MiniMax-M3.1-Flash: Die Dokumentation nutzt es bereits, die Preisseite noch nicht.

Am 19. Oktober 2026 veröffentlichte ein Model-Watcher mit guter Trefferbilanz, dass M​iniMax „die Veröffentlichung von MiniMax-M3.1-Flash vorbereite“, und verwies dabei auf die API-Referenz des Anbieters. Die API-Referenz ist echt, und die darin zitierte Zeile – „Frontier-Multimodal-Coding-Modell mit 1M-Kontextfenster und einstellbarer Denktiefe“ – stammt wörtlich aus M​iniMax' eigener Dokumentation. Doch „die Veröffentlichung von MiniMax-M3.1-Flash vorbereiten“ untertreibt, was tatsächlich auf der Seite steht. MiniMax-M3.1-Flash ist kein Codename, der in einem Changelog auf seinen Einsatz wartet: Es ist das Modell in jedem Codebeispiel im Leitfaden zur Textgenerierung, steht in der Modellliste über MiniMax-M3, teilt sich die Rate-Limit-Zeile mit M3 und ist ab heute das Ziel, an das M​iniMax den Abonnement-Traffic von M2.5 und M2.7 automatisch weiterleitet. Was es nicht ist: bepreist, gebenchmarkt, herunterladbar oder auch nur ein einziges Mal in den Release Notes des Anbieters erwähnt. Diese Lücke – auf einer Seite dokumentiert und aufrufbar, auf der nächsten auf keiner kommerziellen Seite vorhanden – ist die ganze Geschichte, und es lohnt sich, genau zu unterscheiden, welche Teile bestätigt und welche Interpretation sind. Die dokumentierten KI-Ausfälle und Agent-Vorfälle hinter Veröffentlichungen wie dieser sind im OrcaRouter AI Incident Archive gesammelt, wobei jeder Eintrag eigene Quellen, Schweregrad, Konfidenzstufe und eine Kennzeichnung als umstritten mitführt.

Was steht heute tatsächlich auf den Seiten des Anbieters?

Vier eigenständige M​iniMax-Seiten tragen den Modellnamen, und sie tragen ihn nicht alle auf dieselbe Weise. Diese Uneinigkeit ist der nützlichste verfügbare Beleg, denn jede Seite wird von einem anderen Team für einen anderen Leser geschrieben.

• Die API-Referenz und der Leitfaden zur Modellaufrufung führen beide MiniMax-M3.1-Flash als aktuelles Modell auf, oberhalb von MiniMax-M3, mit einem Kontextfenster von 1.000.000 Token und der Beschreibung zur einstellbaren Denktiefe. Jedes curl-, Python- und Node-Beispiel auf diesen Seiten sendet genau diese Zeichenfolge.

• Die Modellliste unter FAQ führt es als verfügbares Modell ohne Hinweis auf eine Vorschau, und in der auf den 19. Oktober 2026 datierten Mitteilung zu seiner Einstellung wird „M3.1 Flash“ als das Modell genannt, an das Anfragen für M2.5 und M2.7 im Rahmen von M Plan und Token Plan jetzt weitergeleitet werden.

• Die Tabelle der Ratenlimits führt MiniMax-M3.1-Flash und MiniMax-M3 in einer Zeile auf: 200 Anfragen pro Minute, 10.000.000 Tokens pro Minute. Die Familien M2.7 und M2.5, die dadurch ersetzt werden, sind mit 500 RPM und 20.000.000 TPM aufgeführt – was man sich merken sollte, wenn man von einer Migration nach oben in jeder Dimension ausgegangen ist.

• Auf den Seiten „M Plan“ und „Token Plan“ wird das Textmodell weiterhin „M3.1 Flash Preview“ genannt – und zwar an allen vier Stellen: in der Planübersicht, in den FAQ zum Plan, im Upgrade-Hinweis zum Token Plan und in den Nutzungsregeln zum M Plan.

Der Name hat also in der technischen Dokumentation das Suffix „Preview“ verloren und in der kommerziellen Dokumentation behalten. Keine Seite kündigt eine Umbenennung, ein Datum für die allgemeine Verfügbarkeit oder einen Launch an, und die Release-Notes-Seite ist der entscheidende Hinweis: Ihr jüngster Eintrag zu einem Sprachmodell ist weiterhin MiniMax-M3 am 1. Juni 2026, und der einzige spätere Eintrag ist H3 am 31. Juli. Was auch immer Ende September mit diesem Modell passiert ist – MiniMax hat es nie als Release verzeichnet. Behandle „M3.1-Flash hat das Preview-Label abgelegt“ als eine Beobachtung zur Dokumentation, nicht als eine vom Anbieter angekündigte Neuigkeit.

