MiniMax M3.1 Flash vs. DeepSeek V4.1 Flash vs. Claude Haiku 5.5: Ein Bugfix, drei Rechnungen

Drei günstige Coding-Modelle kamen innerhalb von vier Wochen auf den Markt: DeepSeek V4.1 Flash (mit seinem 1017-Update), Claude Haiku 5.5 und MiniMax M3.1 Flash, das seine erste Woche als anonymes Space Bunny verbrachte. Alle drei haben ein Kontextfenster von 1M Tokens und kosten zwischen $0.10 und $0.17 pro Million Eingabetokens. Welches Modell sollte man also für alltägliche Programmieraufgaben verwenden?

AIHubMix ließ alle drei Modelle denselben Bugfix jeweils dreimal über einen einzigen API-Schlüssel bearbeiten. Jedes Modell behob den Fehler jedes Mal korrekt, doch Kosten und Wartezeiten unterschieden sich deutlich:

• Claude Haiku 5.5 war mit den Standardeinstellungen am schnellsten und günstigsten: etwa 7 Sekunden und $0.0007 pro Fix.
• DeepSeek V4.1 Flash 1017 brauchte etwa 15 Sekunden und kostete $0.0014.
• MiniMax M3.1 Flash benötigte mit den Standardeinstellungen 56 Sekunden und kostete $0.0045. Mit der Einstellung low sank der Wert auf 9.5 Sekunden und $0.0006 – das günstigste Ergebnis im Test.

Bei der Korrektheit gibt es bei dieser Aufgabe keinen Sieger. Im Folgenden sehen Sie, was die Aufgabe mit den einzelnen Modellen kostet und wann welches Modell die richtige Wahl ist.

Warum diese drei Modelle?

Sie konkurrieren um dieselbe Aufgabe. Alle drei gehören zum günstigen, schnellen Segment ihrer jeweiligen Modellreihe und sind für alltägliche Programmieraufgaben und Agentenschritte gedacht:

• DeepSeek veröffentlichte V4.1 Flash am 10 September und das Update 1017 am 17 October.
• Anthropic veröffentlichte Haiku 5.5 am 7 October.
• Das Modell von MiniMax erschien am 23 September als Space Bunny Alpha, erhielt am 27 September seinen Namen und war ab dem 19 October auf AIHubMix per Token aufrufbar.

Nutzer vergleichen sie bereits. Während der kostenlosen Space-Bunny-Woche auf OpenRouter führte das Modell das Tagesranking an, vor DeepSeek V4.1 Flash. OrcaRouter veröffentlichte am Tag nach dem Start von Haiku einen Vergleich zwischen Haiku 5.5 und M3.1 Flash.

Die Preise entsprechen den Listenpreisen von AIHubMix am 19 October 2026. AIHubMix gewährt vom 19 bis 25 October 30% Rabatt auf DeepSeek V4.1 Flash 1017; dieser ist oben nicht berücksichtigt. Haiku 5.5 kostet bei Prompts mit mehr als 100K Tokens $0.50 / $2.50, also das Fünffache des Grundpreises. Die eigene API von DeepSeek berechnet zu Spitzenzeiten den doppelten Preis, während AIHubMix einen Einheitspreis angibt. Die Videoeingabe für M3.1 Flash ist in der Dokumentation von MiniMax aufgeführt; AIHubMix listet dafür derzeit Text und Bild.

Die technischen Daten stammen aus der Dokumentation der jeweiligen Anbieter: der Modellübersicht von MiniMax, der Modell- und Preisseite von DeepSeek und der Haiku-Seite von Anthropic. Die Benchmark-Ergebnisse von DeepSeek sind Eigenangaben aus dem technischen Bericht zu V4.1 Flash. OrcaRouter führt für Haiku einen Wert von 43 von Artificial Analysis an. MiniMax M3.1 Flash hat weder von MiniMax noch von anderen veröffentlichte Benchmark-Ergebnisse.

