MiniMax-M2.1 Modell-Übersicht

MiniMax M2.1 ist ein chinesisches Mixture-of-Experts-Modell, das insbesondere für Programmieraufgaben und den Einsatz in KI-Agenten entwickelt wurde. Mit nur 10B aktiven Parametern bei 230B Gesamtparametern gehört es zu den besten Coding-LLMs. M2.1 ist ein Open Weights Modell und lässt sich bei entsprechender Hardware auch lokal ausführen.

Playground Hugging Face API Dokumentation Blog

Features

Tools

Websuche, Bildgenerierung, Computer Use und MCP-Server.

Multimodalität

Das Modell kann Text, Bilder, Audio und PDFs als Input verarbeiten.

Finetuning

Finetuning des Modells ist aktuell nicht möglich.

Details zum Modell

200k Token

128k Token

Unbekannt

230 Mrd.

$0.30

$1.20

200,06k

214,33 GB

MiniMax-M2.1 Benchmark Scores

Im KI-Kontext bezeichnet Performance die Leistungsfähigkeit eines Modells in Bereichen wie Sprachverständnis, Logik oder Programmierung – gemessen anhand standardisierter Benchmarks zur objektiven Vergleichbarkeit.

MiniMax-M2.1 Benchmark Übersicht

MiniMax-M2.1 Performance im Vergleich zu anderen KI-Modellen

Benchmark	MiniMax-M2.1	MiniMax-M2	MiniMax-M2.5	GLM-4.7	Kimi K2.5	DeepSeek-V4-Pro	GPT-5.5
AIME 2025Logik & Schlussfolgerung	83 %	78 %	86,3 %	95,7 %	96,1 %	—	—
GPQA DiamondWissen & Sprache	83 %	78 %	85,2 %	85,7 %	87,6 %	90,1 %	93,6 %
MMLU-ProWissen & Sprache	Top 88 %	82 %	—	84,3 %	87,1 %	87,5 %	—
τ²-BenchAgentische Aufgaben	87 %	77,2 %	—	87,4 %	—	—	—

Ergebnisse in Benchmarks

Benchmark auswählen

Darstellung der Rohdaten für den Benchmark AIME 2025. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-5.2	100 %
GPT-5.2 Pro	100 %
GPT-5	99,6 %
GPT-5.4 nano	98,33 %
Kimi K2.5 (Thinking)	96,1 %
DeepSeek-v3.2 Speciale	96 %
GLM-4.7	95,7 %
Gemini 3 Pro	95 %
Kimi K2 Thinking	94,5 %
GPT-5.1	94 %
GLM-4.6	93,9 %
DeepSeek-v3.2 Thinking	93,1 %
GPT-5.4 mini	90,83 %
Nemotron 3 Super	90,21 %
Claude Sonnet 4.5	87 %
MiniMax M2.5	86,3 %
MiniMax M2.1	83 %
Claude Haiku 4.5	80,7 %
MiniMax-M2	78 %
Kimi K2 (0905)	49,5 %

Vergleich von LLMs im Benchmark AIME 2025. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark GPQA Diamond. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Mythos Preview	94,5 %
Gemini 3.1 Pro	94,3 %
Claude Opus 4.7	94,2 %
GPT-5.5	93,6 %
GPT-5.4	92,8 %
Claude Opus 4.6	91,3 %
Kimi K2.6	90,5 %
DeepSeek-V4-Pro (Preview)	90,1 %
Claude Sonnet 4.6	89,9 %
Muse Spark	89,5 %
Kimi K2.5 (Thinking)	87,6 %
Gemini 3.1 Flash-Lite	86,9 %
GLM-5.1	86,2 %
GLM-5	86 %
GLM-4.7	85,7 %
MiniMax M2.5	85,2 %
Gemma 4 31B	84,3 %
MiniMax M2.1	83 %
GPT-5.4 nano	82,83 %
GPT-5.4 mini	81,57 %

Vergleich von LLMs im Benchmark GPQA Diamond. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark MMLU-Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
MiniMax M2.1	88 %
Qwen3.5-397B-A17B	87,8 %
DeepSeek-V4-Pro (Preview)	87,5 %
Kimi K2.5 (Thinking)	87,1 %
Grok-4	86,6 %
Gemma 4 31B	85,2 %
DeepSeek-R1-0528	85 %
Kimi K2 Thinking	84,6 %
GLM-4.5	84,6 %
Qwen3 235B A22B Thinking 2507	84,4 %
GLM-4.7	84,3 %
Nemotron 3 Super	83,73 %
MiniMax-M2	82 %
GLM-4.5 Air	81,4 %
Qwen3 30B A3B Instruct 2507	78,4 %
Gemma 3	67,5 %

Vergleich von LLMs im Benchmark MMLU-Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark τ²-Bench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Opus 4.6	95,6 %
Gemini 3.1 Pro	95,1 %
Claude Sonnet 4.6	94,8 %
Claude Opus 4.5	93,55 %
Muse Spark	91,5 %
GPT-5.2	90,35 %
GLM-5	89,7 %
GPT-5.4 nano	88,38 %
GLM-4.7	87,4 %
MiniMax M2.1	87 %
Qwen3.5-397B-A17B	86,7 %
Gemini 3 Pro	85,4 %
DeepSeek-v3.2 Thinking	80,3 %
GPT-5.1	80,2 %
MiniMax-M2	77,2 %
Gemma 4 31B	76,9 %
Claude Haiku 4.5	76,6 %
GPT-5.4 mini	74,1 %
GLM-5.1	70,6 %
Nemotron 3 Super	61,15 %

Vergleich von LLMs im Benchmark τ²-Bench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

‌
‌

Technologie & Daten

Technische Spezifikationen

Architektur	Sparse MoE mit Multi-Head Attention (MHA)
Input Kontextlänge	200k
Output Kontextlänge	128k
Tokenizer	MiniMax Tokenizer

Besonderheiten

Derzeit sind keine besonderen Features für dieses Modell bekannt.

