Space Bunny revelado! MiniMax M3.1 Flash vs. DeepSeek V4.1 Flash — mesmo preço, resultados surpreendentes?

Autoria: Prompt Engineer 48 · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Space Bunny REVEALED! MiniMax M3.1 Flash vs DeepSeek V4.1 Flash — Same Price, WILD Results?! · Canal: Prompt Engineer 48 · 09:55 · Assistir no YouTube

Tópicos: Avaliação e benchmarks de IA, Engenharia de software com IA, Modelos de IA

Resumo

O vídeo revela que o modelo anônimo Space Bunny Alpha era o MiniMax M3.1 Flash e compara seu desempenho com o DeepSeek V4.1 Flash em quatro tarefas práticas. Os dois modelos empatam em correção de bugs, dashboard e Tetris, mas diferem em velocidade e quantidade de tokens usados. Na página de produto 3D, apenas o DeepSeek entregou uma versão funcional; o M3.1 falhou em duas tentativas e também teve respostas vazias. O apresentador ressalta que os resultados refletem apenas seus testes, com diferentes provedores de hospedagem, e não substituem benchmarks independentes.

Pontos-chave

OpenRouter revelou que o modelo anônimo Space Bunny Alpha era o MiniMax M3.1 Flash.
Ao preço fora de pico, o DeepSeek V4.1 Flash custa o mesmo que o M3.1 Flash: US$ 0,15 por milhão de tokens de entrada e US$ 0,60 por milhão de tokens de saída.
Nos testes de correção de bugs, dashboard e Tetris, os dois modelos produziram resultados funcionais.
O DeepSeek foi mais rápido na correção de bugs e no dashboard; o M3.1 foi mais rápido no Tetris.
Na tarefa da página de produto 3D, o DeepSeek entregou uma página funcional, enquanto o M3.1 falhou com erros de código e respostas vazias.
A comparação usou diferentes serviços de hospedagem, então as medições de velocidade não isolam o desempenho dos modelos.
O apresentador recomenda cautela: houve poucas tentativas, e os resultados do M3.1 ainda precisam de verificação independente.
O custo total calculado pelos preços de tabela foi de cerca de US$ 0,09 para o M3.1 e US$ 0,07 para o DeepSeek.

Capítulos

Início	Capítulo	Resumo
00:00	Space Bunny Alpha é identificado e começa a comparação	O vídeo revela a identidade do Space Bunny Alpha, compara os preços dos modelos e apresenta as alegações da MiniMax.
02:38	Método de teste e correção de bugs	O apresentador explica as diferenças de hospedagem e o limite de tokens usado, depois compara os modelos em uma tarefa de correção de bugs.
04:10	Dashboard e Tetris	Os modelos empatam em funcionalidade no dashboard e no Tetris, com diferenças de velocidade, uso de tokens e recursos de interface.
06:43	Página 3D, placar e ressalvas	O DeepSeek entrega a página de tênis 3D funcional, enquanto o M3.1 falha; o vídeo conclui a comparação e destaca as limitações dos testes.

Citações

Mesmo preço. Então, qual deles constrói coisas que realmente funcionam? — 00:31

Em correção, é empate. — 04:10

Se você quer um vencedor no Tetris, não há um. Os dois passaram. — 06:13

Nesse trabalho, o DeepSeek é o único que entregou uma página funcional. — 08:22

Isso não substitui um benchmark adequado. — 09:24

Conceitos e entidades

MiniMax M3.1 Flash (modelo): Modelo da MiniMax identificado como o modelo anônimo Space Bunny Alpha e testado em quatro tarefas de programação.
DeepSeek V4.1 Flash (modelo): Modelo comparado ao MiniMax M3.1 Flash em tarefas de programação, interface e geração de páginas web.
Space Bunny Alpha (modelo): Nome anônimo usado no OpenRouter para o MiniMax M3.1 Flash antes de sua identificação pública.
OpenRouter (ferramenta): Plataforma usada para acessar modelos e onde o Space Bunny Alpha teve grande volume de uso.
Ollama (ferramenta): Serviço de nuvem usado no vídeo para executar o MiniMax M3.1 Flash.
Higgsfield (ferramenta): Ferramenta usada para gerar uma imagem de tênis e convertê-la em um modelo 3D texturizado.
Terminal-Bench (conceito): Benchmark de programação citado na comparação de resultados publicada pela MiniMax.
AutomationBench (conceito): Benchmark citado como uma das avaliações em que o MiniMax M3.1 Flash supera o DeepSeek na tabela da MiniMax.

