先说结果：工程题都通过，V4-Pro更快，M3本轮更省
封面为本次对比主题示意，非产品界面截图。
这次测试没有测出一个"全面胜者"，但有三个清楚的差异：
- **工程任务：**代码修复、从零实现和工具编排共9题，两个模型都通过。
- **速度与成本：**V4-Pro平均每题总耗时11.7秒，M3为29.1秒；M3本轮总花费低约17.6%。
- **输出可用性：**M3的思考文本混进正文，导致三道固定格式题未通过原始判定；复核后两题答案内容正确，另一题的答案仍困在未闭合的思考块里。
按原始接口输出计算，M3加权通过率为0.850，V4-Pro为0.950。差距来自固定格式题；长上下文两边各通过1/2。本次结果只代表这条接口和这组题，不能据此给两个模型排通用能力名次。
下面说明测试怎么做、差异从哪里来，以及这些结果适合怎样用于选型。
一、为什么不直接引用公开跑分
公开榜单能反映通用能力，但不一定能回答实际接入时的三个问题：任务要等多久、要花多少钱、输出能不能直接交给下游程序。延迟和计费也会受服务商及路由影响，所以这篇只报告自己的实测，不把结果外推成模型排名。
二、测试口径：同一入口、同一套参数
两个模型都通过Crazyrouter的同一个入口调用，请求参数保持一致。相同入口仍不能排除上游路由和服务商配置的影响，因此这里比较的是这条接入路径下的实际表现。
| 项目 | 取值 |
|---|---|
| Base URL | https://api.crazyrouter.com/v1 |
| 接口 | /chat/completions |
| 模型 | MiniMax-M3、deepseek-v4-pro |
| 输出上限 | 8192 |
| 允许轮数 | 纯答题2轮，工程题8到10轮，长上下文6轮 |
| 工具 | 读文件、写文件、跑Python、声明收工 |
题目分七类共19道，权重按我自己配模型时常遇到的场景设置，不是行业统一基准：
| 维度 | 题数 | 权重 | 判定方式 |
|---|---|---|---|
| 代码修复 | 3 | 20% | 运行测试文件，退出码为零 |
| 从零实现 | 3 | 20% | 运行测试文件，退出码为零 |
| 工具编排 | 3 | 20% | 运行测试文件，退出码为零 |
| 仓库问答 | 3 | 10% | 回答必须含指定结果 |
| 指令遵循 | 3 | 10% | 严格JSON解析、整串正则 |
| 抗误导 | 2 | 10% | 必须指出错误前提 |
| 长上下文 | 2 | 10% | 必须取出大文件里的值 |
工程题是带源码和测试文件的小项目。模型可以读写文件、执行脚本并尝试修复，最终通过实际运行测试文件判分。测试文件会在开跑前后校验哈希，若被改动则判零分；本次双方都没有改动测试文件。
三、结果：工程题全过，整体通过率与效率有差异
19道题逐题自动判定，2026年10月20日实测。
| 维度 | 权重 | MiniMax M3 | DeepSeek V4-Pro |
|---|---|---|---|
| 代码修复 | 20% | 3/3 | 3/3 |
| 从零实现 | 20% | 3/3 | 3/3 |
| 工具编排 | 20% | 3/3 | 3/3 |
| 仓库问答 | 10% | 3/3 | 3/3 |
| 指令遵循 | 10% | 0/3 | 3/3 |
| 抗误导 | 10% | 2/2 | 2/2 |
| 长上下文 | 10% | 1/2 | 1/2 |
| 加权总分 | 100% | 0.850 | 0.950 |
加权总分按上表题类权重计算，只表示这19道题的原始接口输出通过情况。每题每个模型只计一条最终有效记录，因此这不是通用能力排名，也无法估算成功率或耗时波动。
| 效率指标 | MiniMax M3 | DeepSeek V4-Pro |
|---|---|---|
| 平均每题耗时 | 29.1秒 | 11.7秒 |
| 平均每题轮数 | 4.1 | 2.9 |
| 平均每题输出token | 908 | 470 |
| 思考占输出比例 | 40% | 49% |
