MiniMax-M3.1-Flash beantwortet jetzt Ihre M2.7-Aufrufe: Was sich am 19. Oktober geändert hat

Wenn Sie MiniMax-M2.7 heute an einen Schlüssel für MiniMax M Plan oder Token Plan senden, hat sich das Modell hinter diesem Namen geändert. Die eigene Mitteilung von MiniMax zur Modellausmusterung legt den 19. Oktober 2026 als Datum fest, ab dem Anfragen an MiniMax-M2.7 und MiniMax-M2.5 in diesen Plänen automatisch an MiniMax-M3.1-Flash weitergeleitet werden – dieselbe Modell-ID in Ihrem Code, ein anderes Modell am anderen Ende, mit einem Denkbudget, das standardmäßig auf dem Maximum liegt, und keiner Möglichkeit, das Denken vollständig abzuschalten. Das Modell selbst ist nicht neu: MiniMax-M3.1-Flash steht seit dem 27. September 2026 in der Dokumentation des Anbieters, als wir es dort erstmals unter dem Namen MiniMax-M3.1-Flash-Preview bestätigt haben. Neu ist – und mit heutigem Datum versehen – die Ersetzung, und die Tatsache, dass zwei ältere Modellfamilien nach demselben Zeitplan darin aufgehen. Die dokumentierten KI-Ausfälle und Agent-Vorfälle hinter Veröffentlichungen wie dieser sind im OrcaRouter AI Incident Archive gesammelt, wobei jeder Eintrag eigene Quellen, einen Schweregrad, eine Vertrauensstufe und eine Markierung als umstritten enthält.

Wozu sich die Mitteilung tatsächlich verpflichtet

MiniMax veröffentlicht den Zeitplan in der eigenen Dokumentation zur Modellliste, und er ist für eine Deprecation ungewöhnlich konkret. Drei Datumsangaben leisten die ganze Arbeit.

• 19. Oktober 2026 — die M2.5- und M2.7-Familien sind für neue Nutzer nicht mehr verfügbar. • 19. Oktober 2026 — jede Anfrage an M2.5 oder M2.7 unter M Plan und Token Plan wird automatisch an M3.1 Flash weitergeleitet. Bestehende Modellnamen funktionieren weiterhin, und der Anbieter gibt an, dass die Nutzungskontingente der Tarife unverändert bleiben. • 18. November 2026 — beide Familien werden eingestellt. API-Anfragen an sie funktionieren dann überhaupt nicht mehr.

Pay-as-you-go wird separat behandelt: M​iniMax erklärt, dass bestehende Pay-as-you-go-Nutzer bis zum Außerbetriebnahmedatum weiterhin Zugang behalten, während neue Nutzer ab heute keinen Zugang mehr erhalten. Die Empfehlung des Unternehmens ist genau die, die man erwarten würde – prüfen Sie, ob Ihre Anwendungen auf diese Modelle angewiesen sind, und beginnen Sie mit der Migrationsplanung –, was für alle, deren Produktionsverkehr heute Morgen auf M2.7 gerichtet war, etwas spät kommt.

Das entscheidende Wort im Hinweis ist automatisch. Hierbei handelt es sich nicht um eine Deprecation, die einen Fehler zurückgibt und eine Codeänderung erzwingt. Es ist eine stille Ersetzung: Ihre Anfrage bleibt erfolgreich, Ihr Nutzungskontingent wird weiterhin im selben Umfang verbraucht, und die Komponente, die die Tokens erzeugt, ist eine andere. Wenn Sie das angeforderte Modell protokollieren, aber nicht das Modell, das in der Antwort zurückgegeben wurde, zeigt Ihr Monitoring einen gesunden Dienst, der ein Modell ausführt, das Sie nicht ausgewählt haben.

Drei Dinge ändern sich innerhalb der Antwort.

