Alle AI-Trends
Direkt in dein Postfach
Erhalte exklusive AI-Tutorials, Praxistipps und KI-News direkt in dein Postfach.
*Mit deiner Anmeldung akzeptierst du unsere Datenschutzrichtlinien.
Jetzt neu: Byte Pulse – Token-Limits von Claude Code, Codex & Co. tracken! 
Zum Modell

MiniMax M2.7

Veröffentlichung
März 2026
Kontextfenster
204,8k Token
API-Preis In / Out
0,30 $ / 1,20 $
Parameter
230 Mrd.
Daten aktualisiert: 15. Juni 2026
Zum Modell

MiniMax M2.7 Modell-Übersicht

MiniMax M2.7 ist eine durch Post-Training verbesserte Version von MiniMax-M2.5. MiniMax gibt an, dass das Modell sich selbst durch rekursive Selbstoptimierung in über 100+ Iterationszyklen verbessert hat. So erziele M2.7 eine ca. 30%ige Steigerung in internen Evaluierungen. MiniMax M2.5 gilt als beliebtes Open-Weights Modell, das vor allem in agentischen Tools wie Open Clawd zum Einsatz kommt. Es ist davon auszugehen, dass M2.5 nun von der neuen M2.7 Version abgelöst wird. Mit 10B aktiven Parametern in einer 230B MoE-Architektur ist MiniMax-M2.7 ein sehr effizientes und kostengünstiges Modell.

PlaygroundAPI DokumentationOpenRouterHugging FaceBlog

Features & Modalitäten

Verfügbar
ReasoningToolsMultimodalitätWebsucheStrukturierte AusgabenQuellenangabenFinetuning
Input:Text
Output:TextJson

Features & Modalitäten

Reasoning, Tool-Nutzung und strukturierte Ausgaben gehören 2026 zum Standard aktueller LLMs. Interessant wird es bei Abweichungen und die unterstützten Modalitäten.

Fähigkeiten mit grünem Haken sind verfügbar, rot markierte fehlen dem Modell. Details zu jeder Fähigkeit kannst du über das jeweilige Info-Symbol einsehen.

Details zum Modell

Max. Input
204,8k Token
Max. Output
131,07k Token
Input-Preis / 1M Token
0,30 $
Output-Preis / 1M Token
1,20 $
Parameter
230 Mrd.
Dateigröße
214,33 GB

API-Preise einordnen

Eine typische Antwort (ca. 1.000 Wörter, kurzer Prompt) kostet über die API rund 0,0017 $.

Als Reasoning-Modell erzeugt es zusätzlich Thinking-Tokens, die als Output abgerechnet werden. Die realen Kosten liegen je nach Aufgabe deutlich darüber.

Dein eigenes Nutzungsprofil kannst du mit dem Kosten-Rechner, den wir unter der Tabelle verlinkt haben, berechnen.

Kosten berechnenGeschwindigkeit testen

MiniMax M2.7 Benchmark Scores

‌
‌

Benchmarks & Performance

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

Achte beim Vergleichen darauf, ob die LLMs Tools oder mehrere Durchläufe („Pass@k“) nutzen durften. Benchmark Scores lassen sich untereinander nur vergleichen, wenn sie der gleichen Methodik zugrunde liegen.

Technologie & Daten

Technische Spezifikationen

ArchitekturSparse MoE-Transformer
Input Kontextlänge204,8k
Output Kontextlänge131,07k
TokenizerMiniMax Tokenizer

Besonderheiten

Highspeed-APIZweite API-Variante (M2.7-highspeed) mit schnellerem Durchsatz (~100 TPS, 3x schneller als Opus 4.6)
Sichtbares ThinkingThinking-Tokens in transparent einsehbar
Hohe Verlässlichkeit bei Skill-NutzungBei 40 komplexen Skills (>2000 Token) kann M2.7 zu 97% die korrekten Skills verwenden