Vorteile & Nachteile

Vorteile

Exzellente Multi-Language-Coding-Performance
Übertrifft Claude Sonnet 4.5 in multilingualen Benchmarks, nähert sich Claude Opus 4.5. Ist in der Lage native iOS und Android Apps zu entwickeln.
Extrem kosteneffizient
Nur 8% der Kosten von Claude Sonnet (das bereits sehr kostengünstig ist), bei vergleichbarer Performance.
Open Source verfügbar
Vollständig open-source und auf HuggingFace mit Modified-MIT Lizenz herunterladbar. Lässt sich auch auf Home-PC Hardware ausführen.
Agent-Framework-Kompatibilität
Funktioniert zuverlässig mit Claude Code, Droid, Cline etc.

Nachteile

Fokus auf Coding, schwächer in anderen Bereichen
Mit 78.3% im AIME Benchmark liegt MiniMax-M2.1 deutlich hinter GLM-4.7 (95.7%) oder DeepSeek-V3.2 (93.1%).
10B aktive Parameter limitieren Reasoning-Tiefe
Die sparse Architektur kann bei abstraktem mathematischem Reasoning Nachteile haben.
Politischer Bias möglich
Wie bei allen chinesischen Modellen kann es dazu kommen, dass das LLM einen politischen Einfluss aufweist. Insbesondere bei Coding-LLMs wie MiniMax-M2.1 dürfte dies aber keinen großen Einfluss auf die Arbeit mit dem Modell haben.

Vergleiche MiniMax-M2.1 mit anderen LLMs

Vergleiche MiniMax-M2.1 mit anderen Sprachmodellen anhand wichtiger Metriken wie Kontextgröße, Parameteranzahl, Preisen und Benchmark-Leistung.

Entwickler	Modell⇅	Lizenz⇅	Parameter ⇅	Input-Tokens ⇅	Output-Tokens ⇅	Input-Preis ⇅	Output-Preis ⇅	Veröffentlichung
DeepSeek AI	DeepSeek-V4-Pro	MIT	1.600 Mrd.	1 Mio.	384k	$1.74	$0.87	24.04.2026
OpenAI	GPT-5.5	Proprietär	Unbekannt	1,05 Mio.	128k	$5.00	$30.00	23.04.2026
Moonshot AI	Kimi K2.6	MIT	1.000 Mrd.	262,14k	262,14k	$0.75	$3.50	20.04.2026
Anthropic	Claude Opus 4.7	Proprietär	Unbekannt	1 Mio.	128k	$5.00	$25.00	16.04.2026
Meta AI	Muse Spark	Proprietär	Unbekannt	262k	unbekannt	unbekannt	unbekannt	08.04.2026
Z.ai	GLM-5.1	MIT	744 Mrd.	202,75k	128k	$1.40	$4.40	07.04.2026
Anthropic	Claude Mythos	Proprietär	Unbekannt	1 Mio.	128k	$25.00	$125.00	07.04.2026
Google DeepMind	Gemma 4	Apache 2.0	30,7 Mrd.	262,14k	131,07k	$0.14	$0.40	02.04.2026
MiniMax	MiniMax M2.7	MIT	230 Mrd.	204,8k	131,07k	$0.30	$1.20	18.03.2026
MiniMax	MiniMax-M2.1	MIT	230 Mrd.	200k	128k	$0.30	$1.20	23.12.2025

‌
Alle Modelle vergleichen

Provider & APIs

Du kannst MiniMax MiniMax-M2.1 über die API folgender Anbieter nutzen.

Das Modell ist derzeit bei keinen Anbietern verfügbar.

MiniMax-M2.1 Modell-Übersicht

Features

Tools

Multimodalität

Finetuning

Details zum Modell

MiniMax-M2.1 Benchmark Scores

MiniMax-M2.1 Benchmark Übersicht

Wissen & Sprache

Logik & Schlussfolgerung

Agentische Aufgaben

MiniMax-M2.1 Performance im Vergleich zu anderen KI-Modellen

Ergebnisse in Benchmarks

Technologie & Daten

Technische Spezifikationen

Besonderheiten

Vorteile & Nachteile

Vorteile

Nachteile

Vergleiche MiniMax-M2.1 mit anderen LLMs

Provider & APIs

MiniMax-M2.1 Benchmark Übersicht

Wissen & Sprache

Logik & Schlussfolgerung

Agentische Aufgaben

MiniMax-M2.1 Performance im Vergleich zu anderen KI-Modellen

Ergebnisse in Benchmarks