 4.4 s

MiniMax M3 superado · 121 words, 0 banned, 1 question

Introducing PromptCache, our intelligent caching layer for the API gateway. Tired of paying twice for identical requests? The feature stores prompt-response pairs across every connected provider, returning cached results instead of hitting costly endpoints. Deployment requires only a single configuration flag, and semantic similarity detection happens automatically. Latency drops up to 70% on repeated traffic while costs follow the same downward curve. Developers access detailed cache hit metrics, eviction logs, and provider breakdowns through the dashboard. Whether routing to OpenAI, Anthropic, or local models, every cached token saves time and money. The cache respects TTL policies, supports manual purging, and encrypts stored content. Available today for Pro and Enterprise tiers—enable PromptCache on existing endpoints and watch inference bills shrink immediately.

salida 2808 tok (+2656 razonamiento) latencia 6.0 s

Respeto de las restricciones (límite de palabras, lista de palabras prohibidas, una única pregunta), sello de estilo y control de la longitud.

Cambia de uno a otro con una sola línea

Los dos ids aparecen en todas las pestañas de abajo; lo único que cambia es el par de líneas resaltadas. El endpoint, la clave y la estructura de la solicitud son los mismos.

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="deepseek-v4-flash-0731",
    # model="minimax-m3",  # descomenta esta línea, comenta la de arriba
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
print(resp.choices[0].message.content)

Obtén tu clave API →

Preguntas frecuentes

¿Cuál es más barato, DeepSeek V4 Flash (0731) o MiniMax M3?

MiniMax M3 es más barato en Entrada / 1M tokens ($0.3 frente a $0.44, una diferencia de 1.5×). En otras filas puede ser al revés: la tabla de arriba recoge todas las tarifas, y el coste real depende de tu combinación de uso.

¿Puedo hacer pruebas A/B de DeepSeek V4 Flash (0731) frente a MiniMax M3 sin dos integraciones?

Sí. Los dos se sirven desde el mismo endpoint compatible con OpenAI y con una sola clave API. Para cambiar de uno a otro basta con tocar una línea, el nombre del modelo, así que puedes mandar una parte del tráfico a cada uno y comparar directamente las facturas.

¿Admiten DeepSeek V4 Flash (0731) y MiniMax M3 caché de prompts?

Sí. Los dos cobran las lecturas de caché por debajo de su tarifa de entrada, así que las cargas de trabajo que reutilizan un prefijo ya cacheado cuestan menos de lo que sugieren los precios de lista. Las tarifas exactas de lectura de caché están en la tabla de precios de arriba.

Comparativas relacionadas

De nuestros estudios con mediciones