MiniMax M3.1 Flash senkt Kosten, hinkt aber bei Geschwindigkeit und Genauigkeit hinterher

MiniMax hat sein Modell M3.1 Flash am 19. Oktober 2026 veröffentlicht und positioniert es als kostengünstige Alternative für agentische Workflows. Während das Unternehmen erhebliche Einsparungen und eine schnellere Inferenz verspricht, offenbaren unabhängige Tests einen Zielkonflikt zwischen Preis und Leistung, den Entwickler sorgfältig abwägen müssen.

Was passiert ist

MiniMax gibt an, dass M3.1 Flash die Gesamtkosten für agentische Aufgaben um 70 % senkt und die Online-Inferenz im Vergleich zum Vorgängermodell M3 fast verdreifacht. Das neue Modell kostet 0,15 USD pro Million Eingabe-Tokens und 0,60 USD pro Million Ausgabe-Tokens. Diese Preise entsprechen der Hälfte der rabattierten Preise von M3, das für Anfragen mit bis zu 512K Eingabe-Tokens jeweils 0,30 USD und 1,20 USD berechnet. Für gecachte Eingaben und längere Anfragen gelten separate Preisstrukturen.

Um diese Behauptungen zu überprüfen, führte Jessica Wachtel drei praktische Tests durch, in denen sie M3.1 Flash mit M3 verglich. Die Tests konzentrierten sich auf reale Agentenaufgaben statt auf synthetische Benchmarks. Sie nutzte OpenRouter, um Anfragen an die Server von MiniMax zu leiten, sodass beide Modelle unter identischen Bedingungen getestet wurden. Da sie einen kostenlosen Endpunkt für Flash verwendete, basieren die Kostenangaben auf Schätzungen gemäß den Listenpreisen von MiniMax und nicht auf tatsächlichen Gebühren. Aufgrund der kleinen Stichprobengröße deuten diese Ergebnisse eher auf Trends hin als auf definitive statistische Verbesserungen.

Die Bewertung umfasste eine Aufgabe zur Behebung eines Bugs durch einen Agenten, ein Szenario zur Untersuchung eines Vorfalls sowie eine Abfrage mit langem Kontext. Im Bug-Fix-Test erzielten beide Modelle 5 von 6 Punkten, scheiterten jedoch auf unterschiedliche Weise. Flash behob alle Codefehler, verbrauchte aber alle verfügbaren Iterationsschritte (Turns), bevor es einen fehlerhaften Testfall melden konnte. M3 meldete den Fehler, übersah jedoch einen Randfall im Code. Bei der Vorfallsuntersuchung erreichten beide Modelle perfekte Punktzahlen und identifizierten die Ursache unter Ablenkungen. Allerdings war Flash deutlich günstiger, benötigte aber mehr Zeit in Echtzeit (Wall-Clock Time). Der Langkontext-Test endete für beide Modelle mit einem Misserfolg, da keiner der beiden innerhalb der Token-Limits eine vollständige Antwort liefern konnte.

Wie es funktioniert

Agentische Aufgaben beinhalten mehrstufiges Reasoning, bei dem ein Modell Tools verwendet, um Dateien zu lesen, Befehle auszuführen oder Datenbanken abzufragen. Die Leistung hängt hier nicht nur von der reinen Generierungsgeschwindigkeit der Tokens ab, sondern auch davon, wie effizient das Modell seine Aktionen plant. M3.1 Flash scheint einen vorsichtigeren Ansatz zu verfolgen und liest mehr Dateien, bevor Änderungen vorgenommen werden. Dieses Verhalten erhöht die Nutzung von Eingabe-Tokens, kann aber Fehler bei Codeänderungen reduzieren. Diese Vorsicht verbraucht jedoch mehr Iterationsschritte, was dazu führen kann, dass Limits erreicht werden, bevor die Aufgabe vollständig abgeschlossen und gemeldet ist.

Die Kosteneffizienz dieser Modelle wird durch Token-Preise und Caching bestimmt. Selbst wenn ein Modell mehr Tokens verwendet, können niedrigere Preise pro Token und eine effektive Cache-Nutzung zu geringeren Gesamtkosten führen. Durch den niedrigeren Preis von M3.1 Flash bleibt es auch dann günstiger als M3, wenn es mehr Daten verarbeitet. Der Kompromiss zeigt sich jedoch deutlich in der Latenz. Während MiniMax eine schnellere Online-Inferenz behauptet, kann die End-to-End-Zeit für die Abschluss einer Tool-nutzenden Aufgabe länger sein, wenn das Modell mehr Interaktionsschritte benötigt, um zu einer Schlussfolgerung zu gelangen.

