Am 1. Juni veröffentlichte MiniMax das M3. Kurz gesagt: ein Open-Weight-Modell, das einen 1-Million-Token-Kontext, hochmoderne Codierfähigkeiten und native Multimodalität vereint. MiniMax sagt, es sei das erste, das alle drei kombiniert.
Die eigentliche Arbeit steckt in der 'sparse Attention'
M3 basiert auf einer neuen Architektur namens MSA (MiniMax Sparse Attention).
Um zu verstehen, was es löst, muss man das alte Problem kennen: Standard-Vollattention erfordert Rechenleistung, die quadratisch mit der Kontextlänge skaliert – je länger der Kontext, desto explodieren die Kosten. Deshalb wurde der 'Millionen-Token-Kontext' lange diskutiert, blieb aber teuer in der Nutzung.
MSA zielt direkt darauf ab. MiniMaxs Zahlen: Bei 1 Million Token benötigt M3 nur ein Zwanzigstel der Rechenleistung pro Token im Vergleich zum Vorgänger M2; Prefilling ist über 9-mal schneller, Decoding über 15-mal schneller.
Mit anderen Worten: Der Millionen-Token-Kontext ist jetzt nicht nur 'nutzbar', sondern 'erschwinglich'.
Benchmarks: selbstberichtet, beeindruckend
Codierung ist der Hauptfokus von M3. MiniMax veröffentlichte diese Ergebnisse:
- SWE-Bench Pro: 59,0% (übertrifft GPT-5.5, Gemini 3.1 Pro, nahe an Opus 4.7)
- Terminal-Bench 2.1: 66,0%
- MCP Atlas: 74,2%
- OSWorld (Computersteuerung): 70,06%
Wenn diese Zahlen stimmen, sind sie für ein Open-Weight-Modell recht konkurrenzfähig.
Allerdings ist Vorsicht geboten: Diese wurden alle von MiniMax selbst berichtet und noch nicht von Dritten verifiziert. Einige ausländische Medien haben bereits Schlagzeilen wie 'Frontier Claims, Unverified Benchmarks' verwendet. Der kluge Schritt ist, auf die Gewichte und den technischen Bericht zu warten – voraussichtlich in etwa zehn Tagen – und die Community testen zu lassen.
Preise ebenfalls bekannt gegeben
MiniMax hat auch die Preispläne vorgestellt:
- Plus: ~1,7 Milliarden Token pro Monat, 20 $
- Max: ~5,1 Milliarden Token pro Monat, 50 $
- Ultra: ~9,8 Milliarden Token pro Monat, 120 $
Die API ist bereits verfügbar. Modellgewichte und technischer Bericht sollen innerhalb von etwa zehn Tagen auf Hugging Face und GitHub erscheinen.
Im weiteren Kontext ist dies ein weiterer Vorstoß chinesischer Open-Source-LLMs in Richtung 'langer Kontext + leistungsfähiger Agent'. DeepSeek, Qwen und Kimi konkurrieren seit einem Jahr in diesem Bereich. MiniMaxs Differenzierung liegt in der Architektureffizienz – nicht wer mehr Parameter hat, sondern wer auf der Million-Token-Skala schneller und günstiger rechnen kann.
Dies schneidet in den Burggraben proprietärer Modelle: 'langer Kontext ist zu teuer'.
Quellen: CocoLoop, MiniMax Releases MiniMax M3 with MSA Architecture Supporting 1M-Token Context (MarkTechPost); MiniMax M3: Open-weight model with a million-token context challenges proprietary leaders (The Decoder); MiniMax M3 Open-Weight Coding Model: Frontier Claims, Unverified Benchmarks (TechTimes)