MiniMax-M3 ist MiniMaxs Flaggschiff-Open-Weight-Foundation-Modell und das erste, das drei Frontier-Fähigkeiten gleichzeitig vereint: Frontier-Level-Codierung und agentische Leistung, ein 1M-Token-Kontextfenster und native Multimodalität. Es akzeptiert Text-, Bild- und Videoeingaben mit Textausgabe und wird von der proprietären MiniMax Sparse Attention (MSA)-Architektur angetrieben, die bis zu 1M Token Kontext unterstützt (mit einer garantierten Mindestanzahl von 512K) – die Grundlage für langreichweitige Agentenaufgaben, langfristige Codierung und Langvideo-Verständnis. Multimodalität ist eine native Kernfähigkeit und kein nachträgliches Add-on: Die Datenpipeline wurde neu aufgebaut, um das Pretraining auf 100T+ Token mit multimodalem Training ab Schritt Null zu skalieren, wobei die textuellen und visuellen semantischen Räume tiefgehend ausgerichtet werden. M3 erzielt Spitzenergebnisse in Codierungs- und Agenten-Benchmarks, die Softwareentwicklung, Terminalausführung und autonomes Browsen umfassen (mit einer Punktzahl von 83,5 auf BrowseComp), mit autonomer Aufgabenzerlegung, Werkzeugaufruf und mehrschrittigem Reasoning. Es eignet sich gut für KI-Codierungsassistenten, automatisierte Workflows und langlaufende asynchrone Agentenpipelines, bei denen die Kohärenz über längere Sitzungen hinweg entscheidend ist.
MiniMax M3 ist ein großes Sprachmodell, das von Minimax entwickelt wurde und über die OpenAI-kompatible API von OrcaRouter zugänglich ist. Es akzeptiert Text-, Bild- und Videoeingaben und verfügt…
MiniMax M3 kann lange Dokumente mit bis zu 1.048.576 Token in einem Durchgang verarbeiten. Dadurch kann es Aufgaben wie Zusammenfassung, Beantwortung von Fragen und Informationsextraktion in gesamten Forschungsarbeiten, juristischen Schriftsätzen oder technischen Handbüchern durchführen, ohne den Kontext zu verlieren. Das Modell kann auch Multi-Dokument-Eingaben verarbeiten, wie zum Beispiel eine Sammlung von Artikeln, und eine kohärente Ausgabe erzeugen. Für Anwendungen, die sehr lange Ausgaben erfordern, ermöglicht die Token-Erzeugungsgrenze von 512.000 Token die Produktion von vollständigen Berichten oder Code. Diese Fähigkeit ist besonders nützlich für die Unternehmensdokumentenverarbeitung und Datenanalyse-Workflows.
MiniMax M3 akzeptiert Bild- und Videoeingaben neben Text, sodass es visuelle Inhalte analysieren kann. Bilder und Videos werden tokenisiert und in denselben Kontext wie Text eingebettet. Das Modell kann Fragen zum Inhalt eines Bildes beantworten, eine Videoszene beschreiben oder optische Zeichenerkennung durchführen. Bei Videos kann es mehrere Frames oder das gesamte Video verarbeiten, solange die kombinierte Tokenanzahl innerhalb des Fensters von 1.048.576 Token bleibt. Diese multimodale Unterstützung macht es geeignet für Aufgaben wie Bildunterschriften, visuelle Fragenbeantwortung und Videoanalyse, die alle über die OrcaRouter-API zugänglich sind.
MiniMax M3 ist optimiert für Aufgaben, die ein sehr großes Kontextfenster (1.048.576 Token) oder multimodale Eingaben (Text, Bild, Video) erfordern. Wenn Ihre Anwendung die Verarbeitung langer Dokumente, ganzer Bücher oder stundenlanger Videos in einem einzigen API-Aufruf umfasst, ist die Kontextgröße von M3 ein starker Vorteil. Es eignet sich auch für Szenarien, in denen Sie bis zu 512.000 Token Ausgabe ohne mehrere Anfragen generieren müssen. Für einfachere Aufgaben – wie Kurztextgenerierung, Zusammenfassung einiger Absätze oder Einzelbildbeschreibungen – kann ein günstigeres Modell mit einem kleineren Kontextfenster kosteneffizienter sein. Bewerten Sie Ihre durchschnittlichen Eingabe- und Ausgabelängen, um zu entscheiden.
