MiniMax M3
MiniMax M3 Modell-Übersicht
MiniMax-M3 ist ein am 1. Juni 2026 veröffentlichte Open-Weights KI-Modell des chinesischen Entwicklers MiniMax. Es gilt als das erste Open-Weight-Modell, das den großen Agentic-Coding Sprung der proprietären Modelle (GPT-5.2, Claude Opus 4.5) von Dezember 2025 erreichen konnte. MiniMax-M3 verfügt über ein 1 Millionen Token-Kontextfenster und ist nativ multimodal. Kernstück für das große Kontextfesnter ist die neue MiniMax Sparse Attention (MSA). M3 ist für die veröffentlichten Benchmark-Scores ein extrem kostengünstiges LLM, das sogar günstiger als die mittleren proprietären Modelle wie Gemini 3.5 Flash ist.
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
MiniMax M3 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.
Technologie & Daten
Technische Spezifikationen
| Architektur | Sparse-MoE-Architektur |
|---|---|
| Input Kontextlänge | 1 Mio. |
| Output Kontextlänge | 512k |
| Tokenizer | Unbekannt |
Besonderheiten
| MiniMax Sparse Attention (MSA) | Ermöglicht bis zu 1 Mio. Kontextfenster |
|---|---|
| Native Multimodalität | Text-, Bilder- und Video-Input |
| Konfigurierbarer Thinking-Modus | Variable Stufen für High Reasoning oder niedrige Latenz. |
Vorteile & Nachteile
Vorteile
- Frontier-Coding zu niedrigem PreisMiniMax-M3 erreicht 59,0% im SWE-Bench Pro Benchmark und konkurriert damit mit GPT-5.5 und Claude Opus 4.7. Inwiefern die subjektive Einschätzung der Ergebnisse bestehen bleibt, wird sich noch herausstellen.
- Hohe Benchmark Scores bei autonomer Web-RechercheAuch im BrowseComp Benchmark erreicht MiniMax-M3 einen sehr hohen Wert von 83,5% und übertrifft damit Opus 4.7 (79,3%).
- Großes 1-Mio. Token-KontextfensterSehr großes Kontextfenster, zeitgemäß und auf einem Level mit anderen Flaggschiff-LLMs.
- Open WeightsErfahrungsgemäß veröffentlicht MiniMax die Gewichte von M3 innerhalb ca. 10 Tagen auf Hugging Face und GitHub. Entsprechende Hardware vorausgesetzt, wird damit lokales Deployment und Fine-Tuning möglich.
- Native MultimodalitätMiniMax-M3 kann nativ Texte, Bilder und Videos verarbeiten, ohne dafür weitere Modelle zu benötigen.
- Sehr günstiger PreisMit $0.60/$2.40 pro 1 Mio. Input-/Output-Token ist MiniMax-M3 wirklich günstig. Die Kosten pro generierten Token entsprechen nur etwa 8–20% der Kosten führender proprietärer US-Modelle.
Nachteile
- Benchmarks noch nicht unabhängig verifiziertMehrere Ergebnisse wurden auf MiniMax-eigener Infrastruktur und mit Agent-Scaffolding erzielt. Inwiefern die Benchmark Scores die reale Leistung widerspiegeln ist noch nicht bekannt.
- Politischer BiasLeider muss weiterhin davon ausgegangen werden, dass ein politischer Bias bei Modellen chinesischer Entwickler vorhanden sein kann. Bei Coding-Aufgaben sollte dies allerdings keine großen Auswirkungen haben.
Vergleiche MiniMax M3 mit anderen LLMs
Vergleiche MiniMax M3 mit anderen Sprachmodellen anhand wichtiger Metriken wie Kontextgröße, Parameteranzahl, Preisen und Benchmark-Leistung.
Provider & APIs
Du kannst MiniMax MiniMax M3 über die API folgender Anbieter nutzen.
Das Modell ist derzeit bei keinen Anbietern verfügbar.