Die Aufgabe

Beim Test geht es um die Behebung zweier Fehler in einer Abrechnungsfunktion – genau die Art von „schnellem Bugfix“, für die alle drei Anbieter ihre Modelle anpreisen:

def billable_days(start: date, end: date, pauses: list[tuple[date, date]]) -> int:
    """Days in the half-open period [start, end) when the subscription was active.
    `pauses` holds inclusive (first_day, last_day) ranges..."""
    total = (end - start).days
    for p_start, p_end in pauses:
        s = max(p_start, start)
        e = min(p_end, end)
        if s <= e:
            total -= (e - s).days + 1
    return total

Im Prompt werden die Symptome genannt („Abrechnung für einen Tag zu wenig“, wenn eine Pause über das Ende des Abrechnungszeitraums hinausgeht, und „zu wenige Tage, manchmal ein negativer Wert“ bei sich überschneidenden Pausen), und es wird ausschließlich die korrigierte Funktion verlangt. Anschließend führt ein lokaler Test-Harness 215 verborgene Testfälle aus: 15 von Hand geschriebene Grenzfälle (aneinandergrenzende Pausen, ineinander verschachtelte Pausen, eine den gesamten Zeitraum abdeckende Pause und ein leerer Zeitraum) sowie 200 Zufallsfälle, die mit einer Brute-Force-Referenzlösung abgeglichen werden. Die ursprüngliche Funktion besteht 138 davon.

Jedes Modell wurde am 19 October 2026 jeweils dreimal über den Chat-Completions-Endpunkt von AIHubMix mit Standardeinstellungen ausgeführt. M3.1 Flash wurde zusätzlich mit low getestet. Sämtliche Werte wurden von AIHubMix gemessen; niemand sonst hat sie reproduziert.

Ergebnisse

Die Kosten basieren auf den AIHubMix-Preisen des jeweiligen Modells für Eingaben, zwischengespeicherte Eingaben und Ausgaben. Bei allen drei Modellen werden Thinking-Tokens wie Ausgabetokens abgerechnet.

Die Ergebnisse zeigen Folgendes:

• Bei der Korrektheit herrscht Gleichstand. Zwölf Durchläufe, zwölf fehlerfreie Fixes. Mit dieser Aufgabe lassen sich die drei Modelle qualitativ nicht voneinander unterscheiden – und wir behaupten auch nicht, dass es anders wäre.
• Die Standardeinstellungen bestimmen die Kosten. Flash denkt bei derselben Aufgabe standardmäßig etwa 8× so viel wie Haiku. Der Fix mit Haikus Standardeinstellung kostet etwa ein Sechstel des Fixes mit Flashs Standardeinstellung ($0.70 gegenüber $4.45 pro tausend Fixes).
• Flash mit low ist die günstigste Konfiguration: Mit $0.64 pro tausend Fixes liegt es knapp unter Haikus $0.70. Haiku ist dennoch schneller.
• Auch die reine Geschwindigkeit unterscheidet sich. Die Ausgabetokens geteilt durch die verstrichene Zeit ergaben etwa 183 Tokens/s für Haiku, 148 für DeepSeek und 112 für Flash. Haiku erzeugt weniger Tokens und gibt sie schneller aus.

Bei 1.000 Fixes wie diesem: Haiku kostet etwa $0.70, DeepSeek etwa $1.35 und Flash mit Standardeinstellungen etwa $4.45 oder mit low $0.64.

Bei einer zweiten, deutlich kürzeren Aufgabe – fünf Support-Tickets vier Kategorien zuordnen – waren alle 30 Antworten über die drei Modelle und ihre Einstellungen hinweg korrekt. Jeder Aufruf kostete weniger als $0.0001. Flash verwendete 0 bis 6 Thinking-Tokens, Haiku keine und DeepSeek etwa 25, selbst wenn reasoning_effort: "none" über AIHubMix gesendet wurde. Bei kurzen Aufrufen wie diesen sind die Unterschiede für die Rechnung unerheblich.