Das Einzige, das gegenüber MiniMax-M3 wirklich neu ist

Legt man die Namensgebung beiseite, bleibt ein echter Unterschied in den Fähigkeiten – und zwar genau der, den der ursprüngliche Beitrag bemerkt hat. MiniMax-M3 behandelt Thinking als Schalter: ausgelassen bedeutet aus, {"type": "adaptive"} schaltet es ein, {"type": "disabled"} lässt es ausgeschaltet. MiniMax-M3.1-Flash behandelt Thinking als Regler, der sich überhaupt nicht ausschalten lässt. Sendet man thinking: {"type": "disabled"} — oder reasoning_effort: "none" auf dem O​penAI-kompatiblen Endpoint —, gibt die API HTTP 400 mit Fehlercode 2013 und der Meldung zurück, dass das Modell "requires adaptive thinking" erfordert.

Stattdessen erhalten Sie eine Aufwandsleiter mit fünf Stufen: low, medium, high, xhigh, max. Der Anbieter dokumentiert, dass höhere Stufen gründlicher nachdenken und bei höherer Latenz mehr Thinking-Tokens ausgeben. Der Standardwert, wenn Sie das Feld vollständig weglassen, ist max. Der Feldname ändert sich je nach Protokoll – output_config.effort beim Anthropic-kompatiblen Endpunkt, reasoning_effort beim OpenAI-kompatiblen und reasoning.effort beim Responses-Endpunkt –, aber die Leiter hat bei allen drei dieselben fünf Werte.

Zwei Details stehen neben dieser Leiter und sind leicht zu übersehen. Erstens zählen Thinking-Tokens gegen max_tokens; M​iniMaxs eigene Referenz merkt an, dass ein für eine kurze Antwort bemessenes Budget vollständig durch Reasoning verbraucht werden kann und eine leere Nachricht mit stop_reason: "max_tokens" zurückgibt. Zweitens kann reasoning_split bei diesem Modell nicht auf false gesetzt werden, daher kommt das Thinking auf dem O​penAI-kompatiblen Pfad immer in reasoning_content an statt in <think>-Tags innerhalb von content. Wenn Sie einen Parser haben, der diese Tags aus der M3-Ausgabe herausfiltert, hat er hier nichts zu tun.

Das ist zugleich ein echter ergonomischer Gewinn und ein echtes Abrechnungsrisiko – und beides ist dasselbe Feature. Ein routinemäßiges Umbenennen bei low und ein repositoryweites Refactoring bei xhigh sind dasselbe Modell, das unterschiedliche Abwägungen trifft – genau das sollte eine Flash-Stufe bieten. Doch der Standard ist die teuerste Stufe, sodass ein Aufrufer, der das Feld nie setzt, bei jeder Anfrage für maximale Sorgfalt zahlt, auch bei den trivialsten. Jedes Kostenmodell, das auf M3s Token-Zahlen aufbaut, wird M3.1-Flash unterschätzen, solange der Effort nicht festgelegt ist.

Was „Flash“ in dieser Zeile bedeutet und was nicht

M​iniMax hat das Flash-Suffix bereits einmal verwendet, und zwar bei der Vorschau vom 27. September, deren Fortsetzung dieses Modell offenbar ist, und die Ausrichtung dieser Stufe war dort alltägliche Entwicklung statt Frontier-Arbeit: schnell und zuverlässig, von schnellen Bugfixes bis hin zur vollständigen Feature-Entwicklung. Das ist ein plausibles Briefing. Es ist jedoch Stand heute nicht gemessen.

Die M3-Zeile in derselben Dokumentation enthält eine angegebene Ausgabegeschwindigkeit von „ungefähr 100+ tps“. Die M3.1-Flash-Zeile enthält überhaupt keine Geschwindigkeitsangabe. Die Rate-Limit-Tabelle weist beiden Modellen dieselben 200 RPM und 10M TPM zu, sodass der Durchsatz pro Konto dokumentiert ist, die Latenz pro Token jedoch nicht. Unabhängige Messungen schließen diese Lücke nicht: Artificial Analysis führt MiniMax-M3 mit einem Intelligence-Index-Wert auf und hat keinen Eintrag für MiniMax-M3.1-Flash – die Modellseite liefert einen 404 und das Modell erscheint nicht im Modellindex. Auch gibt es kein Benchmark-Datenblatt des Anbieters, sodass die Spalte leer ist und nicht bloß vorläufig. Eine Stufe namens Flash ohne veröffentlichte Geschwindigkeitszahl ist eine Marketingposition, keine Spezifikation.

