MiniMax M3: Open-Weight-MoE mit 1M-Token-Kontext
MiniMax M3 ist ein Open-Weight-MoE-Modell (428B/23B aktiv) mit 1M-Token-Kontext und Sparse Attention — stark bei Coding- und Agenten-Benchmarks.
Stand 17. Juli 2026. Benchmarks und Preise ändern sich laufend — prüfe vor Entscheidungen die offizielle Plattform.
Was ist MiniMax M3?
MiniMax M3 ist ein Open-Weight-Sprachmodell des chinesischen Anbieters MiniMax, veröffentlicht im Juni 2026. Die Mixture-of-Experts-Architektur umfasst 428 Milliarden Parameter, aktiviert pro Token aber nur 23 Milliarden. Dazu kommen native Multimodalität und ein Kontextfenster von 1 Million Token — deutlich mehr als die meisten Open-Weight-Konkurrenten.
MiniMax Sparse Attention: die Architektur dahinter
MiniMax M3 verdankt sein 1M-Kontextfenster einem eigens entwickelten Mechanismus namens MiniMax Sparse Attention. Das Verfahren optimiert die Aufmerksamkeitsschicht so, dass lokale Inferenz und lange Kontexte deutlich effizienter laufen als mit Standard-Attention. Kombiniert mit der MoE-Struktur — 428B Parameter gesamt, 23B aktiv — bleibt der Rechenaufwand pro Anfrage überschaubar, obwohl das Modell zur Schwergewichtsklasse gehört. In der Praxis heißt das: Du kannst ganze Code-Repositories oder hunderte PDF-Dokumente in einem einzigen Prompt analysieren, ohne dass Inhalte durch Kürzung (Truncation) verloren gehen. Die native Multimodalität verarbeitet Text und Bilder ohne Zusatzmodule. Details zur Architektur stehen in unserer News zum MoE-Release.
Benchmarks: MiniMax M3 gegen die Konkurrenz
| Benchmark | MiniMax M3 | Einordnung |
|---|---|---|
| BrowseComp | 83,5 % | vor Claude Opus 4.7 (79,3 %) |
| MCP Atlas | 74,2 % | Agenten-Protokolle |
| Terminal Bench 2.1 | 66,0 % | Terminal-Steuerung |
| SWE-Bench Pro | 59,0 % | Software Engineering |
| KernelBench Hard | 28,8 % | Kernel-Programmierung (Schwachstelle) |
MiniMax M3 spielt seine Stärken vor allem bei Software-Engineering, Browser-Interaktion und Terminal-Aufgaben aus — auf BrowseComp und OSWorld Verified übertrifft es laut den veröffentlichten Messungen sogar Claude Opus 4.7. Bei hardwarenaher Kernel-Programmierung fällt das Modell dagegen deutlich ab. Wichtig zur Einordnung: Die Zahlen stammen aus internen Messungen des Anbieters. Unsere News zum M3-Release fasst alle Benchmark-Ergebnisse zusammen.
MiniMax Code und die Preisstruktur
MiniMax Code ist die dedizierte Coding-Umgebung zum Modell: Sie nutzt das 1M-Kontextfenster, um massive Dateistrukturen komplett zu laden, und bringt optimierte Workflows für autonome Agenten plus direkte API-Anbindung mit. Preislich rechnet MiniMax nach Token-Verbrauch in zwei Stufen ab — Standard-Kontext bis 512K und Extended-Kontext bis 1M Token. Zum Start im Juni 2026 gab es in der ersten Woche 50 % Rabatt auf die Standardnutzung. Da die Gewichte offen sind, hast du neben der offiziellen API weitere Wege: Ollama für lokale Nutzung, OpenRouter als Aggregator oder komplettes Self-Hosting mit den Skripten aus dem GitHub-Repo. Für Teams, die von proprietären Modellen auf Open-Weight-Lösungen umsteigen wollen, ist das eine der flexibelsten Optionen 2026.
Für wen ist MiniMax M3 interessant?