MiniMax M3 eignet sich am besten für Aufgaben, die sein großes Kontextfenster und seine multimodalen Fähigkeiten nutzen. Beispiele hierfür sind: die Analyse ganzer Forschungsarbeiten oder juristischer Dokumente mit Frage-Antwort-Funktionen; das Extrahieren strukturierter Daten aus langen, mehrseitigen Formularen; das Erstellen umfangreicher Berichte oder Code auf Basis großer Eingabemengen; die Analyse von Videoinhalten, etwa die Zusammenfassung einer Vorlesung oder die Identifizierung von Objekten über mehrere Frames hinweg; sowie die Entwicklung von Anwendungen, die das Speichern und Verarbeiten einer umfangreichen Historie von Benutzerinteraktionen innerhalb einer einzelnen Konversation erfordern. Die Preisgestaltung – 0,30 $ pro Million Input-Token und 1,20 $ pro Million Output-Token – macht es wirtschaftlich für stark frequentierte, langkontextige Workflows.
MiniMax M3 erreichte einen Wert von 83,5 im BrowseComp-Benchmark. BrowseComp bewertet die Fähigkeit eines Modells, Webseiten zu durchsuchen und relevante Informationen daraus zu extrahieren. Dieser Test simuliert in der Regel einen Benutzer, der eine Reihe von Webseiten durchstöbert und anschließend Fragen auf Basis des Inhalts beantwortet. Ein höherer Wert deutet auf eine bessere Leistung beim Verständnis von Web-Layouts, beim Befolgen von Links und beim Synthetisieren von Informationen aus mehreren Seiten hin. Die 83,5 Punkte positionieren MiniMax M3 in einer wettbewerbsfähigen Position unter den in diesem Benchmark getesteten Modellen, insbesondere bei Aufgaben, die webbasierte Informationsabfrage und -verarbeitung betreffen.
Die primäre Stärke des MiniMax M3, die sich in seinem BrowseComp-Wert von 83,5 zeigt, ist seine Fähigkeit, webbasierte informationssuchende Aufgaben zu bewältigen. Dies deutet auf ausgeprägte Lesekompetenz und Navigation hin. Die Leistung des Modells in anderen gängigen Benchmarks (wie MMLU, HumanEval oder GSM8K) wurde jedoch im Rahmen der gegebenen Fakten nicht öffentlich bekannt gegeben. Daher wird seine relative Leistung in Allgemeinwissen, Codegenerierung oder mathematischem Denken hier nicht quantifiziert. Benutzer sollten das Modell anhand ihrer eigenen Aufgaben bewerten. Das große Kontextfenster und die multimodale Unterstützung sind zusätzliche Stärken, die allein durch BrowseComp nicht erfasst werden.
Die Inferenzgeschwindigkeit und Latenz für MiniMax M3 hängen von mehreren Faktoren ab, einschließlich Eingabelänge, Ausgabelänge und Serverlast. In den verfügbaren Fakten werden keine spezifischen Latenzwerte angegeben. Im Allgemeinen können Modelle mit großen Kontextfenstern aufgrund des Rechenaufwands für die Verarbeitung vieler Tokens eine höhere Latenz bei sehr langen Eingaben aufweisen. Das Ausgabelimit von 512.000 Tokens bedeutet, dass die Erzeugung sehr langer Antworten proportional länger dauert. Bei Verwendung der OrcaRouter-API ist die Latenz ähnlich wie bei anderen großen Modellen vergleichbarer Größe. Für nahezu Echtzeitanwendungen, die eine geringe Latenz erfordern, sollten Modelle mit kleineren Kontextfenstern in Betracht gezogen werden.
MiniMax M3 kostet 0,30 $ pro 1 Million Input-Tokens und 1,20 $ pro 1 Million Output-Tokens. Diese Preise entsprechen der Preisgestaltung des Anbieters ohne Aufschlag durch OrcaRouter. Input-Tokens umfassen alle Tokens im Prompt, einschließlich Systemnachrichten, Benutzernachrichten sowie etwaige Bild- oder Videotokens. Output-Tokens sind die in der Antwort generierten Tokens. Die Kosten skalieren linear mit der Token-Nutzung. Beispielsweise würde eine Anfrage mit 100.000 Input-Tokens und 10.000 Output-Tokens 0,03 $ für Input und 0,012 $ für Output kosten, insgesamt 0,042 $. Es fallen keine zusätzlichen Plattformgebühren oder Mindestabnahmeverpflichtungen an.
