Une entreprise chinoise affirme que son nouveau modèle a réduit de 70 % le coût d’utilisation. Mais quand on regarde la grille tarifaire, le prix par million de tokens n’a été divisé que par deux. Les 20 % restants se cachent dans la colonne du cache.
Le 19 octobre, MiniMax a lancé M3.1 Flash. Une architecture à experts mixtes de 428 milliards de paramètres, dont seulement 23 milliards sont activés à la fois. Une fenêtre de contexte d’un million de tokens, avec prise en charge directe des images et des vidéos. Tout cela vient de l’entreprise elle-même ; personne, à l’extérieur, ne l’a encore reproduit.
En revanche, la grille tarifaire est limpide. Un million de tokens en entrée : 0,15 dollar. En sortie : 0,6 dollar. Pour les entrées déjà lues et mises en cache : 0,015 dollar. La génération précédente, M3, coûtait 0,3 et 1,2 dollar. Le prix unitaire a donc été divisé par deux.
Le communiqué officiel annonce une baisse des coûts de 70 %. Les 20 points d’écart ne figurent pas dans les prix. Pas du tout.
J’y ai réfléchi une bonne partie de la nuit. 0,15 et 0,015 dollar : un rapport de dix à un. L’écart est considérable. Tous ceux qui ont déjà fait tourner un agent le savent : dans une tâche, ce qui coûte vraiment cher, c’est le contexte qu’il faut réinjecter à chaque tour — le dépôt de code, les définitions des outils, les journaux des premières étapes. On le transmet encore et encore, sans en changer un mot, et on le paie au tarif normal.
Le tarif du cache l’isole et le facture au dixième du prix. Voilà comment la facture totale baisse. Le prix unitaire diminue de 50 %, la facture totale de 70 % : les deux chiffres sont exacts, mais ils ne parlent pas du tout de la même chose. Ce sont deux choses distinctes.
Le fournisseur ne ment pas en annonçant une baisse de 70 %. Le problème, c’est quand les lecteurs comprennent que tout est devenu moins cher. Ce qui a baissé, c’est le prix unitaire ; ce qui permet d’économiser, c’est la répétition.
Ethereum a fait la même chose il y a des années. Lors de la mise à niveau Istanbul, en 2019, le coût des données transportées dans une transaction est passé de 68 à 16 gas par octet. La raison est simple : ces octets doivent être stockés de façon permanente, mais chaque nœud n’a pas besoin de les exécuter à chaque fois. Puis, lors de la mise à niveau Cancun, en 2024, les données des rollups ont obtenu leur propre canal : chaque blob fait 128 KB, et ses frais sont calculés séparément du gas d’exécution, avec un tarif qui évolue indépendamment. Les mêmes octets sont répartis dans deux catégories, et leur prix peut différer de plusieurs dizaines de fois.
Tout au long de ce parcours, personne n’a crié que c’était moins cher. Personne n’a annoncé de baisse des coûts en pourcentage. Seule la méthode de facturation a changé. L’effet est le même. C’est tout.
Alors, comment ces 70 % d’économies sont-ils obtenus ?
En fait, il s’agit simplement de repérer, dans les usages d’agents, les éléments lus plusieurs fois et de leur appliquer un tarif à 10 %. Celui qui sait reconnaître les répétitions dans son activité obtient cette réduction. Celui qui n’y arrive pas paie le plein tarif, sans économiser un centime. C’est aussi simple que ça.
C’est ce qui leur permet d’affirmer dans leur communiqué que le coût par tâche est inférieur à cinq cents. Quand on vend au token, le client peut sortir sa calculatrice. Quand on vend à la tâche, il ne peut pas comparer. Ils ont fait tourner eux-mêmes leur évaluation de 152 questions ; la facture s’est élevée à 111 dollars. Ce chiffre, on peut le vérifier. Pour les autres, personne n’est allé vérifier.
Quelques questions restent en suspens. Les poids sont censés être publiés le 23, mais pas un mot sur la licence. Tous les résultats sont déclarés par l’entreprise, sans reproduction par un tiers. Sur DeepSWE, il obtient 73,7, contre 74,2 pour DeepSeek V4.1 Flash, soit un demi-point de plus. Au test de terminal, il obtient 38,1 ; Opus 5 le devance de 13,7 points. Tout cela figure dans leur propre tableau. Ils ne l’ont vraiment pas caché.
Autre point : le raisonnement ne peut pas être désactivé. Même pour une question simple, le modèle doit d’abord réfléchir. Les économies réalisées cachent une autre facture. Qui la paie ? On n’a pas encore de réponse claire.
Si vous faites tourner des agents, ne vous focalisez pas d’abord sur le prix unitaire. Regardez plutôt combien d’éléments inchangés vous réinjectez dans le contexte à chaque tour. C’est là que vous pouvez réduire les coûts.
Cet argent est sur la facture depuis le début.