Tradução completa (pt-BR)

00:00 Por cerca de quatro semanas, um modelo anônimo chamado Space Bunny Alpha ficou no plano gratuito de contexto de 1 milhão de tokens da OpenRouter, e muita gente o usou para programação. Ninguém dizia quem o tinha criado. Agora, a própria página da OpenRouter tem um banner dizendo que foi desenvolvido e operado pela MiniMax; foi revelado que se trata do MiniMax M3.1 Flash, e a publicação de lançamento da MiniMax, datada de 19 de outubro, diz a mesma coisa. Eis o que quero saber. O M3.1 Flash custa 15 centavos por milhão de tokens de entrada e 60 centavos por milhão de tokens de saída. O DeepSeek V4.1 Flash

00:31 custa exatamente isso nos horários de menor movimento. O mesmo preço. Então, qual dos dois constrói coisas que realmente funcionam? Dei aos dois modelos quatro tarefas reais, ao mesmo tempo e com os mesmos prompts, e gravei cada execução. >> [música] >> Um plano rápido. Primeiro, o que a MiniMax afirma; depois, quatro testes: encontrar bugs em Python, criar um dashboard de Tetris e uma página de tênis 3D. A publicação de lançamento diz que o M3.1 Flash é quase três vezes mais rápido online do que seu antecessor. E que o custo de uso para tarefas de agent

01:02 caiu 70%, com uma velocidade mediana de saída superior a 170 tokens por segundo. Esses são os números da MiniMax. Procurei benchmarks independentes hoje de manhã e ainda não encontrei nenhum para este modelo, então tenha isso em mente. O que achei interessante é a MiniMax ter colocado o DeepSeek na própria tabela. Trata-se do DeepSeek V4.1 Flash mais recente, a versão de 1017. No DeepSWE, o benchmark de programação, o DeepSeek faz 77 pontos e o M3.1, 73,7. No Terminal Bench, 42,3 contra 38,1. Onde

01:35 o M3.1 vence é no Automation Bench: 62,8 contra 60,5. Então, mesmo na tabela da própria MiniMax, não é uma vitória absoluta. Uma nota de rodapé é importante. No gráfico de custos, o DeepSeek está com os preços de pico: 30 centavos de entrada e 1 dólar e 20 centavos de saída. A própria página de preços do DeepSeek diz que, fora do horário de pico, custa 15 centavos e 60 centavos, o mesmo que a MiniMax, e que o horário de pico ocorre apenas em determinados períodos dos dias úteis. Se eu usar o custo do DeepSeek indicado no gráfico deles — um cálculo meu, não deles —, os dois ficam praticamente empatados. Então,

02:07 a diferença de preço depende de quando você chama a API. De volta ao Space Bunny: o gráfico da OpenRouter mostra cerca de 4 trilhões de tokens de prompt passando por ele em menos de duas semanas, mas apenas 135 bilhões de tokens de saída. Isso dá cerca de 30 tokens lidos para cada token escrito. É o que os agentes de programação fazem: leem muito e escrevem pouco. Por último, ainda não há pesos open source. Por enquanto, só está disponível pela API, e a MiniMax diz que um modelo Pro maior está a caminho, mas não informa a data. Como testei: os dois modelos recebem o mesmo prompt ao mesmo tempo, numa página que eu

02:38 criei. Então, o relógio que você vê é um relógio de verdade. O M3.1 Flash é executado pela nuvem do Ollama, que é gratuita até 22 de outubro, às 23h59 UTC. A MiniMax também oferece o modelo no plano M e diz que o app MiniMax Code está incluído no plano. Estou mostrando as páginas deles, mas não testei esse app pessoalmente. O DeepSeek é executado pela OpenRouter. São dois caminhos diferentes, então interprete os números de velocidade como o desempenho desta configuração hoje, não como uma comparação pura entre os modelos. Para o custo, uso o preço de tabela oficial dos dois, e vou contar a você

