MiniMax M3.1 Flash im Test: Benchmarks, Tempo und Vergleich mit M3

MiniMax hat M3.1 Flash am 19. Oktober 2026 veröffentlicht: $0.15 pro Million Input-Tokens und $0.60 pro Million Output-Tokens, also die Hälfte der Sätze von M3. Bei Artificial Analysis erreicht es 29 Punkte im Intelligence Index, M3 kommt auf 19 (geprüft am 30. Oktober 2026). In fünf direkten Vergleichsaufrufen war Flash das sorgfältigere Modell: Es schrieb ein korrektes merge_intervals, während der eigene Test von M3 scheiterte. Es denkt außerdem immer: Es schrieb etwa 2.4-mal so viele Output-Tokens und brauchte bei 4 der 5 Aufgaben länger.

Wie M3 ist es ein Mixture-of-Experts-Modell mit 428B Parametern, 23B aktiven Parametern pro Token, einem Kontextfenster von 1M Tokens und öffentlichen Gewichten (Hugging-Face-Modellkarten, geprüft am 30. Oktober 2026).

Kurz gesagt

• Halber Preis pro Token. $0.15 für Input und $0.60 für Output pro Million Tokens, gegenüber $0.30 und $1.20 bei M3, dazu gecachter Input für $0.015 statt $0.06 (Preisseite von MiniMax, geprüft am 30. Oktober 2026).
• Höherer Index und stärkere Agent-Werte. Artificial Analysis vergibt 29 Punkte, M3 bekommt 19; in der Tabelle der Modellkarte führt es Automation-Bench mit 62.8 und liegt bei BankerToolBench mit 76.2 gleichauf mit Opus 5.
• Jeder Aufruf denkt zuerst. Thinking lässt sich nicht abschalten, der Effort steht standardmäßig auf max, und in unseren Läufen schrieb es 3,420 Output-Tokens gegenüber 1,408 bei M3.
• Die Kosten pro Aufgabe hängen von der Länge ab. Bei unseren fünf kurzen Aufrufen kostete es $0.00220 gegenüber $0.00195 bei M3; bei den langen Index-Aufgaben von Artificial Analysis sind es $0.49 gegenüber $1.29.
• Unser Fazit: Für Coding und Agent-Arbeit ist Flash die bessere Standardwahl. M3 gewinnt bei kurzen, latenzkritischen Aufrufen, wo weniger Tokens mehr zählen als der niedrigere Preis.

Was ist MiniMax M3.1 Flash?

Es ist M3 mit drei Änderungen, die laut MiniMax die Inferenz effizienter machen. MiniMax M3.1 Flash erschien am 19. Oktober 2026 (Release Notes von MiniMax, geprüft am 30. Oktober 2026) mit 428B Parametern insgesamt und 23B aktiven Parametern pro Token, also derselben Form wie MiniMax M3. Die Änderungen: sparse Attention statt der ersten drei Full-Attention-Schichten, quantisierungsbewusstes Training und spekulative Dekodierung mit DSpark (Hugging-Face-Modellkarte, geprüft am 30. Oktober 2026).

Die Termine stammen aus den Release Notes von MiniMax, die Größen aus der Hugging-Face-Modellkarte, die Preise aus der Preisseite von MiniMax, alles geprüft am 30. Oktober 2026. Beide Modelle nehmen 1M Tokens Kontext an und empfehlen 131,072 Output-Tokens, maximal 524,288 (Chat-API-Referenz von MiniMax, geprüft am 30. Oktober 2026).

Vor dem Start lief es anonym als Space Bunny und verarbeitete mehr als 200 Billionen Tokens (Launch-Post von MiniMax, 19. Oktober 2026). Seit dem 19. Oktober gehen Anfragen an M2.5 und M2.7 aus M Plan und Token Plan automatisch an M3.1 Flash, und diese beiden Modelle werden am 18. November 2026 zurückgezogen (Modell-FAQ von MiniMax, geprüft am 30. Oktober 2026).

Derselbe Launch-Post nennt M3.1 Flash bei der Online-Inferenz „nearly three times faster" (fast dreimal so schnell) und 70 % niedrigere Nutzungskosten.

Die Gewichte sind im Hugging-Face-Repo MiniMaxAI/MiniMax-M3.1-Flash unter der MiniMax Community License öffentlich (geprüft am 30. Oktober 2026).

Welche Benchmarks hat MiniMax veröffentlicht?

MiniMax hat zwei getrennte Zahlensätze veröffentlicht. Der ausführlichere steht auf der Modellkarte von M3.1 Flash, die es mit Opus 5, GPT-5.6 Sol und vier weiteren Modellen vergleicht, aber nicht mit M3 (Hugging Face, geprüft am 30. Oktober 2026).

