MiniMax M3.1 Flash vs DeepSeek V4.1 Flash vs Claude Haiku 5.5: исправление одной ошибки — три счета

Три недорогие модели для программирования вышли с разницей в четыре недели: DeepSeek V4.1 Flash (с обновлением 1017), Claude Haiku 5.5 и MiniMax M3.1 Flash, которая первую неделю существовала под анонимным именем Space Bunny. У всех трех контекстное окно на 1M токенов, а стоимость составляет от $0.10 до $0.17 за миллион входных токенов. Какую из них выбрать для повседневного программирования?

AIHubMix трижды поручил каждой модели исправить одну и ту же ошибку, используя один API-ключ. Каждая модель каждый раз исправляла ее правильно, но счета и время ожидания заметно различались:

• Claude Haiku 5.5 при настройках по умолчанию оказалась самой быстрой и дешевой: около 7 секунд и $0.0007 за исправление.
• DeepSeek V4.1 Flash 1017 потребовалось около 15 секунд и $0.0014.
• MiniMax M3.1 Flash при настройках по умолчанию потребовалось 56 секунд и $0.0045. При настройке low время сократилось до 9.5 секунд, а стоимость — до $0.0006, самого низкого показателя в тесте.

Эта задача не позволяет выбрать победителя по точности: ниже указано, сколько стоит ее решение каждой моделью и в каких случаях стоит выбрать ту или иную.

Почему выбраны эти три модели

Они конкурируют за одни и те же задачи. Все три относятся к недорогому и быстрому сегменту линейки своих поставщиков и предназначены для повседневного программирования и шагов в работе агента:

• DeepSeek выпустила V4.1 Flash 10 September, а обновление 1017 — 17 October.
• Anthropic выпустила Haiku 5.5 7 October.
• Модель MiniMax появилась под названием Space Bunny Alpha 23 September, получила свое имя 27 September и стала доступна для вызова с оплатой за токены на AIHubMix 19 October.

Пользователи уже сравнивают эти модели. Во время бесплатной недели Space Bunny на OpenRouter она возглавила ежедневный рейтинг, обойдя DeepSeek V4.1 Flash. На следующий день после запуска Haiku OrcaRouter опубликовал сравнение Haiku 5.5 и M3.1 Flash.

Указаны розничные цены AIHubMix на 19 October 2026. С 19 по 25 October AIHubMix предоставляет скидку 30% на DeepSeek V4.1 Flash 1017; в таблице она не учтена. Если запрос Haiku 5.5 превышает 100K токенов, стоимость составляет $0.50 / $2.50 — в пять раз выше базового тарифа. Собственный API DeepSeek взимает двойную плату в часы пик, тогда как AIHubMix указывает единую цену. В документации MiniMax указана поддержка видеовхода для M3.1 Flash; на AIHubMix сейчас для нее заявлены текст и изображения.

Характеристики взяты из документации поставщиков: список моделей MiniMax, страница моделей и тарифов DeepSeek и страница Haiku от Anthropic. Оценки DeepSeek в бенчмарках приведены самой компанией в техническом отчете о V4.1 Flash. Оценку Haiku 43 по версии Artificial Analysis цитирует OrcaRouter. MiniMax не публиковала результаты бенчмарков для M3.1 Flash, как и кто-либо другой.

Задача

В тесте нужно исправить две ошибки в функции расчета оплаты — именно для таких «быстрых исправлений ошибок» все три поставщика и рекламируют эти модели:

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

В запросе описаны симптомы («списывается оплата за один день меньше», если пауза длится дольше конца расчетного периода, и «учитывается слишком мало дней, иногда получается отрицательное число», если паузы пересекаются), а также содержится просьба вывести только исправленную функцию. Затем локальный тестовый стенд запускает для нее 215 скрытых проверок: 15 тестов для случаев, заданных вручную (соприкасающиеся и вложенные паузы, пауза на весь период, пустой период), и 200 случайных проверок, результаты которых сравниваются с эталонным решением методом полного перебора. Исходная функция проходит 138 проверок.