Die API-Referenz des Anbieters dokumentiert beide Modelle auf derselben Seite, wodurch sich der Unterschied präzise benennen lässt. MiniMax-M3.1-Flash ist ein Frontier-Multimodal-Coding-Modell mit einem Kontextfenster von 1.000.000 Tokens und einstellbarer Denktiefe; MiniMax-M2.7 ist ein Legacy-Text-und-Tool-Modell mit einem Fenster von 204.800 Tokens.

• Kontext — 1.000.000 Token bei MiniMax-M3.1-Flash gegenüber 204.800 bei MiniMax-M2.7, etwa eine Verfünffachung. • Eingaben — Text, Bild und Video bei MiniMax-M3.1-Flash gegenüber nur Text und Tool-Aufrufen bei der M2.x-Familie, die laut ausdrücklichem Legacy-Hinweis des Anbieters keine Bild- oder Videoeingabe akzeptiert. • Denken — bei MiniMax-M3.1-Flash immer aktiv und nicht deaktivierbar; das Senden von thinking: {"type": "disabled"} gibt HTTP 400 mit Fehlercode 2013 zurück. • Denktiefe — effort akzeptiert low, medium, high, xhigh und max; standardmäßig ist es max, wenn ausgelassen. M2.7 hat keine entsprechende Steuerung. • Reasoning-Ausgabe — wird in reasoning_content im OpenAI-kompatiblen Protokoll und in einem thinking-Block im Anthropic-kompatiblen zurückgegeben. reasoning_split: false wird nicht akzeptiert, daher kann das Denken nicht in content als <think>-Tags zurückgeschrieben werden. • Ausgabegrenze — empfohlene 131.072 Token und ein hartes Maximum von 524.288 für die Generierung bei MiniMax-M3.1-Flash, gegenüber 204.800 Gesamtkontext bei M2.7. • Zulassungsstufen — service_tier: "priority" (die Stufe mit 1,5× schnellerer Zulassung) wird bei MiniMax-M3.1-Flash nicht unterstützt. Eine Workload, die auf Priority-Zulassung angewiesen war, verliert sie. • Sampling — top_p ist bei MiniMax-M3.1-Flash standardmäßig 0,95, gegenüber 0,9 bei den M2.x-Modellen.

Zwei davon sind kosmetischer Natur. Bei den Standardeinstellungen für das Denken ist das nicht der Fall. Eine für M2.7 entwickelte Workload musste sich nie Gedanken über den Reasoning-Aufwand machen, weil es nichts einzustellen gab. Dieselbe unveränderte Workload läuft nun bei jeder Anfrage mit maximalem Aufwand — und M​iniMax rechnet Thinking-Tokens auf das Generierungslimit an, weshalb die eigene Dokumentation des Anbieters davor warnt, dass ein zu kleines max_tokens zu einem max_tokens-Stop-Grund ganz ohne Textausgabe führt.

Die Standardeinstellung ist die teure Einstellung.

Hier ist die Falle in einem Satz: Die Migrationsmitteilung besagt, dass Ihre Nutzungskontingente unverändert bleiben, und das stimmt, aber die Token, die jede Anfrage verbraucht, sind nicht unverändert.

Die FAQ zum M Plan von MiniMax stellt ausdrücklich klar, dass der Verbrauch von der Denktiefe abhängt und dass eine höhere Tiefe bei M3.1 Flash mehr Denkinhalt erzeugt und mehr verbraucht. Da effort standardmäßig auf max steht, läuft eine migrierte M2.7-Workload nun mit der teuersten Einstellung, die das Modell bietet – von niemandem gewählt.

Eine grobe Veranschaulichung mit runden Zahlen, ausdrücklich als Arithmetik und nicht als Messung gekennzeichnet: Nehmen wir 40.000 Anfragen pro Tag, einen Prompt mit 6.000 Tokens und 3.000 Denk-Tokens bei maximaler Stufe gegenüber etwa 600 bei niedriger Stufe. Das sind 96 Millionen zusätzliche Denk-Tokens pro Tag oder etwa 2,9 Milliarden pro Monat. Zum veröffentlichten Ausgabepreis von MiniMax-M3 von 1,20 US-Dollar pro Million Tokens — dem nächstbesten veröffentlichten Preis, den es gibt, weil MiniMax für M3.1 Flash keinen Preis pro Token veröffentlicht — liegt dieser Unterschied bei etwas mehr als 3.400 US-Dollar pro Monat. Ändert man zwei dieser Annahmen, verschiebt sich die Zahl stark; der Punkt ist, dass sich das Vorzeichen nicht ändert.