03:09 o que a OpenRouter realmente fez. Uma coisa me prejudicou, então vou poupar você do mesmo problema. Na minha primeira tentativa, limitei a saída a 32.000 tokens. Esses dois modelos pensam antes de responder, e os tokens de pensamento contam para o limite. Quatro das minhas seis execuções terminaram sem um arquivo concluído, e, em uma delas, o M3.1 passou o orçamento inteiro apenas pensando. Então, aumentei o limite para 100.000 e rodei tudo de novo, como você vai ver. Uma tentativa por tarefa, com uma exceção, que vou sinalizar. Teste um: um pequeno projeto em Python com oito bugs inseridos em dois arquivos: uma função de intervalo de datas que pula o último dia, um cache que nunca atualiza o item que você acabou de usar, uma lista padrão compartilhada entre objetos e um erro de um a mais ou a menos na paginação. Dezoito testes, onze falharam. Os dois modelos recebem o código, os testes e a saída das falhas. Valendo.

03:39 O DeepSeek terminou em 13 segundos. O M3.1 levou 35. Ambos corrigiram os oito bugs, e os 18 testes passaram. Então, em

04:10 correção, é empate. A diferença está no raciocínio antes da resposta. O M3.1 produziu cerca de 4.000 tokens; o DeepSeek, menos de 2.000. A esses preços, a diferença é uma fração de centavo, de um jeito ou de outro. Então, para uma correção pequena, o custo real é o tempo de espera, e aqui o DeepSeek foi mais rápido. Mas são caminhos diferentes, então eu consideraria isso uma indicação, não uma conclusão. Teste dois: um dashboard de receita para uma torrefação de café fictícia. Quatro cartões de indicadores-chave, um gráfico de linhas, um gráfico de barras empilhadas e um gráfico de rosca, todos desenhados à mão, sem biblioteca de gráficos. Caixas de seleção de regiões que atualizam

04:40 tudo, dicas de ferramentas e tema escuro. O DeepSeek foi um pouco mais rápido: 184 segundos contra 241, mas escreveu mais tokens, cerca de 43.000 contra 37.000. Então, pelo preço de tabela, custou um pouco mais. Os dois funcionam. Verifiquei no Chrome: sem erros no console, e desmarcar uma região altera os gráficos e os totais.

05:12 Também conferi o cálculo de crescimento nos dois cartões de indicadores-chave, e está correto nos dois. O M3.1 dá a cada região um marcador de legenda com o total anual. O DeepSeek opta por um gráfico de área mais limpo e um layout mais discreto. Nenhum dos dois rola para os lados na largura de um celular. Se você me mostrasse essas duas capturas de tela sem os nomes, eu não saberia dizer qual produto é melhor. É um empate justo e útil para esse tipo de trabalho de frontend: preço e velocidade importam mais do que a classificação. Teste três: Tetris. Este é um bom desafio porque há muita coisa para acertar

05:42 ao mesmo tempo. Sete peças, rotação perto de um espaço vazio, uma peça fantasma mostrando onde ela vai cair, prévia da próxima peça e velocidade que aumenta com o nível. Aqui, os relógios mudam: o M3.1 terminou em 3:13; o DeepSeek levou 4:12. Mas veja os tokens: cerca de 21.000 contra 45.000. Desta vez, o servidor do DeepSeek transmitiu a apenas cerca de 50 tokens por segundo, um detalhe da hospedagem na OpenRouter, não do modelo. É exatamente por isso que não confio em um único número de velocidade.

06:13 Os dois funcionam como deveriam: as peças caem, a peça fantasma aparece onde deveria, a função de guardar peça funciona e a pontuação aumenta. O M3.1 tem um botão de pausa e um painel de velocidade. O DeepSeek tem um tabuleiro mais compacto. Minhas verificações só detectam falhas e o comportamento básico, então não posso dizer qual rotação parece melhor. Se você quer um vencedor no Tetris, não há. Os dois passaram.

