MiniMax M3: Open-Weight-Frontier-Modell mit Sparse Attention
Das Shanghaier KI-Labor MiniMax hat am 1. Juni 2026 sein neues Sprachmodell MiniMax M3 vorgestellt — und setzt dabei nicht auf mehr Parameter, sondern auf eine neue Architektur. Im Zentrum steht MiniMax Sparse Attention (MSA), ein Verfahren, das den Rechenaufwand pro Token bei langem Kontext drastisch senken soll. M3 ist über die API, monatliche Token-Pläne und das Agenten-Produkt „MiniMax Code” verfügbar. MiniMax positioniert das Modell als erstes Open-Weight-System, das Coding auf Frontier-Niveau, eine Million Token Kontext und native Multimodalität in einem vereint. Die offenen Gewichte selbst sind zum Start allerdings noch nicht da — und mehrere der genannten Benchmark-Zahlen stammen vom Anbieter selbst.
Was sich konkret geändert hat
- Neue Architektur statt größerem Modell: MiniMax Sparse Attention (MSA) senkt laut Anbieter den Rechenaufwand pro Token bei 1-Mio-Kontext auf 1/20 der Vorgängergeneration (M2) — bei mehr als 9-fach schnellerem Prefill und mehr als 15-fach schnellerem Decoding.
- 1 Mio. Token Kontext + native Multimodalität (Bild und Video) in einem Modell, das gleichzeitig auf agentisches Coding zielt.
- Open-Weight-Versprechen mit Verzögerung: Modellgewichte und Technical Report sollen erst „innerhalb von ~10 Tagen” nach dem Launch erscheinen — zum 1. Juni waren sie noch nicht verfügbar.
- Preis weit unter den geschlossenen Frontier-Modellen: Start bei $0,60 / Mio. Input-Token und $2,40 / Mio. Output-Token auf OpenRouter, befristet mit 50-%-Promo auf rund $0,30 / Mio. Input und $1,20 / Mio. Output.
Was vorher galt
Die Modell-Releases der letzten Monate folgten überwiegend einem Muster: mehr Parameter, mehr Trainingsdaten, mehr Compute. Lange Kontextfenster gab es zwar — eine Million Token ist seit Gemini und einigen anderen kein Alleinstellungsmerkmal mehr — aber sie waren teuer im Betrieb. Klassische Attention skaliert ungünstig mit der Kontextlänge: Je mehr Token im Fenster stehen, desto mehr Rechenaufwand fällt pro neuem Token an. Das macht lange Kontexte in der Praxis langsam und kostspielig.
Gleichzeitig lief bei den Frontier-Modellen für Coding und agentische Aufgaben fast alles über geschlossene Anbieter — OpenAI, Anthropic, Google. Wer ein Modell mit Spitzenleistung beim Programmieren wollte, zahlte deren API-Preise und konnte die Gewichte nicht selbst betreiben. Die offene Welt (DeepSeek, Qwen, Mistral) holte zwar auf, lag bei den anspruchsvollsten Coding-Benchmarks aber meist ein Stück zurück.
Was jetzt gilt
Mit M3 verschiebt MiniMax gleich an drei Stellen die Marke:
1. Sparse Attention senkt die Kosten langer Kontexte. Der Kern von M3 ist MiniMax Sparse Attention. Statt jeden Token gegen alle vorherigen zu berechnen, wertet MSA nur einen Teil der Verbindungen aus. Laut MiniMax fällt der Rechenaufwand pro Token bei 1-Mio-Kontext dadurch auf ein Zwanzigstel der M2-Generation, der Prefill wird mehr als 9-fach, das Decoding mehr als 15-fach schneller. Das ist der eigentliche Hebel: nicht ein größeres Modell, sondern ein günstiger zu betreibendes bei gleicher Kontextlänge. Verifizieren lässt sich das aber erst, wenn der Technical Report und unabhängige Tests vorliegen.
2. Frontier-Coding-Benchmarks — laut Anbieter. MiniMax nennt für M3 unter anderem 59,0 % auf SWE-Bench Pro, 83,5 auf BrowseComp, 66,0 % auf Terminal-Bench 2.1 und 34,8 % auf SWE-fficiency. Damit liege M3 beim Coding vor GPT-5.5 und Gemini 3.1 Pro und nähere sich Claude Opus 4.7. Wichtig: Diese Zahlen sind vom Anbieter erhoben, auf eigener Infrastruktur und mit selbst gewählten Vergleichswerten. Unabhängige Drittanbieter-Scores standen zum Start noch aus.