Die Lösung ist ein einziges Feld, und es unterscheidet sich je nach Protokoll: output_config.effort am A​nthropic-kompatiblen Endpoint, reasoning_effort am O​penAI-kompatiblen Endpoint, reasoning.effort am Responses-Endpoint. M​iniMaxs eigene Anleitungen für Coding-Tools empfehlen genau das – für einfache Aufgaben den Aufwand zu verringern, statt zu versuchen, das Denken zu deaktivieren, denn das Deaktivieren ist keine Option.

Es gibt einen Effekt zweiter Ordnung, den es sich zu prüfen lohnt, bevor du irgendetwas abstimmst. Wenn dein Client max_tokens in einer für eine M2.7-Antwort bemessenen Größe sendet, kann ein Modell mit maximalem Aufwand das gesamte Budget fürs Reasoning ausgeben und eine leere Nachricht zurückgeben. Die A​nthropic-kompatible Referenz von M​iniMax sagt dir, output_config.effort explizit auf max zu setzen; die Parametertabelle derselben Seite warnt, dass Thinking-Tokens auf max_tokens angerechnet werden. Diese beiden Aussagen stehen nur wenige Zeilen auseinander, und durch diese Kombination erhältst du eine 200-Antwort, in der nichts steht.

Es gibt weiterhin keinen Preis pro Token.

Dies ist der Teil, der die Migration eher schwer kalkulierbar als schwer zu programmieren macht. Die Pay-as-you-go-Preistabelle von MiniMax listet ein Sprachmodell auf: MiniMax-M3, zu $0,30 pro Million Eingabe-Tokens und $1,20 pro Million Ausgabe-Tokens für Prompts mit bis zu 512.000 Eingabe-Tokens, wobei sich die Preise darüber auf $0,60 bzw. $2,40 verdoppeln; auf die durchgestrichenen Listenpreise ist bereits ein dauerhafter Rabatt von 50 % angewendet. Prompt-Cache-Lesevorgänge kosten jeweils $0,06 und $0,12 pro Million. MiniMax-M3.1-Flash taucht in dieser Tabelle überhaupt nicht auf.

Veröffentlicht sind die Abonnementpreise. M Plan kostet 22 US-Dollar pro Monat für Go, 55 US-Dollar für Explore und 132 US-Dollar für Build, wobei alle drei das Textmodell M3.1 Flash Preview enthalten; Explore umfasst das Dreifache von Gos Nutzungskontingent und Build das Siebeneinhalbfache. Token Plan gibt es weiterhin für Bestandskunden, wird aber nicht mehr an neue Kunden verkauft, und im Upgrade-Hinweis des Anbieters heißt es, dass die Tarife so oder so ihre aktuellen Preise und Textlimits behalten.

Die ehrliche Antwort auf die Frage „Was kostet M3.1 Flash pro Token“ ist also, dass Ihnen das noch niemand außerhalb von M​iniMax sagen kann, weil die Zahl nicht auf der Seite steht. Wenn Sie diese Woche einen Preis pro Token benötigen, um einen Business Case zu erstellen, ist der einzig vertretbare Ansatz messen: Führen Sie ein festes Eval-Set auf jeder Aufwandsstufe aus, erfassen Sie Nutzung aus der Antwort und rechnen Sie mit dem Satz um, den Ihr Tarif vorgibt. Ein Anbieter, der die Modellkarte, aber nicht die Preiskarte veröffentlicht, sagt Ihnen damit, dass er über Abonnements sprechen will und nicht über nutzungsbasierte Abrechnung.

Welche Modell-ID sendest du tatsächlich?

