MiniMax-Music3 Open Weights sind veröffentlicht: Was das Repo zeigt und was nicht bestätigt ist

MiniMax-Music3, das Open-Weights-Musikgenerierungsmodell, erschien am 13.08.2026 auf Hugging Face unter der Organisation MiniMaxAI, ohne Paper, ohne Launch-Blogbeitrag und ohne Benchmark-Bericht – nur die Gewichte, eine README und ein knapper Social-Media-Beitrag, der es als "next-generation, production-ready" Text-zu-Musik-Modell bezeichnet. Zum Zeitpunkt des Schreibens hatte das Repository etwa 25 Downloads und 60 Likes, was wie eine stille Veröffentlichung aussieht. Dies ist ein „Was wir bisher wissen“-Beitrag: Alles unten, das mit „aus dem Repository“ gekennzeichnet ist, stammt direkt aus der Modellkarte und den Dateien, und alles, was noch nicht bestätigt ist, ist als solches markiert.

Zunächst eine Datumskorrektur

Zwei Releases teilen sich diese Modellfamilie, und es hilft, sie auseinanderzuhalten. Das gehostete API-Modell music-3.0 ging auf der Plattform von MiniMax live am 16. Juli 2026, zu einem Preis von 0,15 $ pro generiertem Stück von bis zu fünf Minuten, mit einem kostenlosen Tarif mit Ratenbegrenzung. Die Open-Weights-Veröffentlichung unter dem Namen MiniMax-Music3 erschien auf Hugging Face fast einen Monat später, am 13. August 2026. Der Anbieter hat nicht explizit gesagt, ob es sich bei dem offenen Checkpoint um dieselben Gewichte handelt, die die API antreiben — diese Gleichheit ist einer der unbestätigten Punkte auf dieser Liste — aber das README beschreibt dieselbe Fähigkeit, vollständige Songs von fünf Minuten Länge zu generieren, und dieselbe Steuerungsoberfläche für strukturierte Captions, sodass es sich zumindest um dieselbe Generation handelt.

Was das Repository tatsächlich enthält

MiniMax-Music3 ist eine hybride hierarchische Architektur, und die README ist ungewöhnlich spezifisch über die Bestandteile. Ein Global LLM mit 8B Parametern — initialisiert von Qwen3-8B — sagt das erste Residual-Vektorquantisierungs-Codebook Frame für Frame voraus und trägt die langreichweitige Struktur des Songs: Themen, Rhythmus, Gesangsidentität, Arrangement-Progression. Ein Local LLM mit 0,6B Parametern sagt die übrigen akustischen Codebooks in jedem Frame voraus. Anstatt rein aus diskreten Tokens zu dekodieren, kann ein Flow-Matching-Modul (2,4B Parameter) die finalen verborgenen Zustände beider LLMs fusionieren und ein kontinuierliches Latent synthetisieren, das ein Flow-VAE-Decoder (123M Parameter) in 32-kHz-, 16-Bit-Stereo-Audio umwandelt.

Der Tokenizer ist ein achtstufiger RVQ-Stapel: Das erste semantische Codebuch enthält 16.384 Einträge; die sieben akustischen Codebücher enthalten jeweils 1.024. Beim Training wird zuerst das semantische Codebuch optimiert, dann alle acht gemeinsam.

Was konkret in dem Repo enthalten ist: die Sprachmodell-Gewichte in vier Safetensors-Shards, ein auf Qwen basierendes Backbone mit 48 Shards unter qwen_7B/, die Flow-VAE (flowmatching_vae.pth), der RVQ-Tiefendekoder, Condition-Encoder, Vocoder, Scheduler, Tokenizer-Dateien, ein diffusers-Modularmodell-Index und ein End-to-End-Testskript mit Referenzaudio. Das ist ein lauffähiges Modell, kein Teaser mit Gewichten in einer Box.

Die Bedienoberfläche ist der interessante Teil.

Das Eingabeformat unterscheidet dies von der Prompt-and-Pray-Musikgenerierung. MiniMax-Music3 nimmt Liedtexte und eine Musikbeschreibung, und das README empfiehlt eine strukturierte Beschriftung mit drei Abschnitten: globale Metadaten (Genre, Subgenre, BPM, Tonart, Tonleiter, emotionale Entwicklung, Hörszenario, Produktionsprofil), Gesangsdetails (Geschlecht, Klangfarbe, Vortragsstil, Harmonie, Begleitgesang, Effekte) und Arrangement (Haupt- und Nebeninstrumente, Instrumentenentwicklung auf Abschnittsebene, Groove, Bass, Perkussion, Textur, räumliche Effekte).

