Warum gibt es Unterschiede zwischen den offiziellen Benchmarks und den Community-Rückmeldungen?

Die Unterschiede resultieren aus der Unklarheit über die Bedingungen für die Replikation durch Dritte und dem Fehlen veröffentlichter Gewichte, die eine Selbstreproduktion der gemessenen Leistungen durch Nutzer und Dritte verhindern.

Welche Hauptvorteile hat der MiniMax M3.1 Flash?

Der MiniMax M3.1 Flash hat eine dreimal höhere Rechengeschwindigkeit als die vorherige Generation, 70% niedrigere Kosten und führende Leistungen bei mehreren Benchmarks. Er hat auch über 200 Billionen Tokens verarbeitet.

Wie viel kostet der MiniMax M3.1 Flash?

Der MiniMax M3.1 Flash kostet 0,15 US-Dollar pro Million eingehende Tokens.

Die Leistungswerte und das Kundenurteil von MiniMax M3.1 Flash weisen einen großen Unterschied auf

Den Fensterbereich abschließen. Der offizielle Blog von MiniMax M3.1 Flash wurde am 19. Oktober 2026 veröffentlicht, und am selben Tag erschien ein Diskussionspost auf Hacker News mit der ID 50154540. Zu diesem Zeitpunkt gab es 324 Unterstützungsstimmen und 140 Kommentare. Nach einer 48-Stunden-Zeitlupe beträgt die Veröffentlichungszeit 2026-10-19. Dieser Artikel wurde am selben Tag geschrieben und ist noch innerhalb der Zeitlupe. Die vorherigen Angaben sollten auch klar formuliert werden: Die offiziell angegebene Benchmark-Leistung weicht von den gemessenen Leistungen in der Community ab, das ist der Hauptthema dieses Artikels. Da die Gewichte noch nicht veröffentlicht wurden, können normale Nutzer und Dritte diese Zahlen nicht selbst reproduzieren. Deshalb wird der offizielle Wert im Artikel nicht als endgültig angenommen, sondern jede Quelle wird angegeben und das Misstrauen bewahrt.

Was ist passiert

Am 19. Oktober 2026 veröffentlichte MiniMax M3.1 Flash, ein schnelles Modell für agentische Aufgaben, Programmierung, Computererfahrung und Sicherheitstechnologien. Die offiziellen Hauptvorteile sind sehr deutlich: Die Rechengeschwindigkeit ist fast dreimal höher als die der vorherigen Generation, die Kosten sind 70% niedriger, und das Modell erreicht bei mehreren Benchmarks führende Leistungen. Zudem hat es bereits über 200 Billionen Tokens verarbeitet, während es anonym unter Space Bunny lief.

Aus Sicht der Produktlinie haben MiniMax drei Ansätze eingeführt: API, M Plan Abonnement und den Desktop-Client MiniMax Code. Die API wird für Entwickler nach Bedarf gebucht, M Plan ist für häufige Nutzer monatlich buchbar, und MiniMax Code greift direkt auf AI-Programmierungstools wie Cursor und Windsurf zurück. Diese Kombination aus „Modell + Anwendung + Abonnement“ zeigt, dass MiniMax nicht nur Tokens verkaufen will, sondern auch die Nutzer in ihren Arbeitsabläufen halten möchte. Für Beobachter ist es wichtig zu beurteilen, ob M3.1 Flash erfolgreich ist, nicht nur anhand der Modellleistung, sondern auch anhand der Retention von MiniMax Code und der Konversionrate von M Plan.

Was die Preise angeht, so kostet M3.1 Flash 0,15 US-Dollar pro Million eingehende Tokens, 0,60 US-Dollar pro Million ausgegebene Tokens und 0,015 US-Dollar pro Million gespeicherte eingehende Tokens. Die offiziell angegebenen Leistungsdaten umfassen: 76,2 Punkte bei BankerToolBench, 73,7% bei DeepSWE v1.1, 61,7 Punkte bei OSWorld V2, 29,6 Punkte bei Agents’ Last Exam und 82% bei CyberGym. Zudem wird angegeben, dass die Ausgabegeschwindigkeit über 200 TPS liegt, mit einem Median von über 170 TPS. Diese Zahlen deuten darauf hin, dass es sich um ein schnelles und günstiges Modell handelt, das in bestimmten Szenarien mit führenden Modellen konkurrieren kann.

Wasitbare Funktionen: API, M Plan und MiniMax Code sind bereits verfügbar, die Gewichte werden später veröffentlicht. Das bedeutet, dass derzeit hauptsächlich die API-Erfahrung getestet werden kann, während es für das Nachholen der offiziellen Benchmarks bis zum Veröffentlichung der Gewichte warten muss.