Die Dokumentation von M​iniMax widerspricht sich selbst, und das schlägt genau im falschen Moment zu. Die API-Referenz, die Anleitung zur Modellaufrufung und die Modellliste bezeichnen das Modell alle als MiniMax-M3.1-Flash. Die M-Plan-Seiten, die Einrichtungsanleitung für C​laude Code und die Einrichtungsanleitung für Codex bezeichnen es alle als MiniMax-M3.1-Flash-Preview, einschließlich einer C​laude-Code-Konfiguration, die vier separate Umgebungsvariablen auf MiniMax-M3.1-Flash-Preview[1m].

Keine der beiden Bezeichnungen ist als veraltet markiert, und keine Seite in der Dokumentation nennt ein Datum für die allgemeine Verfügbarkeit oder eine Umbenennung. Das sollte man klar sagen, statt zu raten: Stand heute verwendet der Anbieter beide Zeichenfolgen, und wir konnten anhand öffentlicher Dokumentation nicht feststellen, welche davon ein Pay-as-you-go-Schlüssel akzeptiert. Der einzige Test, der das klärt, dauert etwa zehn Sekunden und kostet nichts:

curl https://api.minimax.io/v1/models -H "Authorization: Bearer $YOUR_KEY"

Lies die zurückgegebenen IDs und verwende eine davon unverändert. Wenn du das Modell in C​laude Code, Cursor, Codex oder OpenCode einbindest, erwarten die Anleitungen des Anbieters die -PreviewForm, und die C​laude-Code-Anleitung merkt zusätzlich an, dass das Tool MiniMax-M3.1-Flash-Preview als aktives Modell melden sollte, wenn die Konfiguration korrekt ist.

Wenn du selbst hostest, erreicht dich nichts davon.

MiniMax-M2.7 ist ein Modell mit offenen Gewichten. Sein Checkpoint ist seit April 2026 unter der Organisation MiniMaxAI auf Hugging Face verfügbar, und die Mitteilung, die den API-Endpunkt außer Betrieb nimmt, betrifft keine Kopie, die auf Ihrer eigenen Hardware läuft. Dasselbe gilt für M2.5. Wenn Ihr M2.7-Datenverkehr von Ihrem eigenen Cluster oder einer privaten Bereitstellung bedient wird, ist die heutige Routing-Änderung das Problem von jemand anderem.

MiniMax-M3.1-Flash befindet sich nicht an dieser Position. Die beiden jüngsten öffentlichen Repositories der MiniMaxAI-Organisation sind M​iniMax-Music3, erstellt am 7. August 2026, und M​iniMax-H3, erstellt am 28. Juli 2026, und eine Hugging-Face-Suche nach M3.1 liefert nichts. Für das Modell, auf das Sie jetzt umgeleitet werden, gibt es keinen Checkpoint, keine Lizenzdatei und keinen Self-Hosting-Ausweg. Wenn offene Gewichte der Grund waren, warum Sie M2.7 gewählt haben, ist die Migration ein echter Rückschritt an Autonomie, selbst dort, wo sie ein Fortschritt an Leistungsfähigkeit ist.

Die Migrations-Checkliste, in der Reihenfolge, die zählt

• Heute — prüfen Sie, ob Sie einen Abo-Schlüssel oder einen Pay-as-you-go-Schlüssel verwenden. Das Auto-Routing gilt für M Plan und Token Plan; Pay-as-you-go bedient bestehende Nutzer bis 18. November weiterhin mit M2.5 und M2.7. • Heute — protokollieren Sie die Modell-ID, die die API zurückgibt, nicht nur die, die Sie gesendet haben, damit eine stille Ersetzung in Ihren Daten sichtbar wird. • Diese Woche — legen Sie effort bei jedem Aufruf explizit fest. Wählen Sie die Stufe je Aufgabenklasse, statt max zu erben. • Diese Woche — erhöhen Sie max_tokens oder max_completion_tokens, bevor Sie effort erhöhen, und prüfen Sie auf leere Completion-Antworten mit dem Stop-Grund max_tokens. • Vor dem 18. November — wenn Sie weiterhin das Verhalten von M2.7 benötigen, portieren Sie es auf einen selbst gehosteten Checkpoint oder akzeptieren Sie das Verhalten des neuen Modells. Nach diesem Datum ist der Endpoint weg. • Vor dem 18. November — testen Sie alles erneut, was service_tier: "priority" verwendet hat. Es ist auf M3.1 Flash nicht verfügbar, daher ändert sich das Latenzprofil, selbst wenn das Modell es nicht tut.