Womit jedes Modell punktet

Claude Haiku 5.5 ist die erste Wahl, wenn jemand auf eine Antwort wartet. Mit Standardeinstellungen war es am schnellsten und günstigsten und hat die beste unabhängige Bewertung der drei. In zwei Punkten ist es schwächer: Bei Prompts über 100K Tokens steigt der Preis auf das Fünffache, und die Ausgabe ist auf 128K begrenzt.

DeepSeek V4.1 Flash 1017 ist die richtige Wahl, wenn Sie Nachweise und Kontrolle benötigen. Es verfügt über die meisten veröffentlichten Benchmark-Daten, offene Gewichte unter MIT-Lizenz, einen echten Modus ohne Thinking und eine Ausgabegrenze von 384K. Bei unserer Aufgabe lag das standardmäßige Thinking zwischen den beiden anderen.

MiniMax M3.1 Flash ist die richtige Wahl für lange Eingaben zu einem einheitlichen Preis oder wenn Sie den Thinking-Aufwand abstimmen möchten. AIHubMix berechnet unabhängig von der Prompt-Länge einen einzigen Preis, die Ausgabe kann bis zu 512K betragen und MiniMax dokumentiert die Videoeingabe. Mit low war es das günstigste Modell im Test. In drei Punkten ist es schwächer: Die Standardeinstellung ist hier die langsamste und teuerste, bisher hat niemand das Modell getestet und Thinking lässt sich nicht deaktivieren.

Der Preisunterschied bei langen Prompts lässt sich leicht unterschätzen. Nehmen wir als Schätzung einen Prompt mit einer 300K-Tokens-Codebasis, ohne Caching, und berücksichtigen wir nur die Eingabekosten. Angenommen, Haiku 5.5 berechnet den Tarif für mehr als 100K Tokens wie von OrcaRouter beschrieben für den gesamten Prompt, betragen die Eingabekosten 300,000 × $0.50 ÷ 1M = $0.15. Für M3.1 Flash sind es 300,000 × $0.165 ÷ 1M ≈ $0.05, für DeepSeek ungefähr genauso viel. Damit ist Haiku pro Aufruf etwa 3× so teuer.

Wer sollte welches Modell wählen?

• Interaktive Programmierhilfe, kurze Prompts und Nutzer, die auf die Antwort warten: Claude Haiku 5.5.
• Workflows, die Benchmarks, Self-Hosting oder Aufrufe ohne Thinking benötigen: DeepSeek V4.1 Flash 1017.
• Arbeiten mit großem Kontext, lange generierte Ausgaben oder Videoeingabe – bei ausdrücklich festgelegtem Thinking-Aufwand: MiniMax M3.1 Flash mit low oder medium.
• Sie sind unsicher? Testen Sie Ihre eigene Aufgabe mit allen drei Modellen. Dafür brauchen Sie nur einen Schlüssel und eine Schleife.

Alle drei mit einem Schlüssel ausführen

Auf AIHubMix antworten alle drei über denselben OpenAI-kompatiblen Endpunkt; nur die Modell-ID ändert sich. In der Schnellstartanleitung erfahren Sie mehr zum API-Schlüssel:

import os, time
from openai import OpenAI

client = OpenAI(base_url="https://aihubmix.com/v1", api_key=os.environ["AIHUBMIX_API_KEY"])
prompt = open("task.md").read()

for model, extra in [("minimax-m3.1-flash", {"reasoning_effort": "low"}),
                     ("deepseek-v4.1-flash-1017", {}),
                     ("claude-haiku-5-5", {})]:
    t0 = time.time()
    r = client.chat.completions.create(model=model, max_tokens=32768,
                                       messages=[{"role": "user", "content": prompt}], **extra)
    print(model, round(time.time() - t0, 1), "s", r.usage.completion_tokens, "output tokens")

Die Preisübersichten zum direkten Vergleich finden Sie auf den Vergleichsseiten von AIHubMix: M3.1 Flash vs. DeepSeek V4.1 Flash 1017 und M3.1 Flash vs. Claude Haiku 5.5.