| 19道题总花费 | 0.061美元 | 0.074美元 |
含该题全部工具轮次的总耗时，不是单次请求延迟。
四、关键发现：输出通道影响固定格式任务
指令遵循的0比3容易被理解为纯粹的能力差距，但这次还暴露了输出通道问题。
M3把思考过程和最终答案一起放进content字段，<think>标签混在正文里。19道题中，每道至少有一个回合出现这种混流；V4-Pro没有。
三道固定格式题按原始输出都未通过。复核未截断记录后，ins1和ins2的答案内容符合要求，只是前面混入了思考块；ins3没有闭合标签，答案仍留在思考块里，不能直接取作正文。
这三题不能简单归结为"M3不遵循格式指令"，也不能全算解析器误判。更具体地说，在这条接口上，思考与答案混流降低了M3输出被程序直接消费的可靠性。接入程序时，应优先使用能分离思考与正文的字段并校验格式；遇到未闭合标签，不要直接把后续内容当作答案。
复核边界
我撤掉了"剥离思考块后M3能涨多少分"的二次统计，因为结果文件只保存每条答复的前600个字符。思考内容较长时，真正的答案可能没写进文件；剥离后没有正文，不代表模型没有回答。
原始判分使用内存中的完整文本，因此0.850和0.950两个总分仍按完整记录计算。这个存储限制只影响事后复核，不能据此重算"剥离后"的成绩。
五、成本：单价差一倍，本轮总花费接近
M3的输入单价是每百万token 0.30美元，V4-Pro是0.67美元；输出单价分别为1.20美元和2.00美元。M3消耗的token更多，抵消了部分单价优势。本轮M3花费0.0610美元，V4-Pro花费0.0739美元，M3低约17.6%；换一组任务后比例可能变化。
六、踩到的坑和注意事项
单题结论不能外推。 我先测一道小bug题时，V4-Pro用了1600多个思考token，单题成本是M3的10.6倍；但在19道题的总成本上，M3反而更省。少量样本很容易被个别极端题带偏。
网络中断不能算模型失败。 首轮38次调用里有6次SSL连接中断。如果不重试并作废异常记录，V4-Pro会多出4道"做错"。表中使用的是重跑后的有效记录。
轮数预算必须对等。 长上下文题最初只给4轮，V4-Pro都用来读文件，尚未作答就会被误判失败。统一放宽到6轮后重跑，它仍未收敛，因此最终结果按重跑记录计算。
七、怎么选
| 你是谁、要做什么 | 建议怎么选 | 这轮结果能说明什么 |
|---|---|---|
| 做API产品，模型输出会被解析器或自动化流程直接读取 | 优先试DeepSeek V4-Pro | 三道固定格式题通过；M3在本次兼容接口中把思考文本混入正文。上线前仍要按自己的协议做集成测试 |
| 做客服、助手等重视等待时间的交互产品 | 先试DeepSeek V4-Pro | 平均每题总耗时11.7秒，对比M3的29.1秒；这是含工具往返的总耗时，不是单次请求延迟 |
| 负责夜间批量任务，预算比速度更重要 | 把MiniMax M3纳入小流量测试 | 本轮总费用低约17.6%；请用自己的任务计算每个有效完成结果的成本 |
| 主要做代码修复、实现或工具编排的开发者 | 两者都可进入候选 | 这9道工程题两边都通过，本轮不能据此排出普遍的能力高低 |
| 主要查长日志、长文档的分析人员 | 暂不按这轮结果选赢家 | 双方各通过1/2，且通过不同题；应补测自己的文档任务 |
| 已经在用M3、担心答案解析失败的工程团队 | 先验输出协议和异常处理 | 确认思考字段、正文格式及区块闭合；未闭合时将答案视为不可用，不要直接剥标签 |
本次测的是OpenAI兼容接口。M3换用原生协议后，思考是否会独立成字段，尚未验证。每题每个模型只计一条最终有效记录，没有重复抽样，不能估算延迟方差或跨任务成功率。
换模型的成本很低，同一把密钥可以调用目录内的全部模型，改一个模型名即可，详见DeepSeek V4 Pro的接入说明。
最后
如果你现在要做决定：程序要直接消费结果、或用户等不起，先试V4-Pro；批处理预算敏感，把M3放进自己的小流量测试；长文档任务则暂时没有赢家。别把19题的结果当通用排名，最终比较指标应是"符合你要求且成功交付的结果数、耗时和成本"。