Wo sich eine Routing-Schicht bezahlt macht

Die Lektion dieser Woche ist nicht, dass MiniMax ein besseres Modell ausgeliefert hat. Sie ist, dass eine Modell-ID in deinem Code ein Versprechen ist, das der Anbieter umschreiben kann, und dass das Umschreiben nicht mit einem Changelog-Eintrag in deiner Deployment-Historie einherkommt.

Das spricht dafür, die Modellwahl hinter einen Router zu legen, statt einen Anbieter-String in zwölf Services fest zu verdrahten. Bei OrcaRouter stehen MiniMax-M3 sowie die M2.5- und M2.7-Endpunkte neben über 200 weiteren Modellen hinter einem einzigen Key, mit 0 % Aufschlag — der Listenpreis des Anbieters wird direkt durchgereicht, weshalb MiniMax-M3 mit denselben 0,30 $ und 1,20 $ pro Million Tokens erscheint, die der Anbieter berechnet, und weshalb eine Preisänderung des Anbieters noch am selben Tag greift und nicht erst zum nächsten Abrechnungszyklus.

Zwei Dinge, die hier wirklich nützlich sind. Erstens: Die Routing-DSL ermöglicht es, ein bestimmtes Modell für eine Aufgabenklasse festzulegen und auf ein zweites auszuweichen, wenn das erste nicht verfügbar ist, sodass eine Evaluierung eines noch nicht erprobten Modells neben dem etablierten läuft, statt es zu ersetzen. Zweitens: automatisches Failover über Anbieter hinweg bedeutet, dass ein schlechter Nachmittag beim Upstream eine degradierte Route statt eines Ausfalls ist.

Eines sei klargestellt: MiniMax-M3.1-Flash ist Stand heute nicht in unserem Katalog. Was wir anbieten, ist die per Token abgerechnete MiniMax-Reihe – M3, M2.7, M2.5 und H3 –, wer also das Modell, auf das gerade migriert wurde, mit dem vergleichen möchte, von dem migriert wurde, ist auf der bisherigen Seite nur einen Schlüssel entfernt. Das neue Modell selbst erreichen Sie über die eigenen Pläne von MiniMax.

Was würde diese Lesart ändern?

Drei Veröffentlichungen würden daraus eine Launch-Story statt einer Migrationsgeschichte machen, und keine davon existiert bisher. Ein Preis pro Token für MiniMax-M3.1-Flash würde es jedem ermöglichen, den Wechsel tatsächlich durchzurechnen. Ein Checkpoint auf Hugging Face würde die Self-Hosting-Option wiederherstellen, die M2.7-Nutzer gerade verlieren. Ein Eintrag bei Artificial Analysis würde dem Modell seinen ersten unabhängigen Intelligenz-Score verschaffen — MiniMax-M3 liegt in diesem Index bei 29,2, und das eigene Dokument von MiniMax beansprucht für M3.1 Flash State-of-the-Art-Ergebnisse bei SWE, BrowseComp und xBench, ohne auch nur eine einzige Zahl daneben zu veröffentlichen.

Bis dahin behandle das Modell als das, was es ist: aufrufbar, dokumentiert, ohne Benchmarks und ohne Preis pro Token – und nun Traffic unter seinem Namen empfangend, um den es nicht gebeten hat. Die Teams, die daraus gut hervorgehen, sind diejenigen, die am ersten Tag bemerkt haben, dass ihre Modell-ID zu einem Alias geworden war.