FAQ

Welches Modell eignet sich besser zum Programmieren: MiniMax M3.1 Flash, DeepSeek V4.1 Flash oder Claude Haiku 5.5?
Bei unserer Aufgabe mit zwei Bugs waren alle drei Modelle jedes Mal erfolgreich. Haiku 5.5 war mit Standardeinstellungen am schnellsten und günstigsten, M3.1 Flash bei niedrigem Thinking-Aufwand am günstigsten. DeepSeek hat die meisten veröffentlichten Benchmark-Daten.

Warum war MiniMax M3.1 Flash im Test so langsam?
Die standardmäßige Thinking-Stufe ist max. Für denselben Fix verwendete das Modell mit Standardeinstellungen etwa 6,400 Thinking-Tokens und mit low etwa 600; die Dauer sank von 56 auf weniger als 10 Sekunden.

Unterscheidet sich DeepSeek V4.1 Flash 1017 von DeepSeek V4.1 Flash?
1017 ist das Update von DeepSeek vom 17 October 2026 für V4.1 Flash; es hat dasselbe Kontextfenster von 1M und dieselbe Ausgabegrenze von 384K. Auf AIHubMix lautet die Modell-ID deepseek-v4.1-flash-1017.

Welches Modell ist bei langen Prompts am günstigsten?
Bei Prompts mit mehr als 100K Tokens kosten MiniMax M3.1 Flash und DeepSeek V4.1 Flash etwa ein Drittel von Claude Haiku 5.5, da Haikus Preis oberhalb von 100K auf das Fünffache steigt.

Lassen sich alle drei Modelle mit einem API-Schlüssel aufrufen?
Ja. Auf AIHubMix verwenden alle drei denselben Schlüssel und denselben OpenAI-kompatiblen Endpunkt; nur die Modell-ID ändert sich.

Gibt es Benchmark-Ergebnisse für MiniMax M3.1 Flash?
Noch nicht. MiniMax hat keine veröffentlicht, und das Modell ist auch nicht bei Artificial Analysis gelistet. In Tabellen aufgeführte Werte beziehen sich in der Regel auf MiniMax M3.

Weiterlesen: die MiniMax-M3.1-Flash-Reihe

• Wenn Flash es in Ihre engere Auswahl geschafft hat, erfahren Sie zunächst, was es ist und was es ersetzt – von Space Bunny bis zu seinem Preis im Vergleich zu M2.7 und M3: MiniMax M3.1 Flash ist Space Bunny: Was sich gegenüber M2.7 und M3 geändert hat und was es kostet
• Das Ergebnis von Flash hängt hier fast vollständig von einer einzigen Einstellung ab. In diesem Beitrag werden alle fünf Stufen gemessen: Thinking-Stufen von MiniMax M3.1 Flash: Warum die Standardeinstellung beim selben Bugfix 7× so viel kostete wie „low“
• Wenn Sie bestehenden MiniMax-M2.5/M2.7-Code migrieren, statt neu anzufangen, lesen Sie zuerst über die Fehler und stillen Änderungen: Vor dem 18. Nov. von MiniMax M2.5/M2.7 wechseln: Den Fehler 400 „requires adaptive thinking“ in M3.1 Flash beheben

Quellen

• MiniMax: Modelle
• DeepSeek: Modelle & Preise
• Anthropic: Claude Haiku
• AIHubMix: MiniMax M3.1 Flash vs. DeepSeek V4.1 Flash 1017
• OrcaRouter: Claude Haiku 5.5 vs. MiniMax M3.1 Flash Preview