MiniMax M3.1 Flash veröffentlicht: Bericht sieht vorderen Platz bei Agent-Aufgaben, API-Kosten und Zeitfenster-Abrechnung als Schlüsselvariablen für Entwickler
Laut Xinzhiyuan vom 19. Oktober 2026 hat MiniMax M3.1 Flash veröffentlicht; es ist über MiniMax API, M Plan und MiniMax Code verfügbar, und das Standard-Textmodell im offiziellen CLI-Repository wurde umgestellt. Der Bericht nennt vordere Plätze in Automation-Bench, LOCA-Bench 256K und weiteren Tests, mit 1 Mio. Token Kontext und fünf effort-Stufen.
Was sich geändert hat
Laut Xinzhiyuan vom 19. Oktober 2026 hat MiniMax zwei Tage nach DeepSeek V4.1 Flash-1017 offiziell M3.1 Flash vorgestellt; es sei bereits in der offiziellen MiniMax API, in M Plan und in MiniMax Code verfügbar, und das Standard-Textmodell im Repository der offiziellen CLI sei auf MiniMax-M3.1-Flash umgestellt. Dem Bericht zufolge unterstützt das Modell nativ 1 Mio. Token Kontext und kann Text, Bilder und Videos direkt einlesen; der Denkmodus ist standardmäßig immer aktiv und lässt sich über den effort-Parameter in fünf Stufen (low, medium, high, xhigh, max) regeln, wobei ohne Angabe standardmäßig max gilt. Die im Bericht wiedergegebenen Evaluationsdaten zeigen: DeepSWE v1.1 erreicht in der max-Stufe 73,7 Punkte, Automation-Bench 62,8 Punkte (Rang eins), LOCA-Bench 256K 60,3 Punkte, BankerToolBench 76,2 Punkte, CyberGym 82,2 Punkte; im Bereich Computer-Nutzung erzielt OSWorld 2.0 61,7 Punkte, die Bestehensquote bei Agents' Last Exam liegt bei 29,6 Prozent, und der Bericht schätzt die Kosten für einen vollständigen ALE-Durchlauf auf rund 739 Yuan. Der Bericht nennt zudem, dass die tägliche Ausgabegeschwindigkeit bis zu über 200 TPS erreichen kann und der Median stabil bei über 170 TPS liegt, und bezeichnet als Vorgänger das anonyme Modell Space Bunny (chinesisch: Weltraumhase). Anzumerken ist: Alle genannten Werte stammen aus den im Bericht wiedergegebenen offiziellen oder Drittanbieter-Evaluationsdaten, wurden für diesen Text nicht unabhängig überprüft, und einige Namen und Versionen von Vergleichsmodellen liegen außerhalb des überprüfbaren Bereichs.
Auswirkungen für Entwickler
Die Auswirkungen auf Entwickler konzentrieren sich auf drei Punkte: Abrechnungsstruktur, Standardparameter und Kontextstrategie. Dem Bericht zufolge kostet M3.1 Flash pro Million Token 1 Yuan für Eingabe, 4 Yuan für Ausgabe und 0,1 Yuan für Cache-Lesen, ohne Unterscheidung nach Zeitfenstern; zugleich führt der Bericht an, dass DeepSeek V4.1 Flash-1017 nach Spitzen- und Nebenzeiten abrechnet, an Werktagen tagsüber in der Spitzenzeit 2 Yuan für Eingabe und 8 Yuan für Ausgabe. Trifft diese Darstellung zu, vergrößert der Zeitfensterunterschied den Kostenabstand beider Anbieter vor allem bei Agent-Last, die tagsüber im Unternehmen läuft, während der Abstand bei nächtlicher Stapelverarbeitung deutlich kleiner ausfällt. Zweitens gilt der Standardwert des effort-Parameters: Laut Bericht gilt ohne Angabe max, was bedeutet, dass Integrationen ohne explizite Parameterübergabe auf der schwersten Stufe Denk-Token und Latenz verbrauchen, wodurch Rechnung und Antwortzeit steigen. Drittens erweitern der 1-Mio.-Token-Kontext und das direkte Einlesen von Multimedia den pro Anfrage tragbaren Eingabeumfang und machen die Frage „ganz einfügen oder per Retrieval kürzen“ zu einer Abwägung, die anhand der Cache-Trefferquote gemessen werden muss; der Bericht rechnet mit 1 Mrd. Eingabe-Token und kommt bei 90 bzw. 95 Prozent Cache-Trefferquote zu unterschiedlichen Ergebnissen. Viertens nennt der Bericht, dass MiniMax M3.1 Flash an erster Stelle der Modellliste in der offiziellen API-Dokumentation platziert hat, und kündigt eine Pro-Version für höhere Intelligenz später an, für die derzeit kein Zeitplan und keine Verfügbarkeitszusage bestehen.
