MiniMax startet M3.1 Flash: 428B MoE, 1M Kontext, erzwungenes Reasoning ändert die Integration
Laut einem Bericht von MarkTechPost vom 19. Oktober 2026 hat MiniMax M3.1 Flash in seiner API gestartet: 428B Gesamtparameter, rund 23B aktivierte Parameter, 1M-Token-Kontext sowie 0,15 US-Dollar pro Million Eingabe-Token und 0,60 US-Dollar pro Million Ausgabe-Token; die Gewichte sollen laut offizieller Angabe am 23. Oktober erscheinen, die Lizenz wurde noch nicht offengelegt.
Was sich geändert hat
Laut einem Bericht von MarkTechPost vom 19. Oktober 2026 hat MiniMax MiniMax M3.1 Flash (Plattformmodellname MiniMax-M3.1-Flash) in seiner API gestartet. Es wird als multimodales MoE-Modell für Programmierung, agentische Büroaufgaben und visuelles Reasoning positioniert. Die Quelle nennt 428B Gesamtparameter, etwa 23B aktivierte Parameter und einen Kontext von 1 Million Token; außerdem erwähnt sie sparse Attention und einen nativen visuellen Encoder, wobei die Eingabe Text, Bilder und Videos unterstützt und die Ausgabe Text ist. Diese Gesamtparameterzahl entspricht MiniMax M3; laut Quelle hat MiniMax keinen technischen Bericht veröffentlicht, der die konkreten Änderungen der Flash-Variante erläutert. Der Bericht gibt an, dass das Modell zum Zeitpunkt der Berichterstattung in der MiniMax-API, in M Plan und auf dem Desktop-Client MiniMax Code verfügbar war und sowohl Anthropic-kompatiblen als auch OpenAI-kompatiblen Zugriff unterstützt (einschließlich Chat Completions und Responses). Der Bericht nennt einen einheitlichen Preis: 0,15 US-Dollar pro Million Eingabe-Token, 0,60 US-Dollar pro Million Ausgabe-Token, 0,015 US-Dollar für Cache-Lesevorgänge, ohne Zuschlag für langen Kontext; laut Quelle entspricht dies etwa der Hälfte des Standardtarifs pro Token von M3. Reasoning ist immer aktiviert und kann nicht deaktiviert werden; es gibt fünf Effort-Stufen (Low, Medium, High, Xhigh, Max), und MiniMax empfiehlt standardmäßig Max. Das Senden von thinking.type=disabled oder effort=none führt zu einem Fehler; der Reasoning-Inhalt liegt im Feld reasoning_content, das möglicherweise fehlt. Die Quelle gibt an, dass die Gewichte voraussichtlich am 23. Oktober 2026 veröffentlicht werden, die Lizenz nicht offengelegt und die Hardware für Selbsthosting nicht genannt wurde; zudem sei Space Bunny ein früher Build von M3.1 Flash. Alle Benchmark-Werte werden von MiniMax berichtet; unabhängige Reproduktionen liegen noch nicht vor.
Auswirkungen für Entwickler
Für Entwickler ist die unmittelbarste Folge nicht die Parametergröße, sondern die Änderung des Integrationsvertrags: Nicht deaktivierbares Reasoning bedeutet, dass jede Anfrage Reasoning-Token und eine Mindestlatenz mit sich bringt; die Kostenstruktur einfacher Lasten wie Klassifikation, Extraktion oder kurzer Frage-Antwort-Aufgaben ändert sich. Die zweite Änderung betrifft den Auswertungspfad: Die Quelle weist ausdrücklich darauf hin, dass Integrationen, die Reasoning aus den Inline-think-Tags von M3 extrahieren, auf das separate Feld reasoning_content umgestellt werden müssen, und dass dieses Feld fehlen kann; der Parsing-Code muss also damit umgehen können, dass es nicht vorhanden ist, sonst werden normale Antworten als Anomalie behandelt. Drittens die Effort-Stufen: Die fünf Stufen machen aus der Frage „Qualität/Kosten“ eine Parameterentscheidung statt einer Modellauswahl; dasselbe Modell kann bei derselben Arbeitslast je nach Effort deutlich unterschiedliche Ergebnisse und Kosten liefern. Die Quelle veranschaulicht mit einem Automation-Bench-Diagramm, dass alle Stufen unter 0,05 US-Dollar pro Aufgabe liegen. Viertens die Kompatibilitätsschicht: OpenAI-kompatibler und Anthropic-kompatibler Zugriff werden gleichzeitig angeboten, was breite Migrationspfade für bestehende SDKs bedeutet; die Felder effort und reasoning sind jedoch herstellerspezifische Erweiterungen und lassen sich bei einem Anbieterwechsel kaum unverändert übernehmen. Hervorzuheben ist, dass die genannten Benchmarks, Kosten und Geschwindigkeiten (der Bericht erwähnt etwa 150 Token/Sekunde auf der Produktseite; die Ankündigung nennt das Dreifache von M3) sämtlich aus der Berichterstattung von MiniMax stammen und nicht unabhängig verifiziert wurden. Die Quelle selbst vermerkt zudem eine Inkonsistenz zwischen Diagramm und Tabelle (62,8 gegenüber 62,2 bei der höchsten Effort-Stufe) und weist darauf hin, dass Automation-Bench-Zahlen nicht quellenübergreifend direkt vergleichbar sind, zum Beispiel meldet die Kimi-K3-Modellkarte 30,8 auf der öffentlichen Teilmenge von 600 Aufgaben, während die MiniMax-Tabelle 46,7 aufführt. Die Programmierfähigkeit ist der schwächste Teil dieser Darstellung: Laut Quelle erreicht Terminal Bench 4.0 38,1 und liegt damit etwa 13,7 Punkte hinter Opus 5 mit 51,8; auch bei NL2Repo-Bench liegt es etwa 14,1 Punkte zurück. Beim Selbsthosting können Betreiber, solange Gewichte und Lizenz nicht tatsächlich veröffentlicht sind, nicht beurteilen, welche Rechte für kommerzielle Nutzung und Weitergabe bestehen; die Quelle nennt nur, dass der MXFP8-Build von M3 etwa 440 GB groß ist, was als grobe Orientierung für die Hardware-Größenordnung dienen kann, nicht als tatsächliche Größe von M3.1 Flash.