$BTC $ARB $TAO
#AI #大模型 #以太坊 #比特币 #RéductionDesCoûts
Le 19 octobre, MiniMax a lancé M3.1 Flash. Une architecture à experts mixtes de 428 milliards de paramètres, dont seulement 23 milliards sont activés à la fois. Une fenêtre de contexte d’un million de tokens, avec prise en charge directe des images et des vidéos. Tout cela vient de l’entreprise elle-même ; personne, à l’extérieur, ne l’a encore reproduit.
En revanche, la grille tarifaire est limpide. Un million de tokens en entrée : 0,15 dollar. En sortie : 0,6 dollar. Pour les entrées déjà lues et mises en cache : 0,015 dollar. La génération précédente, M3, coûtait 0,3 et 1,2 dollar. Le prix unitaire a donc été divisé par deux.
Le communiqué officiel annonce une baisse des coûts de 70 %. Les 20 points d’écart ne figurent pas dans les prix. Pas du tout.
J’y ai réfléchi une bonne partie de la nuit. 0,15 et 0,015 dollar : un rapport de dix à un. L’écart est considérable. Tous ceux qui ont déjà fait tourner un agent le savent : dans une tâche, ce qui coûte vraiment cher, c’est le contexte qu’il faut réinjecter à chaque tour — le dépôt de code, les définitions des outils, les journaux des premières étapes. On le transmet encore et encore, sans en changer un mot, et on le paie au tarif normal.
Le tarif du cache l’isole et le facture au dixième du prix. Voilà comment la facture totale baisse. Le prix unitaire diminue de 50 %, la facture totale de 70 % : les deux chiffres sont exacts, mais ils ne parlent pas du tout de la même chose. Ce sont deux choses distinctes.
Le fournisseur ne ment pas en annonçant une baisse de 70 %. Le problème, c’est quand les lecteurs comprennent que tout est devenu moins cher. Ce qui a baissé, c’est le prix unitaire ; ce qui permet d’économiser, c’est la répétition.
Ethereum a fait la même chose il y a des années. Lors de la mise à niveau Istanbul, en 2019, le coût des données transportées dans une transaction est passé de 68 à 16 gas par octet. La raison est simple : ces octets doivent être stockés de façon permanente, mais chaque nœud n’a pas besoin de les exécuter à chaque fois. Puis, lors de la mise à niveau Cancun, en 2024, les données des rollups ont obtenu leur propre canal : chaque blob fait 128 KB, et ses frais sont calculés séparément du gas d’exécution, avec un tarif qui évolue indépendamment. Les mêmes octets sont répartis dans deux catégories, et leur prix peut différer de plusieurs dizaines de fois.
Tout au long de ce parcours, personne n’a crié que c’était moins cher. Personne n’a annoncé de baisse des coûts en pourcentage. Seule la méthode de facturation a changé. L’effet est le même. C’est tout.
Alors, comment ces 70 % d’économies sont-ils obtenus ?
En fait, il s’agit simplement de repérer, dans les usages d’agents, les éléments lus plusieurs fois et de leur appliquer un tarif à 10 %. Celui qui sait reconnaître les répétitions dans son activité obtient cette réduction. Celui qui n’y arrive pas paie le plein tarif, sans économiser un centime. C’est aussi simple que ça.
C’est ce qui leur permet d’affirmer dans leur communiqué que le coût par tâche est inférieur à cinq cents. Quand on vend au token, le client peut sortir sa calculatrice. Quand on vend à la tâche, il ne peut pas comparer. Ils ont fait tourner eux-mêmes leur évaluation de 152 questions ; la facture s’est élevée à 111 dollars. Ce chiffre, on peut le vérifier. Pour les autres, personne n’est allé vérifier.
Quelques questions restent en suspens. Les poids sont censés être publiés le 23, mais pas un mot sur la licence. Tous les résultats sont déclarés par l’entreprise, sans reproduction par un tiers. Sur DeepSWE, il obtient 73,7, contre 74,2 pour DeepSeek V4.1 Flash, soit un demi-point de plus. Au test de terminal, il obtient 38,1 ; Opus 5 le devance de 13,7 points. Tout cela figure dans leur propre tableau. Ils ne l’ont vraiment pas caché.
Autre point : le raisonnement ne peut pas être désactivé. Même pour une question simple, le modèle doit d’abord réfléchir. Les économies réalisées cachent une autre facture. Qui la paie ? On n’a pas encore de réponse claire.
Si vous faites tourner des agents, ne vous focalisez pas d’abord sur le prix unitaire. Regardez plutôt combien d’éléments inchangés vous réinjectez dans le contexte à chaque tour. C’est là que vous pouvez réduire les coûts.
Cet argent est sur la facture depuis le début.
$BTC $ARB $TAO
#AI #大模型 #以太坊 #比特币 #RéductionDesCoûts