DeepSeek belegt den ersten Platz, MiniMax den zweiten, die beiden chinesischen Flash-Zwillinge dominieren den Markt mit überwältigender Wucht.
DeepSeek hat gerade sein neues Produkt vorgestellt, und schon taucht ein weiteres Überraschungsmodell auf!
Vor zwei Tagen hat DeepSeek das V4.1 Flash-1017 veröffentlicht und das „Wunschdenken-Programmieren“ in den Mittelpunkt gerückt.
Nur ein Wochenende später hat MiniMax direkt nachgelegt: Das M3.1 Flash ist nun offiziell erschienen!
Was das Preis-Leistungs-Verhältnis beim Programmieren angeht, steht DeepSeek an erster Stelle, M3.1 Flash an zweiter.
Bei Agent-Aufgaben hat es direkt den ersten Platz im gesamten Automation-Bench-Wettbewerb belegt und hat für den Abschluss des ultimativen Agent-Tests ALE nur 739 Yuan ausgegeben!
Der Preis ist mehr als halb so hoch wie bei der Vorgängergeneration M3, das Preis-Leistungs-Verhältnis ist absolut unschlagbar!
Innerhalb von zwei Tagen haben zwei chinesische Großmodelle nacheinander neue Produkte vorgestellt, und der Wettbewerb im Flash-Segment ist auf dem Höhepunkt!
Programmierleistung erreicht das Niveau von Flaggschiff-Modellen
Agent-Leistung übertrifft Opus 5
Auf der offiziellen Gesamtrangliste wurde M3.1 Flash mit 15 verschiedenen Modellen wie DeepSeek, GLM, GPT-5.6 Sol und Claude Opus 5 verglichen. Seine Stärke liegt im CoWork-Bereich, wo es 3 von 5 ersten Plätzen belegt; Die DeepSWE-Programmierleistung erreicht das Niveau von Flaggschiff-Modellen, und im Bereich Cybersicherheit gehört es zur ersten Leistungsgruppe.
Der Software-Engineering-Benchmark DeepSWE v1.1 prüft den gesamten Entwicklungsablauf: Code-Verständnis, Funktionsentwicklung, Fehlerbehebung und Testvalidierung müssen alle vom Modell selbst erledigt werden. M3.1 Flash erzielt 73,7 Punkte in der höchsten max-Stufe, übertrifft das OpenAI-Flaggschiff GPT-5.6 Sol (73,0 Punkte) und lässt GLM-5.3 (66,9 Punkte) weit hinter sich.
Bei dieser Leistung liegen die Kosten pro Aufgabe von M3.1 Flash auf DeepSWE unter 2 Yuan.
In dieser Preisklasse gibt es nur das kürzlich erschienene DeepSeek V4.1 Flash-1017 mit höherer Punktzahl.
Bei ähnlichen Punktwerten um 73 % kostet eine einzelne Aufgabe bei Claude Opus 5 mehr als 70 Yuan, was über 40 Mal so viel ist wie bei M3.1 Flash.
Die beiden Modelle DeepSeek und MiniMax haben es geschafft, die Punktzahlen auf Flaggschiff-Niveau auf einen Preis von ein bis zwei Yuan zu senken.
Was M3.1 Flash besonders stark macht, ist CoWork und komplexe Agent-Arbeitsabläufe.
Automation-Bench wurde von Zapier entwickelt und als Open-Source veröffentlicht. Alle 600 Aufgaben stammen aus tatsächlichen Geschäftsprozessen von Unternehmen und decken Vertrieb, Marketing, Betrieb, Kundenservice, Finanzen und Personalwesen ab. Es wird geprüft, ob das Modell eine Aufgabe von Anfang bis Ende zwischen verschiedenen SaaS-Systemen erledigen kann.
M3.1 Flash belegt hier den ersten Platz mit 62,8 Punkten!
Es liegt fast 12 Punkte vor Opus 5, über 16 Punkte vor GPT-5.6 Sol und übertrifft sogar das kürzlich erschienene DeepSeek V4.1 Flash-1017 (60,5 Punkte).
Noch beeindruckender sind die Kosten. Auf dem Diagramm für Kosten und Punktzahlen liegen alle anderen Modelle rechts unten von M3.1 Flash: Sie verursachen höhere Kosten bei niedrigeren Punktzahlen.
Selbst wenn M3.1 Flash nur auf die mittlere Stufe eingestellt wird, kostet eine Aufgabe etwa 0,25 Yuan, und die Punktzahl übertrifft bereits die Leistung der voll auf max eingestellten neueren Generation Opus 5.5. Eine Aufgabe bei Opus 5.5 kostet etwa 6 Yuan, also über 20 Mal so viel.
Selbst in der höchsten max-Stufe kostet eine Aufgabe nur etwa 0,3 Yuan. Für 1000 echte Unternehmensaufgaben, die über verschiedene SaaS-Systeme verteilt sind, belaufen sich die Gesamtkosten auf etwa 300 Yuan!
Auf dem Benchmark LOCA-Bench 256K belegt M3.1 Flash ebenfalls den ersten Platz: Mit 60,3 Punkten übertrifft es GPT-5.6 Sol (60,0 Punkte) und Opus 5 (53,7 Punkte).
Im Finanz-Szenario prüft der BankerToolBench mehrstufige Planung, Konsistenz zwischen verschiedenen Dokumenten, Finanzkonformität und verketteten Aufrufen von Tools. M3.1 Flash erzielt 76,2 Punkte, teilt sich den ersten Platz mit Claude Opus 5 und liegt vor GPT-5.6 Sol (74,6 Punkte).