Drei Zahlen fehlen noch, und was jede einzelne blockiert

Dies sind die Fakten, die darüber entscheiden, ob das Modell brauchbar statt bloß aufrufbar ist, und alle drei lassen sich in einer Minute überprüfen.

• Preis. Die Preisübersicht von MiniMax enthält eine Zeile für Sprachmodelle: MiniMax-M3 zu 0,30 US-Dollar pro Million Eingabe- und 1,20 US-Dollar pro Million Ausgabe-Token bis 512.000 Eingabe-Token; oberhalb davon verdoppeln sich die Preise auf 0,60 und 2,40 US-Dollar, Cache-Lesevorgänge kosten 0,06 und 0,12 US-Dollar. In der Tabelle gibt es nirgends eine Zeile für M3.1-Flash, weder Standard noch Priority. Stattdessen gibt es Abonnementpreise – M Plan für 22 US-Dollar pro Monat bei Go, 55 US-Dollar bei Explore und 132 US-Dollar bei Build, wobei alle drei Stufen das Textmodell „M3.1 Flash Preview“ nennen, mit Explore bei 3× und Build bei 7,5× des Nutzungskontingents von Go. Man kann Zugang zum Modell kaufen; einen Preis pro Token dafür lässt sich nicht berechnen.

• Obergrenze der Ausgabe. Der Kontext ist mit 1.000.000 Tokens dokumentiert. Die maximale Ausgabe ist für M3.1-Flash nicht dokumentiert, während unser eigener Katalogeintrag für MiniMax-M3 512.000 verzeichnet. Eine Million Tokens Lesen bei einem nicht offengelegten Schreiblimit ist ein Versprechen zur Eingabe, nicht zur Ausgabe, und bei Codegenerierungs-Workloads ist der Ausgabewert derjenige, der entscheidet, ob ein einzelner Durchlauf die Aufgabe abschließen kann.

Gewichte. Es gibt keine. Die öffentlichen Repositories der MiniMaxAI-Organisation enden bei {{1}}M​iniMax-Music3{{/1}} (aktualisiert am 14. August 2026) und {{2}}M​iniMax-H3{{/2}} (13. August), und eine Anfrage nach einem MiniMax-M3.1-Checkpoint liefert die 401-Antwort „für Sie nicht sichtbar“ der Plattform statt einer Modellkarte. MiniMax-M3 hingegen ist seit dem 2. Juni 2026 mit rund 427 Milliarden Parametern von der MiniMaxAI-Organisation herunterladbar, unter einer Lizenz, die Hugging Face schlicht als „other“ führt. Die Open-Weight-Option, die M3 für Teams mit eigenen GPUs interessant machte, gibt es beim Nachfolger nicht.

Es gibt eine vierte Lücke, die für alle relevant ist, die dies in einen bestehenden Stack einbinden: den Schlüsseltyp. Die Codebeispiele im Textgenerierungs-Leitfaden setzen api_key auf „Get Subscription Key“, und das Konto-FAQ von MiniMax stellt ausdrücklich klar, dass Subscription Keys und Pay-as-you-go-API-Keys getrennte Zugangsdaten sind, die nicht gegeneinander ersetzt werden können. Das M-Plan-FAQ ergänzt die entsprechende Gegenregel – für alles außerhalb der Planabdeckung ist ein Pay-as-you-go-Schlüssel zu verwenden. Keine Stelle in der M3.1-Flash-Dokumentation sagt, welcher der beiden pro Token das Modell erreicht. Wir haben den Endpunkt nicht aufgerufen, um das herauszufinden, und Leser sollten nicht annehmen, dass ein Standard-API-Schlüssel funktioniert, nur weil das Modell in einem OpenAI-kompatiblen Codeblock auftaucht.

Die Migration ist real, und sie hat heute begonnen.

Unabhängig von der Namensfrage hat sich M​iniMax auf einen Zeitplan mit festen Terminen festgelegt, der dieses Modell in Produktionspfade bringt, für die es nie ausdrücklich gewählt wurde. Ab dem 19. Oktober 2026 werden Anfragen für M2.5 und M2.7 im Rahmen von M Plan und Token Plan automatisch an M3.1 Flash weitergeleitet, wobei die bestehenden Modellnamen aus Gründen der Abwärtskompatibilität weiterhin funktionieren und die Nutzungskontingente der Tarife unverändert bleiben. Am selben Tag stehen die beiden Modellfamilien neuen Nutzern nicht mehr zur Verfügung. Am 18. November 2026 werden sie endgültig eingestellt; danach funktionieren API-Anfragen an sie nicht mehr. Bestehende Pay-as-you-go-Nutzer behalten bis dahin Zugriff.

