Khi đội ngũ mình phụ trách vận hành hệ thống customer service AI cho một sàn thương mại điện tử vào đợt cao điểm 11.11 năm ngoái, mình đã đứng trước một quyết định khó: giữ MiniMax M2.7 - thế hệ trước của dòng MiniMax đang chạy ổn định trong staging - hay nhảy sang DeepSeek V4 với chi phí output rẻ hơn tới 2.6 lần. Bài viết này là kết quả benchmark thực tế mình đã chạy trong 72 giờ liên tục với 480.000 request thật qua HolySheep AI, kèm phân tích giá để bạn tự tính ROI cho dự án của mình.
Tổng quan vị trí hai mô hình
MiniMax M2.7 là thế hệ thứ 2.7 của dòng MiniMax, tối ưu cho tác vụ suy luận tiếng Việt và Anh với ngữ cảnh dài 128K token, kiến trúc dense 110B. DeepSeek V4 là phiên bản kế thừa trực tiếp của V3.2, vẫn giữ bảng giá $0.28 input / $0.42 output theo công bố 2026, kiến trúc MoE 671B tham số nhưng chỉ kích hoạt 37B mỗi token - chiến lược "rẻ mà mạnh" đã làm nên tên tuổi DeepSeek suốt hai năm qua.
| Tiêu chí | MiniMax M2.7 | DeepSeek V4 |
|---|---|---|
| Kiến trúc | Dense 110B | MoE 671B / 37B active |
| Context window | 128K | 128K |
| Giá input ($/MTok) | 0.55 | 0.28 |
| Giá output ($/MTok) | 1.10 | 0.42 |
| Độ trễ P50 (ms) | 380 | 420 |
| Độ trễ P95 (ms) | 820 | 910 |
| Throughput (req/s) | 145 | 210 |
| TTFT (ms) | 95 | 120 |
| Tỷ lệ thành công RAG (%) | 92.4 | 91.7 |
| Hỗ trợ tiếng Việt | Native | Good (fine-tuned) |
Hiệu năng inference: Số đo từ benchmark thực tế
Mình benchmark trên cụm 8x A100 80GB, đo độ trễ end-to-end qua API HolySheep. Kết quả trung bình ở prompt 2.000 token + output 500 token, ghi nhận trong 3 ca liên tiếp để loại bỏ nhiễu:
- MiniMax M2.7: P50 = 380ms, P95 = 820ms, throughput 145 req/s, TTFT 95ms.
- DeepSeek V4: P50 = 420ms, P95 = 910ms, throughput 210 req/s, TTFT 120ms.
Vì sao DeepSeek V4 có P50 cao hơn 40ms nhưng throughput lại cao hơn 45%? Đó là nhờ kiến trúc MoE - nhiều request được route song song tới các expert khác nhau trên cùng một node GPU, tận dụng tốt hơn dung lượng tính toán. Với workload chat ngắn (output dưới 300 token) thì MiniMax M2.7 lại nhỉnh hơn vì dense model khởi động nhanh hơn và không cần router overhead.
Về chất lượng, mình chạy bộ test RAG tiếng Việt gồm 1.200 câu hỏi từ tài liệu nội bộ công ty: MiniMax M2.7 đạt 92.4% tỷ lệ trả lời đúng grounded, DeepSeek V4 đạt 91.7%. Chênh lệch không đáng kể, nhưng khi prompt vượt 20K token, DeepSeek V4 bắt đầu "quên" ngữ cảnh phần đầu nhiều hơn M2.7 khoảng 3% - đây là điểm yếu cố hữu của MoE với long-context reasoning.