MiniMax-M3.1-Flash vs. MiniMax-M3: Zum halben Preis, ohne Gewichte

MiniMax-M3.1-Flash kostet pro Token genau die Hälfte von MiniMax-M3, erzielt dreizehn Punkte mehr im Artificial Analysis Intelligence Index und ist das Modell, in das MiniMax jetzt seine eigenen Bestandskunden umleitet. Es ist außerdem das erste Modell dieser Reihe, das man nicht herunterladen kann. MiniMax-M3, veröffentlicht am 1. Juni 2026, ist ein Mixture-of-Experts-Modell mit 428 Milliarden Parametern und 23 Milliarden aktiven Parametern, mit veröffentlichten Gewichten auf Hugging Face und einer Preistabelle, die man einfach ablesen kann; MiniMax-M3.1-Flash, veröffentlicht am 19. Oktober 2026, ist ein geschlossenes Modell mit einem besseren Benchmark-Ergebnis, einem schnelleren Serving-Pfad und dem Versprechen, dass die Gewichte „später“ kommen werden. Dieser eine Satz ist die gesamte Entscheidung, und die Preislücke lenkt nur davon ab – allerdings so stark, dass es sich lohnt, vor der Entscheidung das Rechnen anzugehen. Die dokumentierten KI-Ausfälle und Agenten-Vorfälle hinter Releases wie diesem sind im OrcaRouter AI Incident Archive gesammelt, wo jeder Eintrag seine eigenen Quellen, seinen Schweregrad, seine Konfidenzstufe und seine Kennzeichnung als umstritten trägt.

Was die beiden Tarifkarten tatsächlich sagen

Beginnen Sie mit dem Geld, denn beim Geld weichen Marketingversprechen und Rechnung voneinander ab.

Standardeingabe — MiniMax-M3.1-Flash 0,15 $ pro 1 Mio. vs. MiniMax-M3 0,30 $ pro 1 Mio. bis zu 512.000 Eingabe-Tokens

Standardausgabe – 0,60 $ pro 1 Mio. gegenüber 1,20 $ pro 1 Mio., gleiche Schwelle von 512.000 Token

• Über 512.000 Eingabe-Tokens — MiniMax-M3 verdoppelt sich auf 0,60 $ Eingabe und 2,40 $ Ausgabe; MiniMax-M3.1-Flash erhebt keinen Langkontext-Zuschlag

• Zwischengespeicherte Lesevorgänge — 0,015 $ pro 1M vs. 0,06 $ pro 1M

• Prioritätszugang – wird bei MiniMax-M3.1-Flash nicht angeboten; MiniMax-M3 verkauft ihn zum 1,5-Fachen des Standardtarifs, also 0,45 $/1,80 $ unterhalb der Schwelle und 0,90 $/3,60 $ oberhalb davon

• Intelligenz-Index — 42 vs. 29, laut Artificial Analysis

• Kosten pro Index-Aufgabe — 0,22 $ gegenüber 0,51 $, eine Senkung um 57 % statt der 50 %, die die Preisliste impliziert

• Kontextfenster — 1.000.000 Token bei beiden, obwohl unser Katalog MiniMax-M3 mit 1.048.576 auflistet

• Ausgabegeschwindigkeit — 125,5 Token pro Sekunde vs. 106,4, beide unabhängig gemessen

• Gewichte — später versprochen vs. veröffentlicht, offen, auf Hugging Face

• Parameter — nicht offengelegt, nur beschrieben als „aggressivere Sparsity“ im Vergleich zu 428B insgesamt und 23B aktiv

Zwei Zeilen in dieser Liste haben mehr Gewicht, als ihre Länge vermuten lässt. Die erste ist der Langkontext-Zuschlag. Wenn Ihr Workload regelmäßig über 512.000 Eingabe-Tokens hinausgeht – ein repositoryweiter Coding-Durchlauf, ein langes Transkript, eine Dokumentensammlung –, beträgt die effektive Lücke nicht 2×, sondern 4× bei der Eingabe und 4× bei der Ausgabe, weil MiniMax-M3.1-Flash seinen Preis überhaupt nicht staffelt. Die zweite ist der Priority-Zugang. MiniMax-M3 kann für 1,5× eine schneller bediente Serving-Lane kaufen; MiniMax-M3.1-Flash kann eine solche zu keinem Preis kaufen. In seiner API-Referenz ist service_tier als nicht unterstützt aufgeführt. Wenn Latenz unter Last der Grund war, warum Sie für M3 gezahlt haben, verkauft Ihnen das neuere Modell diesen Hebel nicht – es verkauft Ihnen einen schnelleren zugrunde liegenden Serving-Pfad und nimmt Ihnen den Hebel dann wieder weg.