Integration und Bewertung
Empfehlung eins: Zuerst die Anpassung der Reasoning-Feldauswertung verifizieren, bevor über eine Migration gesprochen wird. Die gemeldete Änderung, die diese Entscheidung auslöst, ist: Reasoning ist immer aktiv, eine Deaktivierung führt zu einem Fehler, und der Inhalt wandert in reasoning_content. Die konkrete Wahl besteht darin, die interne Reasoning-Extraktionsschicht von „Inline-Tags abgleichen“ auf „strukturiertes Feld lesen und Fehlen zulassen“ umzustellen. Voraussetzung ist, dass in der Codebasis Parsing- oder Nachbearbeitungslogik existiert, die von Inline-Tags abhängt; wird bereits nach strukturierten Feldern geparst, entfällt diese Arbeit. Ein messbares Verifikationskriterium ist, auf einem festen Stichprobensatz die Erfolgsquote von Antworten bei fehlendem reasoning_content und die Parsing-Fehlerquote zu erfassen und zu bestätigen, dass ein Fehlen weder zu Inhaltsverlust noch zu Ausnahmen führt. Empfehlung zwei: Die Effort-Stufe als justierbaren Parameter behandeln und eine Kosten-Qualitäts-Kurve erstellen, statt einfach die offiziell empfohlene Stufe Max zu übernehmen. Die gemeldete Änderung sind fünf Effort-Stufen mit der Standardempfehlung Max. Die konkrete Wahl besteht darin, für jeden Lasttyp eine Stufe festzulegen und in die Konfiguration zu schreiben, statt global zu vereinheitlichen. Voraussetzung ist, dass die Aufgabe ein automatisch feststellbares Erfolgskriterium hat; bei offenen Aufgaben ohne solches Kriterium sollte zunächst eine kleine Stichprobe manuell annotiert und dann verglichen werden. Ein messbares Verifikationskriterium ist der Unterschied der Bestehensquote zwischen Low und Max auf demselben Stichprobensatz sowie die entsprechenden Token-Verbräuche und End-to-End-Latenzänderungen; ist der Unterschied geringer als das Rauschniveau, ist die niedrigere Stufe zu wählen. Empfehlung drei: Selbsthosting erst nach der Gewichtsveröffentlichung entscheiden und die Kapazitätsplanung nicht vorab an 440 GB ausrichten. Die gemeldete Änderung ist, dass weder Gewichte noch Lizenz offengelegt sind. Die konkrete Wahl besteht darin, weiter die API zu nutzen oder nach Klärung der Lizenz eine lokale Bereitstellung zu prüfen. Voraussetzung ist, ob die Lizenz den vorgesehenen Zweck erlaubt und ob die Hardware das tatsächliche Gewichtsvolumen bewältigt; solange diese beiden Punkte unklar sind, fehlt die Grundlage für eine Selbsthosting-Bewertung. Ein messbares Verifikationskriterium ist, ob die Lizenzbestimmungen zu kommerzieller Nutzung und Weitergabe den eigenen Anwendungsfall abdecken und welche gemessene Durchsatzleistung eine verfügbare quantisierte Version auf dem Zielkartentyp erreicht.
Grenzen und offene Fragen
Es gibt drei wesentliche Unsicherheiten. Erstens stammen alle Benchmark-, Kosten- und Geschwindigkeitsdaten aus Berichten von MiniMax und wurden nicht unabhängig reproduziert; die Quelle selbst vermerkt die Inkonsistenz zwischen 62,8 und 62,2 in derselben Ankündigung sowie die fehlende quellenübergreifende Vergleichbarkeit von Automation-Bench. Zweitens ist die Veröffentlichung der Gewichte für den 23. Oktober 2026 geplant, aber zum Zeitpunkt der Berichterstattung waren weder Lizenz noch Hardware für Selbsthosting offengelegt; die Verfügbarkeit von Gewichten bedeutet nicht, dass eine Lizenz kommerzielle Nutzung oder Weitergabe gestattet – beides ist getrennt zu beurteilen. Drittens erscheint die Version MiniMax M3.1 Flash derzeit nicht im Echtzeit-Modellkatalog von KimiSeek; die in der Quelle genannte API-Verfügbarkeit und der Preis beziehen sich auf die offiziellen Kanäle von MiniMax. Sollte später ein Aufruf über KimiSeek erwogen werden, sind die tatsächlichen Einträge der Preis- und Modellseite der Plattform maßgeblich; Preise können sich ändern. Darüber hinaus liegt kein technischer Bericht vor, der Flash mit M3 vergleicht; die konkrete Umsetzung der sparse Attention und Details des visuellen Encoders lassen sich nicht überprüfen. Die Integrationsempfehlungen und Verifikationsmethoden in diesem Text sind eine Analyse auf Basis der gemeldeten Änderungen und keine validierten Aussagen über die tatsächliche Modellleistung.