19 October 2026 каждую модель запускали по три раза через эндпоинт Chat Completions AIHubMix с настройками по умолчанию. M3.1 Flash также запускали с настройкой low. Все цифры измерены AIHubMix; никто другой их не воспроизводил.

Результаты

При расчете стоимости использованы тарифы AIHubMix для каждой модели на входные данные, входные данные из кэша и выходные данные. У всех трех моделей токены рассуждений тарифицируются как выходные.

Вот что показывают результаты:

• По точности — ничья. Все двенадцать запусков дали идеальные исправления. По качеству эта задача не позволяет различить три модели, и мы не будем делать вид, будто это так.
• Именно настройки по умолчанию определяют стоимость. При решении той же задачи Flash по умолчанию использует примерно в 8 раз больше токенов на рассуждения, чем Haiku. Исправление Haiku по умолчанию обходится примерно в шесть раз дешевле, чем у Flash по умолчанию ($0.70 против $4.45 за тысячу исправлений).
• Flash с настройкой low — самая дешевая конфигурация: $0.64 за тысячу исправлений, немного дешевле Haiku с ее $0.70. Но Haiku все равно работает быстрее.
• Скорость генерации тоже отличается. Если разделить число выходных токенов на общее время выполнения, получится около 183 токенов/с у Haiku, 148 у DeepSeek и 112 у Flash. Haiku генерирует меньше токенов, причем быстрее.

За 1,000 исправлений вроде этого: около $0.70 у Haiku, $1.35 у DeepSeek, $4.45 у Flash по умолчанию или $0.64 при настройке low.

Во второй, гораздо более короткой задаче — распределить пять обращений в поддержку по четырем категориям — все 30 ответов трех моделей при разных настройках оказались правильными. Каждый вызов стоил меньше $0.0001. Flash использовал от 0 до 6 токенов на рассуждения, Haiku — ни одного, а DeepSeek — около 25, даже когда через AIHubMix передавался параметр reasoning_effort: "none". При таких коротких вызовах различия не влияют на стоимость.

В чем хороша каждая модель

Claude Haiku 5.5 — оптимальный выбор по умолчанию, когда человек ждет ответа. При настройках по умолчанию она оказалась самой быстрой и дешевой, а независимая оценка у нее самая высокая из трех. Но есть два недостатка: после превышения порога в 100K токенов цена возрастает в пять раз, а максимальный объем вывода ограничен 128K.

DeepSeek V4.1 Flash 1017 — выбор, когда нужны подтвержденные данными результаты и контроль. Для нее опубликовано больше всего данных бенчмарков, ее веса доступны по лицензии MIT, есть полноценный режим без рассуждений, а максимальный объем вывода составляет 384K. По числу токенов рассуждений в нашей задаче при настройках по умолчанию она оказалась между двумя другими моделями.

MiniMax M3.1 Flash — подходящий выбор для длинных запросов с фиксированной стоимостью или когда вы готовы подбирать уровень усилий. На AIHubMix указана единая цена вне зависимости от длины запроса, объем вывода достигает 512K, а в документации MiniMax заявлена поддержка видеовхода. С настройкой low это была самая дешевая модель в тесте. Но есть три недостатка: ее настройки по умолчанию здесь оказались самыми медленными и дорогими, для нее пока никто не публиковал результаты бенчмарков, а отключить режим рассуждений нельзя.

Недооценить разницу при длинных запросах легко. Для примерной оценки возьмем запрос с кодовой базой объемом 300K токенов без кэширования и посчитаем только стоимость входных данных. Если предположить, что для запросов Haiku 5.5 свыше 100K токенов повышенный тариф применяется ко всему запросу, как описывает OrcaRouter, входные данные обойдутся в 300,000 × $0.50 ÷ 1M = $0.15. У M3.1 Flash стоимость составит 300,000 × $0.165 ÷ 1M ≈ $0.05, примерно столько же — у DeepSeek. Значит, один вызов Haiku обойдется примерно втрое дороже.

