MiniMax startet M3.1-Flash-Preview: sechs Reasoning-Stufen und Kontext mit einer Million Token
Laut Xinzhiyuan erschien am 23. September das anonyme Modell Space Bunny Alpha auf OpenRouter und OpenCode; Entwickler verglichen die Tokenizer und vermuteten dahinter MiniMax. Vier Tage später, am 27. September, startete MiniMax M3.1-Flash-Preview mit sechs einstellbaren Reasoning-Stufen, 1 Million Token Kontext und Eingaben aus Text, Bild und Video. Der Bericht dokumentiert außerdem Praxistests zu Bugfixes, Webseitengenerierung, 3D und Spielen.
Was sich geändert hat
Laut Xinzhiyuan wurde am 23. September auf OpenRouter und im Programmierwerkzeug OpenCode gleichzeitig ein zeitlich begrenzt kostenloses anonymes Modell namens Space Bunny Alpha angeboten. OpenRouter kennzeichnete es als Flash-Modell mit schneller Inferenz, einstellbarer Reasoning-Intensität, 1 Million Token Kontext sowie Eingaben aus Text, Bild und Video. Der Bericht gibt an, dass noch am selben Tag Entwickler den Tokenizer des Modells verglichen und befanden, sein Text-Tokenizer sei mit MiniMax M3 vollständig identisch; am nächsten Tag verglich jemand mit 24 Sondierungs-Prompts die Token-Anzahl, was mit dem MiniMax-Modell übereinstimmte, weshalb viele Entwickler vermuteten, das anonyme Modell stamme von MiniMax. Vier Tage später, am 27. September, startete MiniMax offiziell M3.1-Flash-Preview; laut Bericht bietet es ebenfalls sechs Reasoning-Stufen, 1 Million Token Kontext und Text-, Bild- und Videoeingabe, was den Merkmalen des anonymen Modells entspricht. Bis zum Redaktionsschluss des Berichts haben jedoch weder MiniMax noch OpenRouter die Identität von Space Bunny Alpha offiziell bestätigt, sodass der Zusammenhang zwischen dem anonymen Modell und M3.1-Flash-Preview weiterhin eine Vermutung von Entwicklern und keine offizielle Bestätigung ist. Der Bericht hält außerdem fest, dass bei der Auswahl von M3.1-Flash-Preview in MiniMax Code sechs Reasoning-Stufen und ein Kontext von bis zu 1M in der Oberfläche sichtbar sind.
Auswirkungen für Entwickler
Für Entwickler liegt der Kern dieser Meldung darin, dass die Leistungsgrenzen der Flash-Klasse neu beschrieben werden. Dem Bericht zufolge unterstützt M3.1-Flash-Preview 1 Million Token Kontext und direkte Eingaben aus Text, Bild und Video, während die Reasoning-Intensität in sechs Stufen einstellbar ist; das bedeutet, dass dasselbe Modell je nach Aufgabenschwierigkeit zwischen Kosten- und Qualitätskurve wechseln kann, ohne dass ein Routing über mehrere Modelle nötig ist. Die im Bericht genannten Praxisszenarien umfassen Code-Reparaturen, Webseitengenerierung, 3D-Visualisierung und Spieleentwicklung; bei von Nutzern gemeldeten Bugs in den realen Open-Source-Projekten Hono und marked will es diese in 2,8 bzw. 3,7 Minuten behoben und die offiziellen Regressionstests bestanden haben. Diese Ergebnisse sind Selbsttests der Medien und nicht von Dritten reproduziert. Zu beachten ist, dass der im Bericht erwähnte Vergleich der Token-Aufrufmengen Modelle anderer Anbieter betrifft und nur die damaligen Beobachtungsdaten der Plattform wiedergibt; er sollte nicht als aktuelle Auswahlgrundlage dienen. Zur Preisgestaltung nennt der Bericht keine zitierfähigen Details; maßgeblich sind die Preisseiten des Anbieters und von KimiSeek.