06:43 O teste quatro é aquele que eu mais queria ver: páginas de produtos em 3D. Para deixar claro quem faz o quê, a MiniMax não cria modelos 3D. Usei o Higgsfield para gerar um tênis genérico, sem logotipos, e depois transformar a imagem em um modelo 3D texturizado, o que custou cerca de 10 créditos e meio no total. O arquivo do modelo tem 45 megabytes. Os modelos de IA só escrevem o código que o exibe em 3JS: uma câmera que se move conforme você rola a página, rotação automática até você arrastar, amostras de cores que recolorem o tênis e um indicador de carregamento.

07:18 A página do DeepSeek funciona desde o primeiro carregamento. A seção principal é animada, e a câmera se move pelas seções. Enquanto rolo a página, posso arrastar o tênis, e as amostras mudam as cores. Sem erros no console e sem rolagem lateral na largura de um celular. A primeira página do M3.1 não funcionou. Ela carrega e depois mostra que não foi possível preparar o modelo. O console diz “atribuição a uma variável constante”. Eis o motivo. Na linha

07:50 1514, declara o raio do modelo com const; na linha 1681, atribui um novo valor a ele. Uma palavra-chave — const em vez de let — e a página inteira para de funcionar. Depois, rodei o M3.1 de novo no Ollama duas vezes. O modelo pensou por quatro minutos e não retornou resposta alguma. Então, experimentei o mesmo modelo pela OpenRouter para separar o modelo da hospedagem. Esse conseguiu gerar uma página, mas ela também quebrou. Na linha 1960 há um erro de digitação: glltf, uma variável que não existe. A página

08:22 diz que não foi possível carregar. Então, são duas páginas em duas que pararam por causa de um único errinho, além de duas respostas vazias. Para ser justo, o DeepSeek também só teve uma tentativa concluída aqui, então não estou dizendo que sempre funciona. Mas, nesta tarefa, o DeepSeek foi o único que entregou uma página funcional. Placar: correção de bugs, empate em correção, DeepSeek mais rápido. Dashboard, empate, DeepSeek mais rápido. Tetris, empate, M3.1 mais rápido. A página 3D: a do DeepSeek funcionou; a do M3.1 quebrou duas vezes por bugs de uma palavra

08:53 e retornou nada duas vezes. Pelo preço de tabela, as quatro execuções juntas custaram cerca de 9 centavos para o M3.1 e 7 centavos para o DeepSeek. Na OpenRouter, o DeepSeek me cobrou, na verdade, cerca de 10 centavos, porque um servidor cobrou o dobro do preço de tabela na execução do dashboard. Quando conferi, os servidores listados para aquele mesmo modelo do DeepSeek cobravam de cerca de 6 a 60 centavos por milhão de tokens de entrada, sendo o mais caro uma opção de alta velocidade. O M3.1 não me custou nada no Ollama, mas isso só vale até 22 de outubro. O que isso não comprova é que seja, foi apenas

09:24 execução por tarefa, meus prompts, duas configurações diferentes de hospedagem e um período gratuito para uma delas. Isso mostra como esses modelos se saíram para mim nesta semana. Não substitui um benchmark adequado, e os próprios números da MiniMax ainda precisam de verificações independentes. Então, aqui está minha avaliação. Se o seu trabalho envolve correções rápidas e páginas de frontend, qualquer um dos dois serve; vence aquele que for gratuito ou mais rápido na sua configuração. Para projetos longos e complicados, como a página em 3D, eu manteria o DeepSeek no fluxo até o M3.1 mostrar que consegue concluir esse tipo de trabalho com confiabilidade. Vou executar novamente

09:55 esses testes algumas vezes, quando mais pessoas já tiverem testado o modelo, e no próprio plano M da MiniMax. Se você está procurando GPUs baratas e confiáveis, eu uso a RunPod, e o link está na descrição. Conte qual teste você quer ver a seguir e o que achou desses dois. Até a próxima.