Aus Sicht der Veröffentlichungsstrategie hat MiniMax sich dafür entschieden, zunächst anonym mit Space Bunny zu testen und dann die Produkte zu veröffentlichen. Die Tatsache, dass während des anonymen Testzeitraums 200 Billionen Tokens verarbeitet wurden, zeigt einerseits, dass der Testumfang ausreichend groß ist, andererseits, dass der Hersteller vor der Veröffentlichung eine große Menge an echten Rückmeldungen gesammelt hat. Das Problem ist, dass diese Rückmeldungen ausschließlich vom Hersteller kontrolliert werden, die ursprünglichen Protokolle sind nicht zugänglich und es ist unmöglich, die genaue Beziehung zwischen „200 Billionen“ und „Qualität“ zu beurteilen. Für die technische Community kann diese Art von „internem Test“ nur als indirektes Indiz dienen und nicht als Ersatz für öffentlich zugängliche Benchmarks.

Unterschied zwischen Benchmarks und Rückmeldungen

Die offiziellen Daten scheinen überzeugend zu sein, aber die frühen Rückmeldungen im Diskussionsbereich von HN sind nicht vollständig positiv. Der Unterschied zeigt sich hauptsächlich an drei Stellen.

Erstens ist es der direkte Vergleich. Der Kommentator johnnyApplePRNG erwähnte, dass M3.1 Flash bei DeepSWE schlechter abschneidet als DeepSeek V4.1 Flash 1017. Es wird schwierig sein, attraktiv zu sein, solange MiniMax den Preis nicht halb unterhalb des Niveaus bringt. Die Bedeutung dieses Kommentars ist klar: Der Vorsprung der Benchmarks hängt von den Bedingungen ab. Sobald sie mit ähnlichen Preisen oder in der gleichen Ökologie verglichen werden, wird der Vorteil schrumpfen.

Zweitens sind es die Rückmeldungen während des anonymen Testzeitraums. Der Kommentator walrus01 wies darauf hin, dass die Punktzahlen von DeepSWE und TerminalBench 4.0 nicht vollständig mit der von OpenCode-Nutzern vorher gemessenen Erfahrung mit Space Bunny übereinstimmen. Es gab offensichtliche Fehler auf der Ebene der Einzelheiten. Das bedeutet, dass frühe Nutzer außerhalb der offiziellen Tests bereits eine Reihe von „Es macht tatsächlich auch einfache Fehler“ erlebt haben.

Drittens sind es die Testbedingungen. Der Kommentator terhechte bemerkte, dass die Gewichte noch nicht veröffentlicht wurden und man nur anhand der offiziellen Angaben spekulieren kann, dass es sich um ein Modell mit etwa 150B Parametern handelt, das möglicherweise auf konsumorientiertem Hardware betrieben werden kann. Bevor die Gewichte veröffentlicht werden, können alle Benchmarks nur als Ergebnisse betrachtet werden, die vom Hersteller einseitig bereitgestellt werden, und Dritte können sie nicht selbstständig nachvollziehen.

Wenn man diese drei Punkte zusammen betrachtet, liegt der Kern des Unterschieds nicht darin, dass „die offiziellen Daten definitiv gefälscht sind“, sondern darin, dass zwischen den „hohen Zahlen, die offiziell angegeben werden“, und dem „tatsächlichen Verhalten, das frühe Nutzer wahrnehmen können“, eine Lücke in der Erklärung besteht. Ob das Modell wirklich so schnell, so genau und so günstig ist, kann erst nach weiteren Drittanalyse und Veröffentlichung der Gewichte beurteilt werden.

Die offizielle Darstellung stimmt nicht

Dieser Abschnitt ist keine Anschuldigung, sondern eine Betrachtung der offiziellen Aussagen und unvollständigen Aussagen.

Der Kern der offiziellen Blogansage ist: Schneller, günstiger, mit mehreren Benchmarks voraus. Aber das Wort „voraus“ gibt keinen Vergleichspunkt an. Ist es gegenüber dem Vorläufer von MiniMax? Oder gegenüber DeepSeek Flash zum gleichen Preis? Oder gegenüber Flaggschiff-Modellen auf GPT-4-Niveau? Unterschiedliche Vergleichspunkte würden die Bedeutung des „Voraus“ völlig verändern.

Drei Dinge, die normale Nutzer tun können

Erstens sollten sie offizielle Benchmarks zunächst hinterfragen und die Ergebnisse von Dritten überprüfen. Bevor Gewichte und unabhängige Bewertungen veröffentlicht werden, sollten offizielle Daten als Referenzwerte und nicht als endgültige Aussagen betrachtet werden. Besonders bei relativen Werten wie „führend“, „3 Mal schneller“ oder „70% niedrigere Kosten“ sollte man darauf achten, dass die entsprechenden Kontrollgruppen oft in Fußnoten versteckt sind.

Zweitens, wenn man es ausprobieren möchte, sollte man mit einer kleinen Datenmenge über eine API die eigene Situation testen. Dass ein Modell bei offiziellen Benchmarks hohe Punktzahlen erzielt, bedeutet nicht, dass es auch in der eigenen Codebibliothek, Dokumentationsstruktur oder Geschäftsprozessen gut funktioniert. MiniMax Code und API sind bereits verfügbar; man kann echte Aufgaben ausprobieren, bevor man entscheidet, ob man den Hauptworkflow dorthin umzusetzen will.