Das entscheidende Wort in dieser Mitteilung ist „automatisch". Ihr Client sendet weiterhin MiniMax-M2.7, die Anfrage ist weiterhin erfolgreich, das Kontingent wird weiterhin abgebaut – und das Modell auf der anderen Seite ist eines, das immer nachdenkt, standardmäßig mit maximalem Aufwand arbeitet und eine niedrigere Anfrageobergrenze pro Konto hat als das Modell, das es ersetzt hat. Wenn Sie das Modell protokollieren, das Sie angefragt haben, nicht aber das Modell, das geantwortet hat, wird Ihnen nichts in Ihrem Monitoring mitteilen, dass dies geschehen ist. Die einzeilige Gegenmaßnahme besteht darin, den Aufwand für migrierte Workloads auf niedrig oder mittel festzulegen, bevor die Token-Rechnung es für Sie herausfindet.

Wenn Sie es testen möchten, ohne ein Abonnement zu kaufen

Das ist der unangenehme Teil. Ein Modell, das man nur über einen Abo-Schlüssel erreichen kann, ohne Preis pro Token und ohne veröffentlichte Latenz, lässt sich kaum mit irgendetwas auf der Achse vergleichen, auf die es ankommt – den Kosten pro abgeschlossener Aufgabe. Der ehrliche Stand ist, dass MiniMax-M3.1-Flash Stand heute nicht im OrcaRouter-Katalog ist; eine Anfrage nach einer Modellseite dafür liefert einen 404, und die MiniMax-Modelle, die wir anbieten bilden die Per-Token-Reihe – minimax/minimax-m3 zu $0.30/$1.20 mit 1M Kontext, plus die Endpunkte M2.7, M2.5 und H3.

Wofür das gut ist, ist der Vergleich, den das Abonnementmodell verbirgt. Stelle das Modell, das du tatsächlich messen kannst, neben das, das du nicht messen kannst – mit demselben Key und demselben Prompt-Set – und du erhältst eine Kosten-pro-Aufgabe-Zahl für MiniMax-M3, die du gegen das halten kannst, was der M Plan-Platz tatsächlich kostet. Die Preise hier sind der Listenpreis des Anbieters, mit 0 % Aufschlag durchgereicht, sodass die Rechnung, die du aufstellst, die Rechnung ist, die MiniMax veröffentlicht, statt einer aufgeschlagenen Version davon. Automatisches Failover hält eine unerprobte oder abonnementgebundene Abhängigkeit neben einem Produktionspfad statt darunter, und mit der Routing-DSL kannst du ein günstiges Modell für Routineaufrufe festlegen und nur die schwierigen an etwas Teureres schicken – was dieselbe Entscheidung zur Aufwandsabstufung ist, die M3.1-Flash als Parameter offenlegt, nur eine Ebene höher getroffen. Die MiniMax-M3-Modellseite auf unserer Website enthält die Preisliste und die Spezifikationen an einem Ort, wenn du dort anfangen möchtest.

Was würde daraus einen Launch machen?

Drei Veröffentlichungen würden die Frage klären, und keine davon gibt es heute. Eine Preiszeile für MiniMax-M3.1-Flash in der Preisübersicht würde das Modell vergleichbar machen und Ihnen sagen, ob das Suffix Flash für günstiger als M3 oder lediglich für schneller steht. Ein Eintrag in den Versionshinweisen mit Datum nach dem 1. Juni 2026 würde belegen, dass überhaupt eine Veröffentlichung stattgefunden hat und nicht bloß eine Bearbeitung der Dokumentation. Ein Checkpoint auf Hugging Face würde die Self-Hosting-Option wiederherstellen, die M3 bot und die dieses Modell entfernt. Eine vierte, unabhängige wäre am hilfreichsten: ein Eintrag bei Artificial Analysis mit einer Latenzangabe, denn „Flash“ ist eine Behauptung über Geschwindigkeit, und nur eine Partei hat dafür keine Zahl veröffentlicht.

Bis dahin ist die treffende Zusammenfassung enger als der ursprüngliche Beitrag und nützlicher als ein Launch-Artikel: MiniMax-M3.1-Flash ist ein dokumentiertes, per Abonnement erreichbares multimodales Million-Token-Modell mit einer fünfstufigen Denk-Leiter, die sich nicht abschalten lässt; es erhält ab heute migrierten M2.5- und M2.7-Verkehr; und es hat keinen veröffentlichten Preis, keine Gewichte, keine Obergrenze für die Ausgabe, keine Release Notes und keine unabhängige Bewertung. Das reicht zum Ausprobieren, aber noch nicht, um es zum Standard zu machen.