Songtexte akzeptieren explizite Abschnitts-Tags — [Intro], [Verse], [Pre-Chorus], [Chorus], [Bridge], [Instrumental], [Solo], [Outro] — sodass dem Modell genau mitgeteilt werden kann, wo der Refrain einsetzt und was in der Bridge passiert. Dies ist ein Maß an struktureller Kontrolle, das die meisten Musikgeneratoren für Verbraucher nur durch nachträgliche Bearbeitung bieten, wenn überhaupt. Die gehostete API fügt dieselben Steuerelemente als Parameter hinzu: ein is_instrumental-Flag, ein lyrics_optimizer für automatische Songtexte und eine Audioeinstellung, die MP3, WAV oder PCM bei 16/24/32/44.1 kHz und 32/64/128/256 kbps unterstützt.

Was es kostet, sich selbst zu führen

Gemessen an den Standards von 2026 ist das kein schweres Modell. Die README gibt an, dass die volle Präzision in 24 GB VRAM passt, die Generierung mit automatischem CPU-Offloading in etwa 22 GB läuft und das Streaming des Sprachmodells Schicht für Schicht den Speicherbedarf auf 8-GB-Karten senkt. Es werden drei Bereitstellungspfade dokumentiert: SGLang-Omni (ein einzeiliger sgl-omni serve-Befehl), eine auf diffusers basierte modulare Pipeline (der Integrations-PR ist huggingface/diffusers#14456, zum Zeitpunkt des Schreibens noch nicht zusammengeführt), und ComfyUI.

Die Serving-Geschichte ist für die meisten Leser wichtiger als die Architektur, denn sie ist der Unterschied zwischen „einem Modell, das existiert“ und „einem Modell, das du tatsächlich betreiben kannst“. Der Diffusers-Pfad ist ein einziger from_pretrained-Aufruf und erzeugt eine 32-kHz-Stereo-WAV-Datei, die dir gehört, auf deiner eigenen Festplatte, ohne Ratenlimit und ohne Zähler pro Song.

Die Lizenz, die tatsächlich gilt

MiniMax-Music3 wird unter einer „MiniMax-Music3 Community License" ausgeliefert, die praktisch gesehen großzügig ist, aber Einschränkungen mit sich bringt. Sie dürfen die Software und die Gewichte verwenden, kopieren, modifizieren und unterlizenzieren; Sie müssen „MiniMax-Music3" in der Benutzeroberfläche jedes kommerziellen Produkts, das diese Software verwendet, gut sichtbar anzeigen; und wenn der gesamte jährliche Umsatz aus solchen Produkten 20 Millionen USD übersteigt, benötigen Sie eine gesonderte schriftliche Genehmigung von MiniMax. Es gibt außerdem eine Nutzungsrichtlinie (Anhang A), die die üblichen Verbote sowie Offenlegungspflichten für maschinell erzeugte Inhalte abdeckt.

Darunter ist das Modell ein Stapel ausgeliehener Teile mit freizügigeren Ursprüngen: das Global-LLM basiert auf Qwen3-8B (Apache 2.0), die DiT-2B-Flusskomponente ist aus dem Code von Stable Audio modifiziert (MIT), und der VAE ist aus dem DAC-Audio-Codec modifiziert (MIT). Die Einschränkungen der Community-Lizenz liegen also auf Apache/MIT-Komponenten, und die Namensnennungspflicht ist die praktische Einschränkung, die die meisten kommerziellen Nutzer spüren werden.

Die gehostete Route, die zuerst ausgeliefert wurde.

Falls Sie überhaupt keine Gewichte betreiben möchten, ist die API-Version seit dem 16. Juli live. Modell-IDs music-3.0 (kostenpflichtig, 120 Anfragen pro Minute) und music-3.0-free (kostenlos, 3 Anfragen pro Minute) liegen hinter api.minimax.io/v1/music_generation, mit einem separaten Endpunkt für die Songtext-Generierung zu 0,01 $ pro Song. Ausgabe-URLs verfallen nach 24 Stunden, oder Audio kann als Hex für Streaming zurückgegeben werden — ein Design, das eindeutig für die App-Integration statt für die Archivierung konzipiert wurde.