Es ist einfacher, die Hälfte der Kosten zu erreichen, als die Hälfte der Rechnung.

Die Hälfte des Preistarifs bedeutet nicht die Hälfte der Rechnung, und dies ist der häufigste Fehler bei der Migrationsplanung für dieses Paar. MiniMax-M3.1-Flash denkt bei jeder Anfrage mit einer Standardintensität von max, kann nicht angewiesen werden, damit aufzuhören, und ist nachweislich wortreich: Es verbrauchte 180 Millionen Ausgabe-Tokens über den Intelligence Index, während das Medianmodell 99 Millionen verbrauchte. Mit MiniMax-M3 lässt sich das Denken vollständig deaktivieren, und auf dem Anthropic-kompatiblen Endpoint ist es standardmäßig deaktiviert.

Nennen wir konkrete Zahlen. Nehmen wir einen Dokument-Tagging-Job, der pro Aufruf 2.000 Eingabe-Tokens für Schema und Anweisungen sendet und 80 Tokens JSON zurückgibt. Bei MiniMax-M3 mit deaktivierter Denkfunktion zahlen Sie 2.000 × 0,30 $ pro Million plus 80 × 1,20 $ pro Million – etwa 0,0007 $ pro Aufruf. Bei MiniMax-M3.1-Flash verbraucht derselbe Job, bei dem sich das Denken nicht deaktivieren lässt, die Eingabe zu 0,15 $ pro Million, gibt aber anschließend einen Reasoning-Block aus, der mehrere hundert Tokens umfasst, bevor die Antwort kommt. Bei 500 Denk-Tokens plus 80 Antwort-Tokens belaufen sich die Ausgabekosten auf 580 × 0,60 $ pro Million – ungefähr 0,00065 $. Kaum günstiger, und das bei einer konservativen Schätzung des Denkaufwands. Bei 1.500 Denk-Tokens kostet das neuere Modell mehr als das ältere für identische Ausgabe, weil die Fähigkeit des älteren Modells, das Reasoning abzuschalten, mehr wert ist als der günstigere Tarif des neueren.

Ändern Sie nun die Arbeitslast. Ein mehrstufiger Agentenlauf, der auf M3 bereits 40.000 Output-Tokens für Tool-Aufrufe und Reasoning verbraucht hat, mit aktiviertem Denkmodus, weil er denken musste. M3 berechnet 40.000 × 1,20 $ pro Million, also 0,048 $. M3.1-Flash berechnet bei gleichem Volumen 0,024 $ – und gibt in der Praxis weniger aus, weil die Trajektorien kürzer sind, weshalb die unabhängige Kennzahl der Kosten pro Aufgabe um 57 % statt um 50 % sinkt. Dort liegen die Einsparungen: bei langer, reasoning-intensiver Arbeit, nicht bei kurzen deterministischen Aufrufen.

Die Regel, die sich daraus ergibt: Wenn Sie Ihre Arbeitslast als „viele kleine Antworten“ beschreiben können, könnte MiniMax-M3.1-Flash das teurere Modell sein. Wenn Sie sie als „wenige lange Antworten“ beschreiben können, ist es eindeutig das günstigere.

Die Gewichte sind der Teil, den man nicht umgehen kann.

Jede der oben genannten Zahlen ist umkehrbar. M​iniMax könnte den Preis von MiniMax-M3 morgen senken; den von M3.1-Flash könnte es erhöhen. Nicht umkehrbar ist die Lizenz. MiniMax-M3 ist herunterladbar – insgesamt 428 Milliarden Parameter, 23 Milliarden aktiv, auf Hugging Face und gespiegelt in einem MXFP8-Build – was bedeutet, dass Sie es quantisieren, feinabstimmen, auf Ihrer eigenen Hardware ausführen, auch nachdem der Anbieter weitergezogen ist, weiterhin bereitstellen und prüfen können, was darin enthalten ist. MiniMax-M3.1-Flash ist ein gehosteter Endpunkt, von dem M​iniMax sagt, dass er später Gewichte erhalten wird – ohne Datum, ohne Lizenz und ohne Angabe der Parameterzahl.