Vorteile & Nachteile

Vorteile

  • Sehr gutes Preis-Leistungs-Verhältnis
    Mit $0,30 / 1 Mio. Input- und $1,20 / 1 Mio. Output-Tokens ist MiniMax M2.7 eines der günstigsten Frontier-Modelle auf dem Markt.
  • Starkes Coding-Modell
    MiniMax-M2.7 übertrifft mit 56,22% in SWE-Bench Pro und 55.6% in VIBE-Pro (Vibe Coding Benchmark) die Ergebnisse des M2.5 Vorgängermodells. Damit liegt es fast auf dem Niveau von Claude Opus 4.6.
  • Unterstützt nativ viele Coding Tools
    Native Unterstützung für Claude Code, Cursor, Roo Code, Kilo Code, Cline, OpenClaw, TRAE, Grok CLI, Codex CLI und weitere.
  • Extrem hoher Durchsatz
    In der Highspeed-Variante erreicht MiniMax-M2.7 bis zu 100 Tokens Throughput pro Sekunde. Damit ist es ca. 3x schneller als Claude Opus 4.6, wobei aktuell noch offen ist, wie viele Tokens das Modell zum Lösen vergleichbarer Aufgaben benötigt.

Nachteile

  • Hohe Hardware-Anforderungen für lokales Deployment
    Auch wenn MiniMax-M2.7 das kleinste Frontier-Modell ist, werden für das lokale Betreiben des 230B-Parameter-Modells mehrere High-End-GPUs benötigt.
  • Kein natives multimodales Input
    M2.7 unterstützt nativ nur Text-Input. Die Verarbeitung von Bildern und anderen Modalitäten erfordert die separate MiniMax VL-01 API.
  • Politischer Bias
    Wie bei anderen Modellen chinesischer LLM-Entwickler muss davon ausgegangen werden, dass politische Einflüsse in die Antworten mit einfließen.

Vergleiche MiniMax M2.7 mit anderen LLMs

Vergleiche MiniMax M2.7 mit anderen Sprachmodellen anhand wichtiger Metriken wie Kontextgröße, Preisen und Benchmark-Leistung.

‌
Alle Modelle vergleichen

MiniMax M2.7 ausprobieren

Du musst kein Entwickler sein: MiniMax M2.7 ist auch direkt in MiniMax Code nutzbar.

App
MiniMax Code
Kostenlose Nutzung
Ja
Pro-Abo / Monat
20,00 $

Provider & APIs

Du kannst MiniMax MiniMax M2.7 über die API folgender Anbieter nutzen.

Das Modell ist derzeit bei keinen Anbietern verfügbar.

Häufige Fragen zu MiniMax M2.7

Kann ich MiniMax M2.7 kostenlos nutzen?

Ja, MiniMax M2.7 ist in MiniMax Code auch mit einem kostenlosen Konto nutzbar — allerdings meist mit Nutzungslimits.

Ist MiniMax M2.7 Open Source?

MiniMax M2.7 wird unter der Lizenz „MIT“ veröffentlicht. Details stehen in den Lizenzbedingungen des Anbieters.

Welche Eingabeformate versteht MiniMax M2.7?

MiniMax M2.7 verarbeitet folgende Eingabeformate: Text.

Was kostet MiniMax M2.7 über die API?

Über die API kostet MiniMax M2.7 0,30 $ pro 1 Mio. Input-Token und 1,20 $ pro 1 Mio. Output-Token. Bei Reasoning-Modellen kommen Thinking-Tokens hinzu, die als Output abgerechnet werden.

Wie groß ist das Kontextfenster von MiniMax M2.7?

MiniMax M2.7 verarbeitet bis zu 204,8k Token in einer Anfrage.

Was ist der Vorgänger von MiniMax M2.7?

Der direkte Vorgänger von MiniMax M2.7 ist MiniMax-M2.5 (erschienen Februar 2026). Einen tabellarischen Vergleich der beiden Modelle findest du auf dieser Seite im Abschnitt „Vergleiche“.