Es führt Automation-Bench v1.0.6 mit 62.8 an, wo Opus 5 auf 50.3 und GPT-5.6 Sol auf 45.8 kommen. Bei BankerToolBench liegt es mit 76.2 gleichauf mit Opus 5. Ein Modell aus derselben Tabelle, DeepSeek V4.1 Flash-1017, schlägt es in drei Coding-Zeilen: 42.3 bei Terminal Bench 4.0 gegen 38.1, 77.0 bei DeepSWE gegen 73.7 und 68.2 bei NL2Repo-Bench gegen 61.2.

Im Launch-Post von MiniMax heißt es, das Modell „ranks first among Chinese models" (steht an der Spitze der chinesischen Modelle) bei OSWorld V2 und Agents' Last Exam. In der Tabelle der Modellkarte kommen Opus 5 auf 70.6 und GPT-5.6 Sol auf 65.7 bei OSWorld 2.0, Flash auf 61.7, und bei Agents' Last Exam liegen Opus 5 (32.2) und GPT-5.6 Sol (30.6) über seinen 29.6.

Für M3 kommen die Zahlen aus dem eigenen Launch am 1. Juni 2026:

• SWE-Bench Pro: 59.0%
• Terminal-Bench 2.1: 66.0%
• MCP Atlas: 74.2%

Das sind andere Tests als in den Zeilen oben, deshalb lassen sich die beiden Sätze nicht Zeile für Zeile vergleichen.

Auf Hacker News schrieb DCKing, das Modell „seems to be pretty benchmaxed" (wirkt ziemlich auf die Benchmarks hin optimiert) und „in actual use, it doesn't survive the comparison to models in the benchmark" (im echten Einsatz hält es den Vergleich mit den Modellen aus dem Benchmark nicht aus) (19. Oktober 2026).

Wie schnell ist das Modell?

Pro Token ist es schnell, pro Antwort oft langsamer. MiniMax nennt mehr als 200 Output-Tokens pro Sekunde bei einem Median von über 170 und führt das auf aggressivere Sparsity zurück. Artificial Analysis hat die API von MiniMax selbst gemessen und kam auf 118.9 Tokens pro Sekunde gegenüber 101.0 bei M3 sowie ein erstes Token nach 1.36 s gegenüber 1.11 s (geprüft am 30. Oktober 2026).

Unsere Läufe zeigen, wo die Zeit hingeht. Jede Zelle nennt zuerst die Gesamtzeit und danach die Zeit bis zum ersten Token in Sekunden; der Explain-Prompt lief zweimal pro Modell, und der Tool-Aufruf wurde nicht gestreamt.

Gemessen haben wir am 30. Oktober 2026. Nach dem ersten Token streamte Flash mit etwa 76 bis 239 Tokens pro Sekunde, M3 mit 67 bis 107; die reine Token-Rate war also nicht das Problem. Das Denken war es: Jeder gestreamte Flash-Aufruf lieferte reasoning_content, und diese Tokens zählen zur Gesamtzahl. M3 lieferte in keinem Aufruf Denktext.

Auf Hacker News berichtete chriddyp von einem eigenen Data-Analytics-Benchmark und schrieb, das Modell „seems to use A LOT of tokens and it's the slowest model that we've tested for the exam; it's slow because of the number of tokens it uses, not the inference speed" (verbraucht sehr viele Tokens und ist das langsamste Modell, das wir für die Prüfung getestet haben; langsam wegen der Zahl der Tokens, nicht wegen der Inferenzgeschwindigkeit) (20. Oktober 2026).

Wie schlägt es sich gegen M3 bei gleichen Prompts?

Flash hatte eine Aufgabe mehr richtig und war trotzdem langsamer. Beide Modelle beantworteten die Rechenfrage korrekt mit 401, beide deckten alle zehn gefragten Punkte zum HTTP-Caching ab, und beide machten die zwei Tool-Aufrufe für Paris und Tokio. Der Unterschied lag in der Coding-Aufgabe.

Output-Tokens, Thinking eingeschlossen:

Flash schrieb 3,420 Output-Tokens über die fünf Aufgaben, M3 kam auf 1,408. Die sichtbaren Antworten lagen nah beieinander: 377 und 425 Wörter für die beiden Erklärungen von Flash, 364 und 381 bei M3, dazu kamen bei Flash 394 und 496 Wörter Denktext.

Entschieden hat es die Coding-Aufgabe. Flash lieferte ein korrektes merge_intervals mit neun Asserts, darunter eine Prüfung, dass die Eingabeliste unverändert bleibt, und die Datei lief fehlerfrei durch. Auch die Zusammenführungslogik von M3 war richtig, doch es sortiert Intervalle in Tupel und wandelt erst beim Zusammenführen zurück in eine Liste, deshalb gibt merge_intervals([[5, 10]]) den Wert [(5, 10)] zurück. Der eigene zweite Assert, assert merge_intervals([[5, 10]]) == [[5, 10]], schlägt fehl.