Какую модель выбрать

• Интерактивная помощь при программировании, короткие запросы, человек ждет ответа: Claude Haiku 5.5.
• Конвейеры, для которых важны бенчмарки, локальный хостинг или возможность полностью отключать рассуждения при вызовах: DeepSeek V4.1 Flash 1017.
• Работа с большим контекстом, длинные генерируемые ответы или видеовход, если уровень усилий задан явно: MiniMax M3.1 Flash с настройкой low или medium.
• Не уверены: запустите собственную задачу на всех трех моделях. Для этого нужны всего один ключ и один цикл.

Запустите все три модели с одним ключом

На AIHubMix все три модели отвечают через один и тот же OpenAI-совместимый эндпоинт — меняется только идентификатор модели. В кратком руководстве описано, как получить ключ:

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")

Сравнительные карточки цен доступны на страницах сравнения AIHubMix: M3.1 Flash и DeepSeek V4.1 Flash 1017 и M3.1 Flash и Claude Haiku 5.5.

Часто задаваемые вопросы

Какая модель лучше подходит для программирования: MiniMax M3.1 Flash, DeepSeek V4.1 Flash или Claude Haiku 5.5?
В нашей задаче с исправлением двух ошибок все три модели каждый раз давали правильный результат. Haiku 5.5 при настройках по умолчанию оказалась самой быстрой и дешевой, а M3.1 Flash стала самой дешевой при низком уровне усилий. Для DeepSeek опубликовано больше всего данных бенчмарков.

Почему MiniMax M3.1 Flash так медленно работала в тесте?
По умолчанию уровень рассуждений установлен на max. При решении той же задачи модель использовала около 6,400 токенов на рассуждения при настройках по умолчанию и около 600 при настройке low, а время сократилось с 56 секунд до менее чем 10.

Отличается ли DeepSeek V4.1 Flash 1017 от DeepSeek V4.1 Flash?
1017 — это обновление DeepSeek V4.1 Flash от 17 October 2026 с тем же контекстом в 1M и ограничением вывода в 384K. На AIHubMix модель называется deepseek-v4.1-flash-1017.

Какая модель дешевле для длинных запросов?
Для запросов объемом более 100K токенов MiniMax M3.1 Flash и DeepSeek V4.1 Flash стоят примерно втрое дешевле Claude Haiku 5.5, поскольку тариф Haiku после 100K токенов возрастает в пять раз.

Можно ли вызывать все три модели с одним API-ключом?
Да. На AIHubMix для всех трех моделей используется один и тот же ключ и OpenAI-совместимый эндпоинт; меняется только идентификатор модели.

Есть ли у MiniMax M3.1 Flash результаты бенчмарков?
Пока нет. MiniMax ничего не публиковала, и модели нет в Artificial Analysis. В таблицах, где для нее указаны оценки, обычно приводятся результаты MiniMax M3.

Читайте далее: серия MiniMax M3.1 Flash

• Если вы добавили Flash в список кандидатов, начните с обзора модели и того, что она заменила: от Space Bunny до сравнения ее цены с M2.7 и M3: MiniMax M3.1 Flash — это Space Bunny: что изменилось по сравнению с M2.7 и M3 и сколько это стоит
• Результат Flash здесь почти полностью зависит от одной настройки. В этой статье проверены все пять уровней: Уровни усилий MiniMax M3.1 Flash: почему настройки по умолчанию обошлись в 7 раз дороже low при исправлении одной и той же ошибки
• Если вы переносите существующий код с MiniMax M2.5/M2.7, а не начинаете с нуля, сначала изучите ошибки и незаметные изменения: Переход с MiniMax M2.5/M2.7 до Nov 18: как исправить ошибку 400 «requires adaptive thinking» в M3.1 Flash

Источники

• MiniMax: модели
• DeepSeek: модели и цены
• Anthropic: Claude Haiku
• AIHubMix: сравнение MiniMax M3.1 Flash и DeepSeek V4.1 Flash 1017
• OrcaRouter: сравнение Claude Haiku 5.5 и MiniMax M3.1 Flash Preview