MiniMax hat die Gewichte von M3.1 Flash auf Hugging Face und ModelScope veröffentlicht, vier Tage nach der Ankündigung des Modells. Wer die 428 Milliarden Parameter selbst betreiben will, sollte vor dem Download zwei Zahlen kennen: 252 Gigabyte und eine Umsatzgrenze in der Lizenz.
MiniMax M3.1 Flash ist jetzt ein offenes Modell
Die Reihenfolge ist ungewöhnlich. MiniMax stellte M3.1 Flash am 19. Oktober vor und schrieb damals nur, die Gewichte würden später erscheinen. Am 23. Oktober lagen sie dann tatsächlich auf Hugging Face und ModelScope. Vier Tage zwischen Ankündigung und Veröffentlichung sind für diese Branche schnell, denn viele Anbieter versprechen offene Gewichte und liefern erst Monate später.
Damit ist M3.1 Flash kein Produkt mehr, das man nur über eine API mieten kann. Wer will, lädt sich das Modell herunter und betreibt es selbst. Ob das praktisch sinnvoll ist, steht auf einem anderen Blatt, dazu später mehr.
Space Bunny: der Testlauf ohne Namen
Vor der Veröffentlichung lief M3.1 Flash einige Zeit anonym. Auf OpenRouter tauchte das Modell unter dem Codenamen Space Bunny auf, ohne Hinweis auf den Hersteller. MiniMax bestätigt heute, dass es sich um eine frühe Fassung von M3.1 Flash handelte, und nennt eine Zahl, die Respekt abverlangt: Mehr als 200 Billionen Token habe das Modell in dieser Phase verarbeitet.
Für Anbieter ist das eine günstige Art der Marktforschung. Niemand bewertet ein namenloses Modell mit den Erwartungen, die an einen großen Hersteller geknüpft sind. Nutzer testen es einfach und entscheiden dann, ob sie es weiterverwenden. MiniMax hat die Rückmeldungen aus diesem Zeitraum offenbar in die finale Version einfließen lassen.
428 Milliarden Parameter, 23 Milliarden pro Token aktiv
Die technischen Eckdaten lesen sich wie das Pflichtprogramm eines modernen Agentenmodells: 428 Milliarden Parameter insgesamt, von denen pro Token nur 23 Milliarden aktiv werden. Dieser Abstand ist der Kern des Mixture-of-Experts-Ansatzes. Das Modell besteht aus vielen spezialisierten Teilnetzen, und für jede Anfrage wird nur eine kleine Auswahl davon gerechnet. Deshalb bleibt die Rechenlast pro Token überschaubar, obwohl das Modell insgesamt sehr groß ist.
Dazu kommen ein Kontextfenster von einer Million Token, native Verarbeitung von Text, Bildern und Videos als Eingabe sowie die Ausgabe von Text. MiniMax setzt durchgehend auf eine eigene Form der sparsen Aufmerksamkeit, die es MiniMax Sparse Attention nennt. Ein zusätzlicher Kopf für spekulatives Dekodieren namens DSpark schlägt mehrere Token gleichzeitig vor, die das Hauptmodell dann nur noch prüfen muss. Trainiert wurde mit quantisierungsbewusstem Training, damit das Modell auch in reduzierter Genauigkeit brauchbar bleibt.
Was MiniMax an Benchmark-Werten nennt
Alle folgenden Zahlen sind Herstellerangaben. Eine unabhängige Nachprüfung gibt es bislang nicht, und MiniMax wählt die Tests selbst aus. Die Tabelle zeigt trotzdem, wo das Modell nach Einschätzung des Anbieters steht.
Benchmark | Ergebnis | Was der Test misst |
|---|---|---|
DeepSWE v1.1 | 73,7 % | Softwareaufgaben mit eigener Testprüfung |
OSWorld V2 | 61,7 | Bedienung echter Anwendungen |
Agents' Last Exam | 29,6 | Berufsnahe Aufgaben mit mehreren Schritten |
BankerToolBench | 76,2 | Werkzeugketten in Finanzprozessen |
CyberGym | 82,2 % | Suche und Bestätigung von Sicherheitslücken |
DeepSWE ist der aussagekräftigste Wert für Entwickler, weil der Test verlangt, dass ein Modell ein Problem selbst versteht, eine Änderung umsetzt und das Ergebnis durch Tests absichert. OSWorld V2 misst, wie gut sich das Modell in einer grafischen Oberfläche zurechtfindet, also ob es Fenster öffnet, Formulare ausfüllt und Menüs bedient. Der deutlich niedrigere Wert bei Agents' Last Exam zeigt die Grenze: Bei langen, offenen Aufgaben mit echtem wirtschaftlichem Ausgang bricht die Erfolgsquote ein.