Die Preisgestaltung für die API ist pauschal pro Stück: $0.15 pro generiertem Song bis zu fünf Minuten. Der kostenlose Tarif nutzt dasselbe Modell mit 3 RPM, was sich wirklich für Prototyping eignet. Wenn du stattdessen selbst gehostete Kapazität benötigst, verändern die offenen Gewichte die Kostenrechnung völlig — du zahlst für GPUs, nicht pro Song, und die Abrechnung pro Song entfällt.

Was ist nicht bestätigt?

Präzise zu benennen, was wir nicht wissen, ist der Sinn dieses Stücks.

• Es existiert keine unabhängige Bewertung.Jede oben genannte Fähigkeitsbehauptung stammt aus dem eigenen README von MiniMax und den API-Dokumenten. Kein Dritter hat bisher einen Hörtest, einen Benchmark zur Musikqualität oder einen direkten Vergleich mit Suno, Udio oder Googles Lyria 3.5 veröffentlicht.

• Open Checkpoint vs. API-Checkpoint.Der Anbieter hat nicht angegeben, ob die Gewichte auf Hugging Face exakt das Modell hinter music-3.0 sind. Gehen Sie davon aus, dass es sich um dieselbe Generation handelt, bis etwas anderes mitgeteilt wird, aber es ist unbestätigt.

• Kein Paper und keine Erklärung zu Trainingsdaten. Es gibt keinen technischen Bericht, und die README beschreibt weder das Trainingskorpus noch dessen Lizenzierung oder eine Provenienzprüfung — eine drängende Frage für alle, die kommerzielle Musik veröffentlichen, wo die Haltung geschlossener Konkurrenten zu Trainingsdaten Gegenstand jahrelanger Rechtsstreitigkeiten war.

• Keine Hinweise zu den Kosten für das Selbsthosting. Die 22 GB beziehen sich auf den Speicher, nicht auf den Preis. Niemand hat für dieses Modell Tokens pro Song oder einen stündlichen Generierungsdurchsatz auf typischer Hardware veröffentlicht.

Warum das für Entwickler wichtig ist

Ein zwei Tage alter Checkpoint wurde von niemandem außer dem Labor einem Lasttest unterzogen, und genau das ist die Situation, in der sich Routing mit automatischem Failover bezahlt macht. Eine Routing-Schicht — wie OrcaRouter sie für über 200 Modelle als Pass-through zum Listenpreis des Anbieters betreibt — ermöglicht es, einen Testpfad auf ein frisches Open-Weights-Modell zu richten und auf ein bewährtes Modell zurückzufallen, wenn es ins Stocken gerät, ohne zweiten Vertrag oder Codeänderung. Sie können MiniMax-Music3 diese Woche als Experiment und nächsten Monat als Abhängigkeit behandeln, und die Verkabelung muss sich zwischen diesen beiden Zuständen nicht ändern.

Die strategische Einschätzung ist einfacher. MiniMax ist nun einer der wenigen Musikgenerierungs-Anbieter, die sowohl eine kostenpflichtige API als auch offene Gewichte für dieselbe Produktfamilie anbieten. Suno und Udio sind geschlossene Plattformen. Googles Lyria 3.5 ist eine Funktion einer Verbraucher-App. Wenn der offene Checkpoint in der Qualität auch nur annähernd an die API-Version herankommt, machen die fünfminütige Länge, die Steuerung über strukturierte Bildunterschriften und der 22-GB-Serving-Fußabdruck es zu einer glaubwürdigen selbst gehosteten Grundlage – einer Kategorie, die vor einer Woche noch keinen glaubwürdigen Kandidaten hatte.

Was als Nächstes ansehen

Die zwei Dinge, die diese Geschichte von einem „interessanten Repository“ zu einer „stabilen Plattform“ machen würden: die ersten unabhängigen Hörtests (sie erscheinen in der Regel innerhalb weniger Tage nach der Veröffentlichung eines offenen Musikmodells) und ob die Diffusers-Integration übernommen wird, was MiniMax-Music3 in jede bestehende Diffusers-Musik-Pipeline bringen würde. Achten Sie außerdem auf ein Paper, eine Aussage zu den Trainingsdaten und jede Änderung des Preises der gehosteten API – bei einem Pass-through-Router wird eine Preissenkung des Anbieters noch am selben Tag wirksam, und genau dann wird die gehostete Route für die meisten Teams zur naheliegenden Standardoption.