Ein niedrigerer Effort verkürzt das Warten. Mit reasoning_effort: "low" brauchte ein zusätzlicher Flash-Lauf 5.5 s statt 25.2 s, erreichte sein erstes Token nach 2.4 s statt 16.1 s und schrieb 429 Tokens statt 838. Die Funktion war korrekt, aber einer ihrer eigenen Asserts erwartete, dass zwei Intervalle ohne Überlappung zusammengeführt werden, deshalb brach die Datei mit einem AssertionError ab.

Das Thinking von Flash liest sich wie abgehacktes, telegrammartiges Englisch. Sein Denken bei der Zählaufgabe begann wörtlich: „We need answer. Need parse subtle: divisible by 3 or by 5, but not by 15." (Wir brauchen eine Antwort. Das Feine muss man herausparsen: durch 3 oder durch 5 teilbar, aber nicht durch 15.) Auf Hacker News beschrieb simonw denselben Stil und nannte es „Reasoning traces use truncated English" (Die Denkspuren verwenden verkürztes Englisch) (19. Oktober 2026).

Getestet haben wir nur Text: Bildeingabe, Videoeingabe, lange Kontext-Prompts, längere Agent-Läufe und andere Effort-Stufen als Standard und low sind ungetestet, und wir haben beide Modelle über einen einzigen OpenAI-kompatiblen Endpunkt aufgerufen, nicht über die eigene API von MiniMax.

Was kostet eine Aufgabe?

Der halbe Preis pro Token machte Flash bei kurzen Prompts nicht billiger. Bei unseren fünf Aufrufen kostete Flash $0.00220 gegenüber $0.00195 bei M3, weil es etwa 2.4-mal so viele Output-Tokens schrieb. M3 war bei vier der fünf Aufgaben günstiger, Flash nur beim Tool-Aufruf.

Die Preise folgen den Listenpreisen von MiniMax, gecachter Input zum Cache-Preis.

Bei langen Aufgaben dreht sich das Bild. Der gemischte Preis von Artificial Analysis liegt bei $0.10 pro Million Tokens gegenüber $0.22 bei M3, bei einer Mischung von 7:2:1 aus Cache-Treffern, Input und Output, und die durchschnittlichen Kosten für eine Aufgabe des Intelligence Index liegen bei $0.49 gegenüber $1.29 (geprüft am 30. Oktober 2026). Flash gilt dort außerdem als sehr gesprächig: 160M Output-Tokens über den Index gegenüber einem Median von 100M, M3 liegt bei 100M.

Ein weiterer Unterschied: Bei Flash bleiben die Preise fest, mit $0.15 für Input, $0.60 für Output und $0.015 für gecachten Input pro Million Tokens. M3 kostet nach dem dauerhaften Rabatt von 50 % bei MiniMax $0.30, $1.20 und $0.06 für Prompts bis 512K Input-Tokens; darüber sind es $0.60, $2.40 und $0.12. M3 hat außerdem eine Priority-Stufe zum 1.5-fachen dieser Sätze, die Sie mit service_tier: "priority" einschalten, und Flash hat keine Priority-Stufe (Preisseite von MiniMax, geprüft am 30. Oktober 2026).

Wann lohnt sich M3.1 Flash, wann M3?

Für Coding- und Agent-Prompts ist Flash die bessere Standardwahl.

Bei unseren kurzen Prompts war M3 bei vier der fünf Aufrufe schneller und bei vier der fünf günstiger, und die Erklärungen waren gleich vollständig. Flash lohnt sich wegen der Genauigkeit bei Arbeit, die Sie sonst wiederholen müssten: Seine Codedatei bestand alle neun Asserts, die von M3 nicht.

In einem Begleittest aus demselben Durchlauf lief M3.1 Flash als eigenes Modell in Factory Droid und behob einen Median-Bug in 30.7 Sekunden.

Wenn Sie Modelle für Claude Code auswählen, vergleicht Bestes Modell für Claude Code die Claude-Optionen. GLM-5.3, ebenfalls in der Tabelle von MiniMax, hat einen eigenen GLM-5.3-vs-GLM-5.2-Vergleich, und der Nachfolger von Kimi K3 steht in unserem Test von Kimi K3.1 Pro.

Wie rufen Sie M3.1 Flash auf?

