MiniMax-M2.7 vs DeepSeek-V4-Flash: cuál para tu tarea

Tu agente estuvo ejecutándose diez minutos, llegó la factura y ahora te preguntas si el otro modelo barato habría hecho el mismo trabajo por menos. Aquí está la versión corta. Si tus respuestas son cortas y el prompt cabe en 180K tokens, ambos modelos encajan en el trabajo sobre el papel, así que el coste de tu carga de trabajo decide. Si necesitas una sola respuesta de más de 8.192 tokens, o más de 180K de contexto, elige DeepSeek-V4-Flash. Ambos están detrás de una sola clave y un solo base_url, así que puedes ejecutar tu propia tarea en cada uno y mirar los números.

Las especificaciones, según los datos de la API de CheapTokens (26 de octubre de 2026):

• MiniMax-M2.7 (pesos abiertos, 229B parámetros según su página de Hugging Face): id MiniMaxAI/MiniMax-M2.7, contexto de 180K, hasta 8.192 tokens de salida por respuesta.
• DeepSeek-V4-Flash, versión 0731: id deepseek-ai/DeepSeek-V4-Flash-0731, contexto de 380K, hasta 32.768 tokens de salida por respuesta.

Ambos hablan OpenAI Chat Completions y Anthropic Messages en https://api.cheaptokens.dev/v1 (el SDK de Anthropic y Claude Code usan la misma dirección sin /v1). Cada modelo tiene un precio fijo, no hay horas punta y un solo saldo cubre todos los modelos. Los precios actuales están en la página de precios; en este artículo provienen de etiquetas de precio en vivo, así que siempre son los de hoy.

Cuál para qué trabajo#

Los dos números que dividen la elección son cuánto lee el modelo y cuánto puede escribir de una vez.

Ahora el dinero, en tres cargas de trabajo.

Caso 1: un bot de soporte con 1.000 solicitudes al día#

Supongamos que ejecutas un bot de soporte con 1.000 tickets al día. Cada solicitud lleva el prompt del sistema, algunos fragmentos de la base de conocimiento y los últimos mensajes, unos 1.500 tokens de entrada. La respuesta es de unos 250 tokens. Esto es lo que cuesta un día en cada modelo, con OpenRouter al lado:

Lee los totales, no las columnas. Una solicitud se factura por entrada y salida juntas, y en esta forma la entrada es seis veces la salida. En total, con entrada y salida contadas juntas, ambos modelos salen más baratos que OpenRouter. Como referencia, los precios de OpenRouter por 1M tokens el 26 de octubre de 2026: MiniMax-M2.7 $0.30 entrada / $1.20 salida, DeepSeek-V4-Flash $0.0475 entrada / $0.1568 salida.

Caso 2: un bucle de agente donde la entrada se acumula#

Las herramientas de agente como OpenClaw, Cline o Aider reenvían el contexto de trabajo en cada paso: archivos que han leído, resultados de herramientas, el historial hasta el momento. Supón una media de 40.000 tokens de entrada y 600 tokens de salida por paso (una llamada a herramienta y un comentario corto), y 200 pasos en una sesión de trabajo:

Ese es el truco de los bucles de agente: pagas por lo que el modelo vuelve a leer, no por lo que escribe. La entrada es más de sesenta veces la salida aquí, así que el lado de la entrada de la tabla lleva la factura.

Lo otro que importa en un bucle es dónde termina el contexto. Una sesión en un repositorio grande crece paso a paso; MiniMax-M2.7 aguanta hasta 180K, DeepSeek-V4-Flash hasta 380K. Si tus sesiones se deslizan regularmente más allá de 180K, la ventana más grande te salva de recortar el historial a mano. Para un día de trabajo de agente en más modelos, consulta el modelo más barato para OpenClaw.

Caso 3: un archivo largo en una sola respuesta#

Ahora la forma opuesta. Pides una suite de tests completa para un módulo en una sola respuesta, y llega a unos 20.000 tokens. Una respuesta en MiniMax-M2.7 aguanta hasta 8.192 tokens, así que una solicitud como esta se detiene a mitad de archivo, y la API te lo dice: finish_reason vuelve como length en lugar de stop. DeepSeek-V4-Flash acepta hasta 32.768 tokens en una respuesta, así que el archivo entero cabe en una llamada. Con un prompt de 6.000 tokens esa llamada cuesta $0.0021.

Las respuestas que terminan muy por debajo de 8.192 tokens caben en ambos modelos: una función, un diff, un JSON extraído de un documento, una respuesta a un ticket. Aquí los totales deciden. Mismo prompt de 6.000 tokens, misma respuesta de 2.000 tokens, así que compara las filas:

Si quieres el lado de las respuestas largas en detalle, el inicio rápido de DeepSeek-V4-Flash cubre streaming y salidas largas, y el artículo de precios de MiniMax-M2.7 tiene el lado del precio.

Prueba ambos con tu propio prompt#

La prueba más limpia es la misma solicitud enviada a ambos modelos. Solo cambia el campo model.

Exporta tu clave como CHEAPTOKENS_API_KEY (la configuración está en la documentación) y ejecuta:

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.cheaptokens.dev/v1",
    api_key=os.environ["CHEAPTOKENS_API_KEY"],
)

MODELS = [
    "MiniMaxAI/MiniMax-M2.7",
    "deepseek-ai/DeepSeek-V4-Flash-0731",
]
PROMPT = "Write a Python function that parses ISO 8601 dates and returns a datetime. Add three tests."

for model in MODELS:
    r = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": PROMPT}],
        max_tokens=4000,
    )
    print(model)
    print("  finish_reason:", r.choices[0].finish_reason)
    print("  tokens in/out:", r.usage.prompt_tokens, r.usage.completion_tokens)

Obtienes dos bloques cortos: el id del modelo, finish_reason y los dos recuentos de tokens del campo usage. Lo más probable es que finish_reason sea stop, lo que significa que el modelo terminó por su cuenta; si es length, el modelo alcanzó max_tokens, así que auméntalo. Pon tus propios recuentos junto a las tarifas en vivo de la página de precios y tienes el coste de tu tarea en cada modelo, no una media de un artículo. La tarjeta del modelo de MiniMax en Hugging Face (consultada el 26 de octubre de 2026) recomienda temperatura 1.0 y top_p 0.95 para M2.7, así que añade esos dos parámetros a la llamada de M2.7 si quieres los ajustes del fabricante.

Si no funciona#

• No se encuentra el modelo. Usa el id completo de la lista de arriba. Nombres cortos como minimax-m2.7 son etiquetas para las etiquetas de precio; la API acepta MiniMaxAI/MiniMax-M2.7 y deepseek-ai/DeepSeek-V4-Flash-0731.
• La conexión falla. Para el SDK de OpenAI la dirección termina en /v1. Para el SDK de Anthropic y Claude Code no.
• La respuesta termina a mitad de frase. Comprueba finish_reason. Si es length, sube max_tokens hasta el límite del modelo, o mueve la tarea a DeepSeek-V4-Flash cuando necesites más de 8.192 tokens.

Ambos modelos también están en las páginas de DeepSeek y MiniMax si quieres la vista de producto.