Der Cybersicherheitstest CyberGym deckt 1507 historische Sicherheitslücken aus 188 echten Software-Projekten ab. M3.1 Flash erzielt 82,2 Punkte und gehört zusammen mit GLM-5.3 (84,5 Punkte) und GPT-5.6 Sol (83,6 Punkte) zur globalen ersten Leistungsgruppe.
Flash übernimmt komplexe Aufgaben
Mit 700 Yuan schlägt es Modelle, die Tausende kosten
Im Bereich der Computernutzung (Computer Use) ist die Leistung von M3.1 Flash noch beeindruckender. Bei den beiden Benchmarks OSWorld 2.0 und ALE belegt es den ersten Platz unter allen chinesischen Modellen und hat für den Abschluss des gesamten ALE-Tests nur 739 Yuan ausgegeben!
OSWorld 2.0 wurde vom XLANG Lab der Universität Hongkong entwickelt und umfasst 108 langwierige Aufgaben in 7 Bereichen. Eine geübte Person braucht für eine Aufgabe normalerweise etwa 1,6 Stunden.
M3.1 Flash erzielt 61,7 Punkte, also mehr als 7 Punkte höher als DeepSeek V4.1 Flash (54,3 Punkte).
Der Name von Agents' Last Exam (ALE) bedeutet wörtlich „Die letzte Prüfung für Agenten“. Es wurde vom RDI-Institut der UC Berkeley unter Beteiligung von Hunderten von Branchenexperten entwickelt und deckt 13 große Branchen und 55 Teilbereiche ab.
Die Bestehensquote von M3.1 Flash liegt bei 29,6 %, nahe an der von GPT-5.6 Sol (30,6 %) und Claude Opus 5 (32,2 %).
ALE umfasst insgesamt 152 Aufgaben, und die 739 Yuan stellen die geschätzten Gesamtkosten für den Abschluss des gesamten Tests dar.
Auf dem Kosten-Diagramm von ALE ist es unter mehr als 20 Modellen das Modell mit den geringsten Ausgaben!
Von den 7 Modellen mit höherer Bestehensquote ist das günstigste GPT-5.6 Luna mit etwa 1600 Yuan mehr als doppelt so teuer wie M3.1 Flash.
GPT-5.6 Sol erzielt nur einen Prozentpunkt mehr an Punkten, kostet aber über 5000 Yuan; Claude Opus 5 und GPT-6 Astra kosten über 7000 Yuan, und Claude Opus 5.5 kostet fast 9000 Yuan.
Die Rechnungen von Claude Opus 4.7 und Gemini 3.1 Pro liegen über 10000 Yuan, ihre Bestehensquoten betragen aber nur 21 % bzw. 16,5 % und werden von M3.1 Flash weit übertroffen.
Die gestrichelte Linie im Diagramm verbindet die Modelle mit der höchsten Punktzahl in jeder Preisklasse. M3.1 Flash steht direkt am Anfang dieser Linie.
Mit über 700 Yuan schlägt es Modelle, die Tausende kosten – der Kostenunterschied beträgt mehr als das Zehnfache!
Auch die Preise wurden stark gesenkt, um mehr als die Hälfte reduziert
Pro Million Token kostet die Eingabe nur 1 Yuan, die Ausgabe 4 Yuan und das Lesen aus dem Cache nur 0,1 Yuan. Bei Agent-Aufgaben ist der Gesamtbetriebskosten um 70 % niedriger als bei der Vorgängergeneration.
Wie andere chinesische Flash-Modelle auch berechnet DeepSeek V4.1 Flash-1017 unterschiedliche Preise für Spitzen- und Nebenzeiten.
Viele Unternehmen konzentrieren ihre Geschäftsprozesse auf die Werktage am Tag, was genau in die Spitzenzeiten von DeepSeek fällt: Eingabe kostet 2 Yuan, Ausgabe 8 Yuan, also doppelt so teuer wie bei M3.1 Flash.
M3.1 Flash unterscheidet keine Zeiten, den ganzen Tag gelten die Preise, die DeepSeek nur in den Nebenzeiten anbietet.
In Szenarien mit hohem Cache-Nutzungsgrad, gerechnet auf 1 Milliarde Eingabe-Token: Bei einer Trefferquote von 90 % betragen die Eingabekosten von M3.1 Flash 190 Yuan, also 46 Yuan günstiger als die 236 Yuan von DeepSeek in den Spitzenzeiten. Bei einer Trefferquote von 95 % liegen die Kosten bei 145 Yuan gegenüber 138 Yuan bei DeepSeek – die Preise sind fast gleich.
Nur wenn die Leistung ausreicht und die Kosten niedrig genug sind, kann Flash die Rolle des Hauptmodells übernehmen.
Geschwindigkeit erreicht über 200 TPS
MiniMax kehrt mit Textmodellen zurück
Niedrige Kosten reichen nicht aus: Damit langwierige Aufgaben gut funktionieren, muss auch die Geschwindigkeit stimmen. Die reguläre Ausgabegeschwindigkeit von M3.1 Flash erreicht über 200 TPS, der Median liegt stabil bei über 170 TPS, während die Vorgängergeneration M3 in der offiziellen Dokumentation nur über 100 TPS erreichte.
Jeder Programmierer kennt diese Frustration: Das Modell korrigiert den Code einmal, es tauchen aber noch Probleme auf, man muss auf die nächste Runde warten. Nach mehreren Wiederholungen ist die Inspiration weg und der Kaffee kalt.
Genau hier liegt die Stärke von M3.1 Flash. Sein Vorgänger war das mysteriöse Modell „Space Bunny“, das vor Kurzem im ganzen Internet Aufmerksamkeit erregte. Die häufigste Rückmeldung von Nutzern war, dass es extrem schnell ist.