Drittens sollte man M3.1 Flash als „Kandidatenliste“ betrachten und nicht als „einziges Angebot“. Es gibt mehr als ein schnelles Modell auf diesem Niveau – DeepSeek Flash, GPT-4o mini, Claude Haiku usw. sind alle in ständiger Weiterentwicklung. Die Preise und die physischen Leistungen von MiniMax sind zwar wettbewerbsfähig, aber der Wettbewerb ändert sich schnell. Es ist besser, nach zwei Wochen bis einem Monat Community-Erfahrungen abzuwarten, bevor man langfristige Investitionen tätigt.

Zum Schluss noch ein Hinweis: Für kleine Unternehmen und unabhängige Entwickler ist es leicht, von „günstigen“ Preisen angezogen zu werden, aber die wahren Kosten sind oft versteckt. Nachträgliche Ausgaben wie Migration, Prompt-Engineering, Fehlerbehebung und Compliance-Überprüfungen können die Tokenkosten bei weitem übersteigen. Wenn man nur wegen weniger Geld ständig zwischen Modellen wechselt, könnte das letztendlich lohnlos sein. Es ist besser, M3.1 Flash als eine interessante neue Option zu betrachten und nicht als ausreichender Grund, den aktuellen Workflow sofort zu ersetzen.

Von einer größeren Perspektive aus gesehen ist die Veröffentlichung von MiniMax auch ein Zeichen dafür, dass chinesische Großmodel-Anbieter um Preise, Geschwindigkeit und Benchmarks kämpfen. Wenn alle betonen, „schneller und günstiger“ zu sein, sollte der Nutzer darauf achten, dass man nicht nur auf einzelne Indikatoren vertraut. Die Auswahl eines Modells ist keine Lotterie – man kann nicht einfach auf einer Leaderboard wetten.

Schlussfolgerung

Warnung: Dieser Artikel geht MiniMax nicht die Schuld zu, und er leugnet auch den technischen Wert von M3.1 Flash nicht. Die offiziell veröffentlichten Benchmarks und Leistungsdaten stammen vom Blog von MiniMax und sind jedes einzeln gekennzeichnet; die Vergleiche und Zweifel in der HN-Diskussion stammen ebenfalls aus der Community und sind ebenfalls einzeln zugeordnet. Die Nutzerberichte von Space Bunny während des Anonymusbetriebs sind nur Anekdoten und können nicht als Beweis für die Qualität des Modells dienen, sondern nur dazu, die Ursachen für den „Unterschied“ zu erklären. Die Gewichte wurden noch nicht veröffentlicht und können von Dritten nicht unabhängig reproduziert werden – das gilt für den gesamten Artikel.

Überprüfte Fakten: Der offizielle Blog von MiniMax veröffentlichte M3.1 Flash am 19.10.2026; die HN-Story 50154540 wurde am selben Tag eingereicht, mit Snapshots 324▲/140💬; der Preis beträgt 0,15/0,60/0,015 US-Dollar pro Million Tokens; API, M Plan und MiniMax Code sind bereits verfügbar, die Gewichte werden später veröffentlicht; die offiziell aufgelisteten Benchmarks umfassen BankerToolBench 76.2, DeepSWE v1.1 73.7%, OSWorld V2 61.7%, ALE 29.6%, CyberGym 82% sowie eine Ausgabegeschwindigkeit von 200+ TPS.

Es gibt zwei Punkte, die beobachtet werden müssen: Erstens, ob die Community nach der offiziellen Veröffentlichung der Gewichte wieder die offiziellen Benchmarks reproduzieren kann; zweitens, welche Ergebnisse gibt es von Drittanbieter-Bewertungsorganisationen oder Entwicklern bezüglich Vergleiche von Modellen wie DeepSeek Flash und GPT-4o mini desselben Niveaus. Sobald neue Beweise auftauchen, die die aktuelle Einschätzung verändern könnten, wird v2 veröffentlicht.

Referenzquellen

MiniMax Offizielle Blog 2026-10-19 „MiniMax M3.1 Flash“: Veröffentlichung des Modells, Leistungsdaten, Preise und Quellen der Verfügbarkeit, https://www.minimax.io/blog/minimax-m31f
HN Story 50154540: Zugestellt am 2026-10-19T16:39:09Z, Titel „MiniMax M3.1 Flash“, Snapshot 324▲/140💬; Kommentare von swiftcoder, terhechte, johnnyApplePRNG, walrus01, theanonymousone sind die Selbstanmerkungen der Kommentatoren, der Text gehört jeweils einem der Kommentatoren.
In dem „Facts“ Paket /Users/kael/xhs-content/drafts/2026-10-20-facts-packages.json ist die Eintragung „hot“ die einzige Quelle für diese Arbeit. Der gesamte Text wurde vor der Veröffentlichung ins Internet gebracht und nicht erneut überprüft.