Integration und Bewertung
Das Folgende sind auf dem Bericht basierende Empfehlungen und Bedingungsanalysen, keine verifizierten Fakten. Erste Entscheidung: ob M3.1 Flash als Standardmodell für Agent-Workflows gesetzt wird. Grundlage ist der Bericht, wonach es Automation-Bench mit 62,8 Punkten anführt und pro Aufgabe etwa 0,25 bis 0,3 Yuan kostet. Der eigentliche Entscheidungspunkt ist die effort-Stufe – ohne explizite Parameterübergabe läuft alles auf max. Anwendungsbedingung: Batch-Prozesse über mehrere SaaS-Systeme, bei denen die Gesamterfolgsrate wichtiger ist als die Latenz einzelner Schritte, können bevorzugt testweise ersetzt werden; einzelne, risikoarme, latenzempfindliche Aufrufe sollten explizit auf low oder medium gesenkt werden. Bewertungsmaßstab: aus dem eigenen realen Geschäftsprozess 50 bis 100 Aufgaben als festes Evaluationsset ziehen, je einmal in medium und max laufen lassen, Ende-zu-Ende-Erfolgsrate, Token-Gesamtzahl, tatsächliche Kosten pro Aufgabe und P95-Latenz erfassen; bestanden, wenn die Erfolgsrate nicht unter der des aktuellen Modells und die Kosten pro Aufgabe niedriger als beim aktuellen Ansatz liegen. Zweite Entscheidung: ob langer Kontext und Multimedieneingabe die bestehende Retrieval-Kürzungspipeline ersetzen. Grundlage sind der im Bericht genannte 1-Mio.-Token-Kontext und das direkte Einlesen von Text, Bildern und Videos. Zur Wahl steht, den gesamten Kontext einzufügen oder die Kürzung beizubehalten; die Bedingung ist die tatsächliche Cache-Trefferquote – laut Bericht unterscheiden sich die Kostenergebnisse bei 90 und 95 Prozent Trefferquote. Bewertungsmaßstab: für beide Pipelines auf demselben Evaluationsset Antwortkonsistenz, Time-to-First-Token und P95-Latenz sowie die auf die reale Trefferquote umgerechneten Kosten pro tausend Aufrufe messen; die Variante mit akzeptablem Qualitätsunterschied und niedrigeren Kosten wählen. Dritte Entscheidung: ob je nach Aufgabentyp gemischt zwischen chinesischen Flash-Modellen geroutet wird. Dem Bericht zufolge ist DeepSeek bei Software-Engineering-Aufgaben (DeepSWE) stärker, MiniMax bei Unternehmens-Workflows und Finanz-Tool-Aufrufen auffälliger, was eine Zusammenfassung des Berichts und kein abschließendes Urteil ist. Voraussetzung ist, dass Fehlersemantik, Timeouts und Wiederholungen beider APIs einheitlich gekapselt werden können. Bewertungsmaßstab: Gesamterfolgsrate und Gesamtkosten derselben gemischten Aufgaben bei Einzelmodell versus Routing-Ansatz; wenn der höhere Komplexitätsaufwand des Routings keinen messbaren Erfolgs- oder Kostenvorteil einbringt, sollte auf ein Einzelmodell zurückgegangen werden.
Grenzen und offene Fragen
Klarzustellen ist: Zum Zeitpunkt dieser Katalogprüfung existiert MiniMax M3.1 Flash nicht in der aktuellen Modellliste von KimiSeek, und es gibt auch keinen Eintrag der MiniMax-Reihe; die im Bericht genannte API-Verfügbarkeit bezieht sich also auf die offiziellen MiniMax-Kanäle, und dieser Text besagt nicht, dass das Modell auf KimiSeek verfügbar ist. Alle Benchmark-Werte, Geschwindigkeits-, Kosten- und Preisangaben stammen aus dem Bericht von Xinzhiyuan vom 19. Oktober 2026, sind wiedergegebene offizielle oder Drittanbieter-Evaluationen und wurden hier nicht unabhängig reproduziert; einige Namen und Versionen von Vergleichsmodellen liegen außerhalb des überprüfbaren Bereichs und sollten nicht als tatsächliche Fähigkeitsrangfolge gedeutet werden. Die im Bericht genannten Zahlen wie 1 Yuan pro Million Eingabe-Token und 4 Yuan für Ausgabe sind die Berichtsangaben zum Veröffentlichungszeitpunkt und keine aktuellen Preise; vor der Anbindung sind die offizielle Preisseite und Dokumentation von MiniMax maßgeblich, und dieser Text wiederholt oder fixiert keine aktuellen Preise. Die Ankündigung einer späteren Pro-Version ist Vorabinformation ohne Veröffentlichungsdatum und Verfügbarkeitszusage; auch die Qualitäts- und Kostenunterschiede der effort-Stufen sind nur auf Berichtsebene beschrieben und selbst zu testen. Der tatsächliche Durchsatz kann je nach Region, Nebenläufigkeit und Ratenbegrenzung deutlich von den im Bericht genannten TPS-Werten abweichen.