Wichtige Details

• M3.1 Flash kostet 0,15 USD pro Million Eingabe-Tokens und 0,60 USD pro Million Ausgabe-Tokens, also die Hälfte des Tarifs von M3.
• In einem Test zur agentischen Bug-Behebung kostete Flash etwa 23 % weniger als M3, benötigte jedoch 129 Sekunden im Vergleich zu 36,8 Sekunden.
• Bei der Vorfallsuntersuchung reduzierte Flash die Kosten im Vergleich zu M3 um etwa 68 %, was weitgehend der vom Anbieter genannten Reduktion von 70 % entspricht.
• Beide Modelle konnten eine komplexe Frage zu einem Engineering-Wiki mit 500.000 Tokens innerhalb der Standard-Ausgabegrenzen nicht beantworten.
• Flash verbrauchte im Bug-Fix-Task mehr Eingabe-Tokens aufgrund des umfangreichen Datei-Lesens vor den Bearbeitungen.
• M3 zeigte schnellere Token-Generierungsgeschwindigkeiten und erreichte in einigen Tests 167 Tokens pro Sekunde im Vergleich zu 90 bei Flash.

Warum das wichtig ist

Für Engineering-Teams, die KI-Agenten entwickeln, sind Kosten und Geschwindigkeit kritische operative Metriken. M3.1 Flash bietet ein überzeugendes wirtschaftliches Argument für hochvolumige Workloads, bei denen Latenz tolerierbar ist. Wenn Ihre Anwendung routinemäßige Datenverarbeitung oder einfaches Troubleshooting umfasst, bei dem absolute Geschwindigkeit weniger kritisch ist als das Budget, kann die Kostensenkung von 70 % die Infrastrukturkosten erheblich senken. Dies macht es geeignet für Hintergrundjobs oder nicht dringende analytische Aufgaben, bei denen Verzögerungen von Minuten akzeptabel sind.

Die Leistungsunterschiede verdeutlichen jedoch, dass „günstiger“ nicht immer „besser“ für interaktive oder zeitkritische Anwendungen bedeutet. Die langsamere Echtzeitdauer und der höhere Verbrauch an Iterationsschritten deuten darauf hin, dass M3.1 Flash möglicherweise Schwierigkeiten mit Aufgaben hat, die schnelle Iterationen oder strenge Timeout-Beschränkungen erfordern. Entwickler, die sich auf Fenster mit langem Kontext für Dokumentanalysen verlassen, sollten ebenfalls vorsichtig sein, da die theoretische Kapazität in den Tests nicht in zuverlässige Antworten umgesetzt wurde. Die Wahl zwischen M3 und M3.1 Flash erfordert eine Abwägung zwischen Budgetbeschränkungen und dem Bedarf an Geschwindigkeit und Zuverlässigkeit bei komplexen Reasoning-Aufgaben.

Was Sie tun können

• Benchmarken Sie M3.1 Flash in Ihren spezifischen agentischen Workflows, um reale Kosteneinsparungen im Vergleich zu Latenzanstiegen zu messen.
• Überwachen Sie die Nutzung der Iterationsschritte genau, wenn Sie Flash verwenden, da dessen vorsichtiger Ansatz Limits erreichen könnte, bevor Berichte abgeschlossen sind.
• Verwenden Sie M3 für zeitkritische interaktive Aufgaben, bei denen schnellere Token-Generierung und weniger Schritte Vorrang vor den Kosten haben.
• Testen Sie die Abrufleistung bei langem Kontext separat, da beide Modelle Einschränkungen bei der zuverlässigen Verarbeitung großer Dokumentabfragen zeigten.
• Nutzen Sie Input-Caching wo möglich, um die Kostenvorteile der niedrigeren Token-Preise von Flash maximal auszuschöpfen.
• Bewerten Sie, ob die Kostensenkung von 70 % den potenziellen Anstieg der End-to-End-Bearbeitungszeit für Ihre Nutzer rechtfertigt.