MiniMax M3 konkurriert im Open-Weight-Segment 2026 vor allem mit GLM 5.2, DeepSeek V4 und Kimi K2 — hebt sich von diesen aber durch die Kombination aus 1M-Kontext, nativer Multimodalität und den starken Agenten-Benchmarks ab. Ein Selbstläufer ist das Modell trotzdem nicht: Die Benchmark-Zahlen stammen vom Anbieter selbst, und für das volle 1M-Fenster fallen Extended-Tarife an. Konkret lohnt sich ein Blick für diese Profile:
- Long-Context-Arbeiter — ganze Repositories, Log-Berge oder Dokumentensammlungen in einem Prompt.
- Agenten-Bauer — starke Werte bei MCP Atlas, Terminal Bench und BrowseComp sprechen für Agenten-Workflows.
- Self-Hoster — offene Gewichte auf Hugging Face und GitHub, lauffähig via Ollama.
- Kostenbewusste Teams — MoE-Effizienz (nur 23B von 428B Parametern aktiv) drückt die Inferenzkosten.
Offizielle Links
- GitHub: github.com/MiniMax-AI/MiniMax-M3
- Plattform/API: platform.minimax.io
- Coding-Umgebung: code.minimax.io
Häufige Fragen
Was ist MiniMax M3?
MiniMax M3 ist ein Open-Weight-Sprachmodell mit Mixture-of-Experts-Architektur: 428 Milliarden Parameter insgesamt, von denen pro Inferenzschritt nur 23 Milliarden aktiv sind. Das Modell ist nativ multimodal, verarbeitet bis zu 1 Million Token Kontext über die eigens entwickelte MiniMax Sparse Attention und erschien im Juni 2026. Die Gewichte stehen auf Hugging Face und GitHub bereit.
Wie gut ist MiniMax M3 beim Coding?
In den veröffentlichten Benchmarks erreicht MiniMax M3 59,0 % auf SWE-Bench Pro, 66,0 % auf Terminal Bench 2.1 und 74,2 % auf MCP Atlas. Auf BrowseComp liegt es mit 83,5 % vor Claude Opus 4.7 (79,3 %). Die Stärken liegen klar bei Software-Engineering, Terminal-Steuerung und Agenten-Workflows — weniger bei Kernel-Programmierung (KernelBench Hard: 28,8 %).
Was kostet MiniMax M3 und wo läuft es?
Die Abrechnung erfolgt nach Token-Verbrauch mit zwei Stufen: Standard-Kontext bis 512K und Extended-Kontext bis 1M Token. Zum Release im Juni 2026 gab es eine Woche lang 50 % Rabatt auf die Standardnutzung. Neben der offiziellen API (platform.minimax.io) läuft das Modell dank offener Gewichte auch über Ollama, OpenRouter oder selbst gehostet — aktuelle Preise stehen auf der Plattform.
Quellen
- Was ist MiniMax M3? Neues MoE-Modell mit 1M Kontextfenster 2026 — thevibe-coding.de (abgerufen 2026-07-17)
- Was ist MiniMax M3? Neues KI-Modell mit 1M Kontext im Guide 2026 — thevibe-coding.de (abgerufen 2026-07-17)
- MiniMax-M3 auf GitHub — MiniMax AI (abgerufen 2026-07-17)
Verwandte Artikel
Kimi K2 (Moonshot AI)
Kimi K2 von Moonshot AI ist ein extrem günstiges Modell mit starkem Langtext- und Coding-Fokus.
DeepSeek V3.x
DeepSeek ist der Preis-Leistungs-König unter den Coding-Modellen — starkes Reasoning zu einem Bruchteil der Kosten.
GLM-5.2 vs. Claude Opus 4.8: Open-Source schließt 2026 auf
Zhipu AI veröffentlicht GLM-5.2 unter MIT-Lizenz. Das Modell fordert Claude Opus 4.8 in Coding-Benchmarks heraus und bietet 1M Kontext für Profis im Jahr 2026.