Die bereitgestellten Fakten erwähnen keine spezifischen Rabattprogramme oder Caching-Vorteile für MiniMax M3 auf OrcaRouter. Die Preisgestaltung erfolgt direkt pro Token zu den oben genannten Tarifen. OrcaRouter bietet nach verfügbaren Informationen kein automatisches Caching oder reduzierte Tarife für wiederholte Eingaben. Benutzer sollten die Dokumentation von OrcaRouter konsultieren oder das Support-Team kontaktieren, um die aktuellsten Details zu möglichen Kosteneinsparungsfunktionen zu erhalten. In Ermangelung solcher Programme ist die Kosten direkt proportional zur Anzahl der verbrauchten Input- und Output-Token.
MiniMax M3 kostet 0,30 $ pro Million Eingabe-Token und 1,20 $ pro Million Ausgabe-Token – ein wettbewerbsfähiger Preis für ein Modell mit einem Kontextfenster von 1.048.576 Token und multimodaler Eingabe. Ohne spezifische Preisangaben der Konkurrenz in den Fakten lässt sich ein allgemeiner Vergleich anstellen: Viele große Modelle mit kleineren Kontextfenstern (z. B. 128k oder 200k Token) sind pro Token ähnlich bepreist, aber ihre Kontextgrenze erfordert bei sehr langen Dokumenten mehrere API-Aufrufe. Der größere Kontext von MiniMax M3 könnte die Gesamtkosten für Aufgaben senken, die sonst eine Aufteilung und mehrere Abfragen erfordern würden. Nutzer sollten den gesamten Token-Verbrauch über ihren typischen Workflow berechnen, um einen Vergleich anzustellen.
Um MiniMax M3 über OrcaRouter zu nutzen, senden Sie Anfragen an die Basis-URL https://api.orcarouter.ai/v1. Der Modellidentifikator lautet "minimax/minimax-m3". Die Authentifizierung erfolgt durch die Übergabe Ihres OrcaRouter-API-Schlüssels im Authorization-Header als "Bearer YOUR_API_KEY". Die API ist mit dem OpenAI SDK kompatibel, sodass Sie dieselbe Client-Bibliothek verwenden können, indem Sie die Basis-URL und den API-Schlüssel aktualisieren. In Python mit dem openai-Paket setzen Sie beispielsweise `client = OpenAI(base_url="https://api.orcarouter.ai/v1", api_key=YOUR_API_KEY)` und rufen dann `client.chat.completions.create(model="minimax/minimax-m3", messages=[...])` auf.
Beim Aufruf von MiniMax M3 über die OpenAI-kompatible API von OrcaRouter können Sie Standardparameter wie `messages`, `max_tokens`, `temperature`, `top_p`, `frequency_penalty`, `presence_penalty`, `stop` und `stream` verwenden. Der Parameter `max_tokens` sollte die maximale Ausgabe des Modells von 512.000 Token nicht überschreiten. Die Eingabe-Token (in `messages`) plus Ausgabe-Token müssen innerhalb des Kontextfensters von 1.048.576 Token bleiben. Fügen Sie bei multimodalen Eingaben Bilder oder Videos im `content`-Array im entsprechenden Format hinzu (z. B. `image_url` für Bilder). Konsultieren Sie die OpenAI-API-Dokumentation für vollständige Parameterbeschreibungen.
Um eine bestehende Anwendung, die die OpenAI-API nutzt, auf MiniMax M3 auf OrcaRouter zu migrieren, müssen Sie zwei Dinge ändern: die Basis-URL und die Modell-ID. Ersetzen Sie Ihre OpenAI-Basis-URL durch „https://api.orcarouter.ai/v1". Ändern Sie die Modellzeichenfolge in „minimax/minimax-m3". Aktualisieren Sie außerdem Ihren API-Schlüssel auf einen OrcaRouter-API-Schlüssel. Das Nachrichtenformat bleibt identisch – OpenAI-kompatibel. Es sind keine weiteren Codeänderungen erforderlich. Wenn Ihre Anwendung Streaming verwendet, ist die Stream-Schnittstelle ebenfalls kompatibel. Testen Sie zuerst mit einer kleinen Anfrage, um die Konnektivität und die korrekte Antwort des Modells sicherzustellen.