3. Open Weights und ein aggressiver Preis. M3 startet auf OpenRouter zu $0,60 / Mio. Input-Token und $2,40 / Mio. Output-Token; eine befristete 50-%-Promo drückt das auf rund $0,30 / Mio. Input und $1,20 / Mio. Output. Abos beginnen laut Anbieter bei $20 / Monat. VentureBeat rechnet vor, dass M3 damit auf etwa 5–10 % der Kosten von GPT-5.5 und Gemini 3.1 Pro kommt. Die Modellgewichte und der Technical Report wurden für „innerhalb von ~10 Tagen” angekündigt, lagen am Launch-Tag aber noch nicht vor.
Einordnung
Drei Dinge sind an diesem Release bemerkenswert — und keines davon ist die reine Benchmark-Zahl.
Erstens der Architektur-Winkel. Wenn MSA hält, was MiniMax verspricht, ist M3 weniger „das nächste, größere Modell” als ein Beleg dafür, dass die Kosten langer Kontexte ein lösbares Effizienzproblem sind. Genau das wäre für agentische Workflows relevant, die ohnehin viel Kontext mitschleppen. Belastbar wird die Aussage aber erst mit dem Technical Report.
Zweitens die Lücke zwischen Ankündigung und Verfügbarkeit. „Open Weight” ist zum 1. Juni ein Versprechen, kein nachprüfbarer Fakt — Gewichte und Report fehlen noch. Bis sie da sind, ist M3 praktisch ein geschlossenes API-Modell mit Open-Source-Etikett. Das ist kein Vorwurf, aber ein wichtiger Unterschied für jeden, der auf die offenen Gewichte bauen will.
Drittens die nötige Skepsis gegenüber Anbieter-Benchmarks. Techtimes weist darauf hin, dass jede genannte Zahl vom Anbieter selbst stammt — auf eigener Infrastruktur, mit selbst gewählten Baselines. Und der Vergleich lief gegen Claude Opus 4.7: Das neuere Opus 4.8 liegt mit 69,2 % auf SWE-Bench Pro wieder deutlich vor M3. Frontier ist hier also relativ zum gewählten Stichtag. Forschungen zeigen außerdem regelmäßig eine spürbare Lücke zwischen Labor-Benchmark und realem Einsatz.
Im größeren Bild reiht sich M3 in die China-Open-Weights-Welle ein: DeepSeek, Qwen und jetzt MiniMax drücken auf Preis und Offenheit gleichzeitig. Der Wettbewerbsdruck verschiebt sich von „wer hat das größte Modell” zu „wer betreibt vergleichbare Leistung am günstigsten” — und genau dort setzt die Sparse-Attention-Wette an.
Was du jetzt tun kannst
Wenn du M3 für Coding-Agents testen willst: Probier es zunächst über die API oder OpenRouter zum Promo-Preis aus, statt auf die offenen Gewichte zu warten. So bekommst du ein eigenes Bild von der realen Leistung — unabhängig von den Anbieter-Benchmarks.
Wenn du auf die offenen Gewichte angewiesen bist: Warte den angekündigten Hugging-Face-/GitHub-Release und den Technical Report ab, bevor du M3 fest einplanst. Bis dahin ist die Open-Weight-Zusage nicht eingelöst.
Wenn du Modellkosten vergleichst: Nimm die Promo-Preise nicht als Dauerzustand an, sondern rechne mit den Listenpreisen ($0,60 / $2,40). Auch dann liegt M3 deutlich unter GPT-5.5 und Gemini 3.1 Pro — aber die 5–10-%-Rechnung gilt streng genommen nur unter der befristeten Promo.
Wer wissen will, wer welche Modellfamilie baut und wofür sie taugt: → KI-Modellfamilien im Überblick
Entdecke mehr
KI-Modellfamilien im Überblick
Claude, GPT, Gemini, Llama & Co. — wer baut was, wofür ist welche Familie gut, und wie wählt man das passende Modell für die eigene Aufgabe aus.
BlogUsage-based statt Flat-Rate: Die KI-Kostenwende war absehbar — und so federst du sie ab
KI-Anbieter kippen Flat-Rates Richtung Verbrauch. Warum das kommen musste, was es kostet und welche drei Hebel den Umstieg abfedern.
GlossarMiniMax
MiniMax ist ein 2021 in Shanghai gegründetes KI-Labor, dessen offene M-Modellfamilie (LLMs) auf sehr lange Kontextfenster und niedrige Betriebskosten durch Sparse Attention setzt.