MiniMax behauptet, bei OSWorld V2 und Agents' Last Exam unter den chinesischen Modellen an der Spitze zu stehen. Das lässt sich prüfen, sobald unabhängige Auswertungen vorliegen. Bis dahin bleibt es eine Aussage des Herstellers.
Was M3.1 Flash pro Million Token kostet
Die Preise sind der eigentliche Grund, warum dieses Modell Aufmerksamkeit verdient. MiniMax nennt 0,15 Dollar für eine Million Eingabe-Token, 0,60 Dollar für die Ausgabe und 0,015 Dollar für zwischengespeicherte Eingaben. Es gibt keine Staffelung nach Kontextlänge, ein einheitlicher Tarif also.
Zum Vergleich: Bei den meisten großen Anbietern kostet die Ausgabe ein Vielfaches davon, und bei langen Kontexten steigen die Preise zusätzlich. MiniMax verspricht außerdem, dass die Nutzung im Vergleich zum Vorgänger rund 70 Prozent günstiger ausfällt, bei etwa dreifacher Geschwindigkeit der Online-Inferenz. In der Praxis nennt das Unternehmen 200 und mehr Token pro Sekunde, im Median über 170.
Für Agenten, die viele Schritte hintereinander laufen und dabei viel Kontext mit sich tragen, ist das der entscheidende Hebel. Die Rechnung entscheidet dort weniger über die Qualität einer Antwort als über die Frage, ob man einen Agenten überhaupt unbeaufsichtigt laufen lassen kann.
Die Community-Lizenz entscheidet über den Nutzen
Offene Gewichte sind nicht automatisch frei nutzbar. Auf Hugging Face ist die Lizenz als "other" markiert, es gilt die MiniMax Community License. Berichte von Drittanbietern nennen eine Umsatzgrenze von 20 Millionen Dollar pro Jahr, ab der Unternehmen eine gesonderte Zustimmung brauchen, außerdem eine Downloadgröße von rund 252 Gigabyte. Beide Angaben stammen nicht aus einer offiziellen Zusammenfassung von MiniMax und sollten am Lizenztext geprüft werden.
Für kleine Teams und Einzelentwickler ändert sich damit praktisch nichts. Für Firmen, die das Modell in ein eigenes Produkt einbauen wollen, ist die Grenze relevant, denn sie kann teurer werden als eine API-Rechnung. Wer heute auf offene Gewichte setzt, prüft deshalb zuerst die Lizenz und danach die Benchmark-Tabelle. Nicht umgekehrt.
Ob M3.1 Flash auf Ihrer Hardware läuft
252 Gigabyte in voller Genauigkeit sind eine Ansage. Auch mit Quantisierung bleibt ein Modell dieser Größe auf mehrere Profi-Grafikkarten angewiesen, und wer es im Büro betreiben will, braucht mindestens einen Server mit mehreren Beschleunigern, viel Speicherbandbreite und jemanden, der sich um Auslastung und Updates kümmert.
Nichts für einzelne Grafikkarten.
Lohnt sich das überhaupt? Für die meisten Anwendungsfälle ist die API der vernünftigere Weg, zumal MiniMax das Modell dort ohne Mindestabnahme anbietet. Lokal zu betreiben lohnt sich vor allem dann, wenn Daten das Haus nicht verlassen dürfen oder wenn ein Unternehmen eine feste Auslastung hat, bei der eigene Hardware billiger wird als Tokens.
Was bei M3.1 Flash als Nächstes zählt
MiniMax hat angekündigt, dass eine stärkere Pro-Variante später folgen soll. Ob das Unternehmen die Linie so diszipliniert weiterführt wie bei den Flash-Gewichten, wird sich zeigen. Für Entwickler ist die wichtigste offene Frage ohnehin nicht die Modellgröße, sondern der Lizenztext. Wer ihn gelesen hat und die 252 Gigabyte einplanen kann, bekommt hier ein Modell, das bei Coding und Computer-Use in der Oberklasse mitspielt, zu einem Preis, den sich auch kleinere Teams leisten können.