Diese Asymmetrie zeigt sich an drei Stellen, die ein Kostenvergleich nicht erfasst. Compliance: Ein reguliertes Team, das Inferenz innerhalb seines eigenen Perimeters ausführen oder das Modellartefakt dokumentieren muss, auf das es angewiesen ist, kann MiniMax-M3.1-Flash heute zu keinem Preis nutzen. Kontinuität: Der eigene Ausmusterungsplan von MiniMax hat am 19. Oktober bereits zwei gesamte Modellfamilien – M2.5 und M2.7 – in MiniMax-M3.1-Flash überführt, wobei die vollständige Ausmusterung am 18. November erfolgt. Modelle werden tatsächlich abgeschaltet, und der einzige garantierte Weg, das zu überleben, ist, eine eigene Kopie zu besitzen. Reproduzierbarkeit: Ein Benchmark-Wert, den Sie nicht gegen einen eingefrorenen Checkpoint erneut ausführen können, ist ein Wert, dem Sie vertrauen müssen, und jeder MiniMax-M3.1-Flash-Wert in diesem Artikel ist von dieser Art.

Wenn M​iniMax die Gewichte veröffentlicht, ist dieser Abschnitt obsolet, und die Erinnerung an ein herunterladbares 428B-Modell für 0,30 $ pro Million wird zur interessanteren Fußnote. Bis es so weit ist, ist „später“ ein Versprechen, und das ältere Modell ist das, das man tatsächlich in der Hand halten kann.

Die Fähigkeitslücke ist real – und kleiner, als der Index nahelegt.

Dreizehn Punkte im Intelligence Index sind ein großer Sprung – grob gesagt eine Modellgeneration in dieser Preisklasse. Doch ein Teil dieser Differenz misst die Änderung darin, wie die Modelle laufen dürfen, und nicht, was sie wissen. MiniMax-M3.1-Flash wird mit erzwungen aktiviertem Reasoning bei maximalem Aufwand bewertet; das Index-Ergebnis von MiniMax-M3 entsteht unter seinen eigenen Standardeinstellungen, was in einem Protokoll bedeutet, dass das Denken deaktiviert ist. Ein Teil dieser dreizehn Punkte ist die Leiter, nicht die Gewichte.

Die Belege von Anbieterseite weisen in dieselbe Richtung. Die eigenen Launch-Zahlen von M​iniMax für MiniMax-M3.1-Flash — BankerToolBench 76,2, DeepSWE v1.1 mit 73,7 %, OSWorld V2 mit 61,7, Agents' Last Exam mit 29,6, CyberGym mit 82 % — sind alles agentische Evaluierungen, jede davon ein Setting, in dem erzwungenes maximales Reasoning hilft. Es gibt keinen veröffentlichten Vergleich mit MiniMax-M3 auf denselben Harnesses, daher ist die ehrliche Aussage, dass das neuere Modell bei agentischer Arbeit um einen Vorsprung besser ist, den niemand außerhalb von M​iniMax gegen seinen Vorgänger gemessen hat, und dass der Index eine echte Verbesserung von etwas weniger als dreizehn Punkten nahelegt, sobald die Reasoning-Policy konstant gehalten wird.

Unstrittig ist der Unterschied im Betrieb. 125,5 Tokens pro Sekunde gegenüber 106,4 ergeben einen um 18 % schnelleren Serving-Pfad, gemessen von einem Dritten, und das gilt unabhängig von der Arbeitslast. Für ein interaktives Coding-Tool ist das der Unterschied, den ein Nutzer spürt.

Wo MiniMax-M3.1-Flash die falsche Antwort ist

Drei Workloads sollten auch nach diesem Launch auf MiniMax-M3 bleiben, und es lohnt sich, sie zu benennen, weil die Launch-Berichterstattung sie nicht nennt.