Integration und Bewertung
Das Folgende sind Empfehlungen und bedingte Analysen, keine berichteten Fakten. Erstens: Wenn Sie auf einmaliges Einspielen langer Dokumente oder großer Codebasen angewiesen sind, können Sie den Kontext von 1 Million Token bei M3.1-Flash-Preview als Hypothese prüfen – vorausgesetzt, Ihre Chunking-Strategie für die Wissensbasis erlaubt eine Last nahe der Obergrenze in einem Durchgang. Dann sollten Sie die Antwortübereinstimmung zwischen Chunk-Retrieval und vollständigem Einspielen vergleichen; als Bewertungsmaßstab empfehlen sich die Recall-Rate für Schlüsselinformationen und die Treffergenauigkeit der Zitatlokalisierung auf einem festen Fragensatz, nicht subjektive Flüssigkeit. Zweitens sind die sechs Reasoning-Stufen ein einstellbarer Parameter; der Entscheidungspunkt ist die Standardstufe. Wenn Ihre Arbeitslast überwiegend aus kurzen Abfragen besteht und latenzempfindlich ist, empfiehlt es sich, mit der Standardstufe zu beginnen und die Stufe nur bei Stichproben mit mehrstufigen Reasoning-Fehlern zu erhöhen; Bewertungsmaßstab sind der Zuwachs der Bestehensrate desselben Prompt-Satzes zwischen benachbarten Stufen sowie die Veränderung von Latenz pro Anfrage und Token-Verbrauch. Drittens bedeutet die multimodale Eingabe im Bericht, dass die eigentliche Wahl lautet, ob das Modell Bilder oder Videos direkt lesen soll statt zuerst eine Texttranskription zu erstellen: Wenn Ihre Eingaben handgezeichnete Wireframes, Screenshots oder Bildschirmaufnahmen enthalten, können Sie den direkten multimodalen Eingang mit einer Pipeline aus OCR plus Text vergleichen, mit Ende-zu-Ende-Aufgabenabschlussrate und manueller Nacharbeitsrate als Bewertungskriterien. Viertens sind Code-Reparatur und langer Kontext wiederkehrende Szenarien im Bericht; vor der Integration sollten Sie auf Ihrem eigenen echten Bug-Bestand eine Regressionsbasis aufbauen und nach der Reparatur die Bestehensrate der offiziellen Tests sowie neu eingeführte Defekte erfassen. All dies sollte zunächst mit kleinem Datenverkehr im Graustufenbetrieb getestet werden, bevor entschieden wird, ob das bisherige Flash-Modell ersetzt wird.
Grenzen und offene Fragen
Klarzustellen ist: Die in diesem Bericht behandelte Version M3.1-Flash-Preview ist derzeit nicht im Echtzeitkatalog von KimiSeek gelistet; die genannten API-Verfügbarkeiten beziehen sich auf den Anbieter MiniMax und seine Partnerplattform OpenRouter, nicht auf die KimiSeek-Plattform. Zweitens beruht die Gleichsetzung von Space Bunny Alpha und M3.1-Flash-Preview auf Tokenizer- und Token-Anzahl-Vergleichen durch Entwickler, ist also eine Vermutung; weder MiniMax noch OpenRouter haben sie bestätigt, und sie darf nicht als gesicherte Schlussfolgerung gelten. Drittens stammen Ergebnisse wie das Pelikan-SVG, die Reparatur des Ticketsystems, die Temperatur-Spiralkurve, die SQL-Vereinfachungsreparatur, die 3D-Darstellungen von Rakete und Schwarzem Loch sowie das Spiel Nachthafen-Operation aus Medienselbsttests; Testbedingungen, Prompts und Hardwareumgebung wurden nicht vollständig offengelegt und sind für Dritte schwer reproduzierbar, sodass Leistungs- und Latenzdaten nicht direkt übertragbar sind. Schließlich befindet sich das Modell in der Preview-Phase, Schnittstellen, Stufenverhalten und verfügbare Regionen können sich ändern, und der Bericht liefert keine zitierfähige Abrechnungsgrundlage; prüfen Sie vor dem Einsatz die Preisseite des Anbieters und die aktuellen Dokumentationen.