OmniaKey bedient beide IDs über einen einzigen OpenAI-kompatiblen Endpunkt, sodass ein Key und eine Anfrageform für beide Modelle reichen. Die aktuellen Preise stehen auf der Modellseite von M3.1 Flash und der Modellseite von M3.

curl https://api.omniakey.com/v1/chat/completions \
  -H "Authorization: Bearer $OMNIAKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "minimax-m3.1-flash",
    "max_tokens": 8000,
    "reasoning_effort": "low",
    "messages": [{"role": "user", "content": "Explain HTTP caching in two paragraphs."}]
  }'

Die Antwort kommt in choices[0].message.content, das Denken in reasoning_content. Ändern Sie model auf minimax-m3, um M3 aufzurufen.

1. reasoning_effort nimmt low, medium, high, xhigh und max an und steht standardmäßig auf max, wenn Sie nichts angeben; das ist die Stufe, die am meisten denkt (Textgenerierungs-Leitfaden von MiniMax, geprüft am 30. Oktober 2026).
2. Bei Flash lässt sich das Thinking nicht abschalten: Eine Anfrage mit deaktiviertem Thinking gibt einen 400 zurück, mit model "MiniMax-M3.1-Flash" requires adaptive thinking. M3 läuft mit Thinking an, adaptiv oder aus.
3. temperature und top_p werden ignoriert; beide Modelle verwenden immer 1 und 0.95.

FAQ

Ist MiniMax M3.1 Flash Open Source?

Die Gewichte sind im Hugging-Face-Repo MiniMaxAI/MiniMax-M3.1-Flash öffentlich, und die Modellkarte nennt die MiniMax Community License (geprüft am 30. Oktober 2026). Das sind offene Gewichte mit Bedingungen.

Lässt sich Thinking bei M3.1 Flash abschalten?

Nein. Der Leitfaden von MiniMax sagt, Thinking ist standardmäßig an und lässt sich nicht abschalten, und eine Anfrage, die es deaktiviert, gibt einen 400-Fehler zurück. Setzen Sie reasoning_effort auf low, um das Denken zu verkürzen.

Nimmt M3.1 Flash Bilder an?

Leitfaden und Modellkarte von MiniMax nennen Text, Bild und Video als Eingabe und Text als Ausgabe (geprüft am 30. Oktober 2026); Artificial Analysis listet für Flash nur Text und Bild. Bei OmniaKey führt die Modellseite für minimax-m3.1-flash keine Bildeingabe, senden Sie also nur Text. Unsere Läufe waren reiner Text.

Was war Space Bunny?

Space Bunny war ein anonymes Modell, das vor dem Start lief; laut MiniMax verarbeitete es mehr als 200 Billionen Tokens und war eine frühe Version von M3.1 Flash (Launch-Post, 19. Oktober 2026).

Wie groß ist M3.1 Flash?

428B Parameter insgesamt und 23B aktive pro Token, mit einem Kontextfenster von 1M Tokens, also dieselbe Form wie M3. Es ist kein kleineres Modell: MiniMax führt sparse Attention, quantisierungsbewusstes Training und spekulative Dekodierung auf die effizientere Inferenz zurück.

Ist M3.1 Flash gut fürs Coding?

In unserer einen Coding-Aufgabe schlug es M3: Sein merge_intervals bestand alle neun eigenen Asserts, und die Datei von M3 scheiterte an ihrem eigenen Test. In der Modellkarte von MiniMax erreicht es 73.7 bei DeepSWE v1.1 und liegt damit unter DeepSeek V4.1 Flash-1017 mit 77.0 in derselben Tabelle.

Geprüfte Quellen

• MiniMax: MiniMax M3.1 Flash — geprüft am 30. Oktober 2026
• MiniMax: MiniMax M3 — geprüft am 30. Oktober 2026
• MiniMax platform: pricing overview — geprüft am 30. Oktober 2026
• MiniMax platform: text generation guide — geprüft am 30. Oktober 2026
• MiniMax platform: model release notes — geprüft am 30. Oktober 2026
• MiniMax platform: models FAQ — geprüft am 30. Oktober 2026
• MiniMax platform: chat API reference — geprüft am 30. Oktober 2026
• Hugging Face: MiniMax-M3.1-Flash — geprüft am 30. Oktober 2026
• Hugging Face: MiniMax-M3 — geprüft am 30. Oktober 2026
• Artificial Analysis: MiniMax-M3.1-Flash — geprüft am 30. Oktober 2026
• Artificial Analysis: MiniMax-M3 — geprüft am 30. Oktober 2026
• Hacker News: Launch-Thread zu MiniMax M3.1 Flash — geprüft am 30. Oktober 2026
• Hacker News: DCKing zu den Benchmarks, chriddyp zum Tempo und simonw zu den Denkspuren — geprüft am 30. Oktober 2026