Transcrição original

[00:00] For about 4 weeks, an anonymous model called Space Bunny Alpha sat on OpenRouter free 1 million token contacts, and a lot of people were using it for coding. Nobody said who built it. Now, OpenRouter’s own page has a banner developed and operated by MiniMax, revealed to be MiniMax M3.1 Flash, and MiniMax’s launch post dated October 19th says the same thing. Here’s what I want to know. M3.1 Flash costs 15 cents per million input tokens and 60 cents per million output. DeepSeek V4.1 Flash

[00:31] costs exactly that at off-peak rates. Same price. So, which one builds things that actually work? I gave both models four real jobs at the same moment with the same prompts, and I recorded every run. >> [music] >> Quick plan. First, what MiniMax claims, then four tests: a Python bug hunt, a dashboard Tetris, and a 3D sneaker page. The launch post says M3.1 Flash is nearly three times faster online than its predecessor. With usage cost for

[01:02] agent tasks down 70% and a median output speed over 170 tokens a second. Those are MiniMax’s numbers. I looked for independent benchmarks this morning and found none for this model yet, so keep that in mind. What I like is that MiniMax put DeepSeek in its own table. That’s the newer DeepSeek V4.1 Flash, the 1017 snapshot. On DeepSWE, the coding benchmark, DeepSeek gets 77 and M3.1 gets 73.7. On Terminal Bench, 42.3 against 38.1. Where

[01:35] M3.1 wins is Automation Bench, 62.8 against 60.5. So, even on MiniMax’s own table, this is not a clean sweep. One footnote matters. In the cost chart, DeepSeek is priced at peak rates, 30 cents in, a dollar 20 out. DeepSeek’s own pricing page says off-peak is 15 cents and 60 cents, the same as Minimax and peak is only certain weekday hours. If I have Deep Seek’s cost on their chart, which is my arithmetic and not theirs, the two land roughly level. So,

[02:07] the price gap depends on when you call the API. Back to Space Bunny, OpenRouter’s chart shows about 4 trillion prompt tokens through it in under 2 weeks, but only 135 billion tokens of output. That’s roughly 30 tokens read for every token written. That’s what coding agents do, read a lot, write a little. Last thing, no open weights yet. This is API only for now, and Minimax says a bigger pro model is coming with no date. How I tested both models get the same prompt at the same moment on a page I

[02:38] built. So, the clock you see is a real clock. M3.1 flash runs through Ollama’s cloud, which is free until October 22nd, 11:59 p.m. UTC. Minimax also offers it through its M plan and says the Minimax code app is included in the plan. I’m showing their pages, but I haven’t tested that app myself. Deep Seek runs through OpenRouter. That’s two different roads, so read the speed numbers as how this setup behaved today, not as a pure model race. For cost, I use the official list price for both, and I’ll tell you

[03:09] what OpenRouter actually built. One thing burnt me, so let me save you the trouble. My first attempt capped the output at 32,000 tokens. Both of these models think before they answer, and thinking tokens count against the cap. Four of my six runs ended with no finished file, and in one of them M3.1 spent the entire budget just thinking. So, I raised the cap to 100,000 and reran everything you’re about to see. One try per task except one, and I’ll flag it. Test one, a small Python project with eight bugs planted across two files, a

[03:39] date range function that skips the last day, a cache that never refreshes what you just used, a default list shared between objects, and off-by-one in pagination. 11 of 18 tests failed. Both models get the code, the tests, and the failure output. Go. DeepSeek finished in 13 seconds. M3.1 took 35. Both fixed all eight bugs and 18 out of 18 tests passed. So, on

[04:10] correctness, it’s a tie. The difference is the thinking before the answer. M3.1 produced about 4,000 tokens, DeepSeek under 2,000. At these prices, that’s a fraction of a cent either way. So, for a small fix, the real cost is your waiting time, and here DeepSeek was faster. Different roads, though, so I’d call that a hint, not a verdict. Test two, a revenue dashboard for a made-up coffee roaster. Four KPI cards, a line chart, a stacked bar chart, and a donut, all drawn by hand with no chart library. Region checkboxes that update

[04:40] everything, tooltips, dark theme. DeepSeek was a bit quicker, 184 seconds against 241, but it wrote more tokens, about 43,000 against 37,000. So, at list price, it cost slightly more. Both work. I check in Chrome, no console errors, and unticking a region changes the charts and the totals.