Der erste Punkt betrifft alles innerhalb Ihres eigenen Netzwerks. Es gibt keine Version des neueren Modells, die Sie ausführen können, und keinen Hinweis darauf, wann es eine geben wird.

Die zweite Art ist deterministische Arbeit mit hohem Volumen und geringem Token-Verbrauch – Klassifizierung, Extraktion, Routing, Formatierung –, bei der die Möglichkeit, das Denken zu deaktivieren, das entscheidende Kostenmerkmal ist, und MiniMax-M3 bietet sie.

Der dritte Punkt ist alles, was von einer vorrangigen Zulassung abhängt. Wenn Ihre Anwendung die 1.5×-Stufe von MiniMax-M3 gekauft hat, um die p99-Latenz innerhalb eines SLA zu halten, entfernt MiniMax-M3.1-Flash diese Option; Sie würden einen steuerbaren Hebel gegen eine schnellere Baseline eintauschen, die Sie nicht abstimmen können.

Alle anderen – agentische Pipelines, Computer-Use-Schleifen, Coding-Sessions mit langem Kontext, Teams, deren Arbeitslasten lang statt zahlreich sind – sollten wechseln. Das neuere Modell ist schneller, günstiger pro abgeschlossener Aufgabe und besser genau in den Evaluierungen, die diese Arbeit beschreiben.

Beides ausführen, ohne zwei Integrationen auszuführen

Die realistische Antwort für die meisten Teams ist kein Wechsel, sondern eine Aufteilung: MiniMax-M3 für die kurzen deterministischen Aufrufe und alles, was on-premises bleiben muss, MiniMax-M3.1-Flash für die langen agentischen Läufe. Beide stammen vom selben Anbieter, gehören zur selben Protokollfamilie und weisen – beim Anthropic-kompatiblen Endpoint – dieselbe Anfragestruktur auf, sodass die Aufteilung eher eine Routing-Regel als zwei SDK-Integrationen ist.

Dafür ist OrcaRouter da: ein API-Schlüssel für über 200 Modelle, bei dem die Listenpreise der Anbieter mit 0 % Aufschlag durchgereicht werden, sodass Sie für MiniMax-M3 die 0,30 $/1,20 $ zahlen und eine Anbieter-Revision an dem Tag auf Ihrer Rechnung landet, an dem sie bei ihnen landet. MiniMax-M3 ist ab heute in unserem Katalog. MiniMax-M3.1-Flash nicht – rufen Sie es über M​iniMax' eigene API, M Plan oder M​iniMax Code auf –, sodass die obige Aufteilung als Routing-Regel läuft, bei der ein Zweig außerhalb von uns liegt, bis wir es führen. Automatisches Failover leistet in dieser Konstellation immer noch echte Arbeit: Wenn der neuere Endpoint rate-limitiert wird oder sich eine ID unter Ihnen ändert, fällt die Anfrage auf MiniMax-M3 zurück statt auf eine Fehlerseite.

Was den Split es wert macht, gebaut zu werden, anstatt nur über ihn zu theoretisieren, ist, dass sich die beiden Modelle wirklich in ihrer Form unterscheiden, nicht nur in ihrem Score. Ein Router, der kurze Aufrufe an das Modell schickt, das mit dem Denken aufhören kann, und lange Aufrufe an das Modell, das das nicht kann, tut etwas, das die Benchmarks bereits rechtfertigen.

Die Kurzfassung

MiniMax-M3.1-Flash ist das bessere Modell und das schlechtere Asset. Es erzielt 42 gegen 29, läuft 18 % schneller und kostet weniger pro abgeschlossener Aufgabe — 57 % weniger auf einem Index, der aus langen, reasoning-intensiven Arbeiten gebildet wurde. MiniMax-M3 ist herunterladbar, bei kurzen Aufrufen günstiger und etwas, das Ihnen gehört. In den nächsten Monaten ist die vernünftige Haltung, beide laufen zu lassen, die lange Arbeit auf das neue zu verlagern und auf die Veröffentlichung der Gewichte zu achten, denn an dem Tag, an dem MiniMax den Checkpoint veröffentlicht, ist das einzige verbleibende Argument für das alte Modell die Priority-Lane.