Authentifizierung gegenüber der OrcaRouter-API erfolgt über einen API-Schlüssel. Sie müssen Ihren OrcaRouter-API-Schlüssel im Authorization-Header jeder Anfrage als "Bearer YOUR_API_KEY" angeben. API-Schlüssel werden von OrcaRouter ausgestellt; Sie können einen erhalten, indem Sie sich auf ihrer Plattform anmelden. Bewahren Sie Ihren Schlüssel sicher auf und setzen Sie ihn nicht im clientseitigen Code offen. Die API unterstützt nur schlüsselbasierten Zugriff; für diesen Endpunkt sind kein OAuth oder andere Authentifizierungsmethoden dokumentiert. Wenn Sie die OpenAI-Python-Bibliothek verwenden, setzen Sie den Parameter `api_key` auf Ihren OrcaRouter-Schlüssel, wenn Sie den Client initialisieren.
MiniMax M3 bietet ein Kontextfenster von 1.048.576 Tokens, was zu den größten verfügbaren gehört. Viele konkurrierende Long-Context-Modelle bieten 128K, 200K oder 1M Tokens an, aber nur wenige unterstützen auch Bild- und Videoeingaben. Der BrowseComp-Score von 83,5 deutet auf eine starke Leistung bei webbasierten Informationsabrufaufgaben hin. Ohne andere Benchmark-Werte ist ein umfassender Vergleich jedoch eingeschränkt. Preislich liegt es mit 0,30 $ Input / 1,20 $ Output pro Million Tokens für seine Kontextgröße im moderaten Bereich. Nutzer sollten die Gesamtkosten für ihre typischen Eingabelängen und den Bedarf an Ausgabegenerierung vergleichen.
Wählen Sie MiniMax M3, wenn Ihre Anwendung ein sehr großes Kontextfenster (bis zu 1M Token) oder multimodale Eingaben (Text, Bild, Video) erfordert. Wenn Sie ein langes Dokument oder Video in einem einzigen API-Aufruf ohne Aufteilung verarbeiten müssen, ist die Kontextgröße von M3 ein entscheidender Vorteil. Es ist auch geeignet, wenn Sie bis zu 512.000 Token Ausgabe generieren müssen. Für rein textbasierte Aufgaben mit kleineren Kontextanforderungen (z. B. unter 100K Token) kann ein günstigeres Modell mit einem kleineren Kontextfenster kosteneffizienter sein. Wenn Sie zudem die schnellste Inferenzgeschwindigkeit benötigen, können Modelle mit kleineren Kontextfenstern schneller antworten.
Der Datenschutz für MiniMax M3 beim Zugriff über OrcaRouter unterliegt den Datenverarbeitungsrichtlinien von OrcaRouter. OrcaRouter erhebt keinen Aufschlag auf die Preise des Anbieters, die Datenverarbeitungsinfrastruktur wird jedoch von OrcaRouter verwaltet. Der Modellanbieter (Minimax) kann ebenfalls eigene Nutzungsbedingungen für Daten haben. Nutzer sollten sowohl die Datenschutzrichtlinie von OrcaRouter als auch die Bedingungen von Minimax in Bezug auf Datenspeicherung, Training und Verschlüsselung prüfen. In den verfügbaren Informationen werden keine spezifischen Sicherheitszertifizierungen oder Datenresidenzoptionen angegeben. Bei sensiblen Daten empfiehlt es sich, direkt mit OrcaRouter Kontakt aufzunehmen, um Einzelheiten zur Datenverarbeitung und Compliance zu erfragen.
OpenAI-kompatibel — behalte dein bisheriges SDK
https://api.orcarouter.ai/v1import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key=os.environ["ORCAROUTER_API_KEY"],
)
response = client.chat.completions.create(
model="minimax/minimax-m3",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_tokensreasoningresponse_formattemperaturetool_choicetoolstop_p| Eingabe / 1M Tokens | $0.300 |
| Ausgabe / 1M Tokens | $1.20 |
| Cache-Lesen / 1M | $0.060 |
| Währung | USD |
Schätzung auf Basis des Listenpreises
Nur eine Schätzung — die tatsächliche Token-Anzahl hängt vom Tokenizer des Anbieters ab.
Worüber Entwickler diese Woche sprechen
GET /api/public/models/minimax/minimax-m3Öffnen @misc{orcarouter_minimax_m3,
title = {MiniMax M3 API},
author = {MiniMax},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/minimax/minimax-m3}
}MiniMax. (2026). MiniMax M3 API. OrcaRouter. https://www.orcarouter.ai/models/minimax/minimax-m3