[05:12] I also checked the growth math on both KPI cards, and it’s right on both. M3.1 gives each region a legend chip with its yearly total. DeepSeek goes for a cleaner area chart and a quieter layout. Neither scrolls sideways at phone width. If you gave me these two screenshots without names, I couldn’t tell you which is the better product. It’s an honest tie, and a useful one for this kind of front-end job, price and speed matter more than a leaderboard. Test three, Tetris. This one is a good trap because there’s a lot to get right

[05:42] at once. Seven pieces, rotation near a a hole slot, a ghost piece showing where it lands, a next piece preview, and speed that rises with level. Here, the clocks flip, M3.1 finished in 3:13, Deep Seek took 4:12, but look at the tokens, about 21,000 against 45,000. Deep Seek’s host was streaming at only about 50 tokens a second this time, which is a hosting detail on Open Router, not the model. That’s exactly why I don’t trust a single speed number.

[06:13] Both play properly, pieces fall, the ghost lands where it should, hold works, and the score counts up. M3.1 has a pause button and a speed panel. Deep Seek has a tighter board, my checks only catch crashes and basic behavior, so I can’t tell you whose rotation feels better. If you want a winner on Tetris, there isn’t one. Both passed.

[06:43] Test four is the one I was most curious about, 3D product pages. To be clear about who does what, Minimax doesn’t make 3D models. I used Higgsfield to generate a generic sneaker with no logos, then turn that picture into a textured 3D model that cost about 10 and 1/2 credits in total. The model file is 45 megabytes. The AI models only write the code that shows it 3JS, a camera that moves as you scroll, auto rotate until you drag, color swatches that recolor the shoe, and a loading indicator.

[07:18] Deep Seek’s page works from the first load. The hero animates, the camera moves through the sections. As I scroll, I can drag the shoe, and the swatches change the colors. No console errors and no sideways scroll at phone width. M3.1’s first page did not work. It loads, then shows the model could not be prepared. The console says assignment to constant variable. Here’s why. On line

[07:50] 1514, it declares model radius with const on line 1681. It assigns to it again. One keyword, const, instead of let, and the whole page stops. Then I ran M3.1 again on Ollama twice. The model thought 4 minutes and returned no answer at all. So, I tried the same model through OpenRouter to separate the model from the hosting. That one did deliver a page, and it broke, too. Line 1960 has a typo, glltf, a variable that doesn’t exist. The page

[08:22] says unable to load. So, that’s two pages out of two stopped by a single small mistake, plus two empty answers. In fairness, DeepSeek also got only one finished try here, so I’m not saying it always works. But, on this job, DeepSeek is the only one that shipped a working page. Scoreboard: bug fixing, a tie on correctness, DeepSeek faster. Dashboard, a tie, DeepSeek faster. Tetris, a tie, M3.1 faster. The 3D page, DeepSeek worked, M3.1 broke twice on one-word

[08:53] bugs and returned nothing twice. At list price, all four runs together came to about 9 cents for M3.1 and 7 cents for DeepSeek. On OpenRouter, DeepSeek actually billed me about 10 cents because one host charged double the list price on the dashboard run. When I checked hosts listed that same DeepSeek model from about 6 cents to 60 cents per million input tokens, the top one being a fast tier. M3.1 cost me nothing on Ollama, but that’s only until October 22nd. What this does not prove, it’s one

[09:24] run per task, my prompts, two different hosting setups, and a free window for one of them. It tells you how these models behaved for me this week. It doesn’t replace a proper benchmark, and Minimax’s own numbers still need independent checks. So, here’s my read. If your job is quick fixes and front-end pages, either one works and whichever is free or faster on your setup wins. For long tricky builds like the 3D page, I’d keep Deep Seek in the loop until M3.1 shows it can finish that kind of job reliably. I’ll rerun

[09:55] these a few times once more people have tested it and on Minimax’s own M plan road, if you’re looking for cheap and reliable GPUs, I use RunPod and the link is in the description. Tell me which test you want next and what you thought of these two. See you in the next one.