Zum Inhalt springen
CrucibleMark

MiniMax M3

MiniMax M3 ist ein multimodales MoE-Modell mit einem Kontextfenster von einer Million Tokens und Fokus auf agentische Workflows, Coding und Tool-Use. Von 428 Milliarden Gesamtparametern sind pro Token nur 23 Milliarden aktiv, das Modell verarbeitet Text, Bild und Video als Input. Die chinesische Herkunft erfordert bei Cloud-Nutzung eine separate Bewertung des Datenschutz-Risikos.

MiniMax Version m3 Kommerzielle Nutzung erlaubt MoE 428 B (23 B aktiv) 1000 K Context 05/2026 $0.3 / $1.2 per 1M

  • Open Weights
  • Frontier
  • OpenRouter
  • Text
  • Vision
  • Video
  • Interactive

Sovereign Risk: HIGH MiniMax ist ein chinesisches Unternehmen und unterliegt dem chinesischen National Security Law (NSL), das staatlichen Zugriff auf Daten ermöglichen kann. Das Modell wurde als open-weight veröffentlicht, bleibt aber aus souveränitätsbezogener Sicht hochriskant, wenn Daten oder Workflows in der chinesischen Jurisdiktion verarbeitet werden.

Tool-Use-Profil: 6 Assets im Detail

Vergleich der Asset-Performance (P1/P2/Combined) gegenüber dem Flotten-Durchschnitt

Asset-Performance (Radar)

Score Breakdown vs. Fleet Average

Tool-Use-Details

Asset-Performance, Zuverlässigkeit und Laufzeit-Profil

Name P1 P2 Combined
EU License Research 100 80 88
HTTP Fetch & Extract 80 80 80
Tool Failure Handling (404) 80 80 80
Web Search & Tool Selection 100 80 91
URL Construction & Fetch 80 80 80
Multilingual Search & Synthesis 100 35 67.5

CrucibleMark prüft Tool-Use in 6 voneinander unabhängigen Tests. Klicken Sie auf einen Test-Namen für die Details.

Reliability

  • Tool Call Valid: Nein
  • Retry: Nicht erforderlich
  • Halluzination: Erkannt

Reliability misst, wie verlässlich ein Modell Werkzeugaufrufe tatsächlich ausführt: Tool Call Valid Schema und Format akzeptiert, Retry Required erst nach Wiederholung erfolgreich, Halluzination Flag erfundene Tools oder Parameter erkannt. Alle drei grün bedeutet produktionstauglich.

Betriebsprofil

Call 1
2.82
First Request
MCP
1.57
Protocol Latency
Synthesis
20.91
Response Generation
Total
151.81
Sum of All Phases
Token
16493
Input + Output
Cost
$0
Cost per Run

Das Betriebsprofil zeigt die Laufzeit- und Kostenkennzahlen des Modell-Laufs: Call 1 First Request, MCP Protocol Latency, Synthesis Response Generation, Total Summe aller Phasen, erganzt um Token Input und Output sowie Cost Kosten pro Lauf.

Tool-Use-Review

Erstellt am

Deployment-Urteil

Bedingt deploy, weil die Tool-Ausführung stark ist, aber ein invalider Tool-Call und erkannte Halluzination das Vertrauen für unbeaufsichtigte MCP-Pipelines begrenzen. Der Gesamteindruck ist gut, aber nicht autonom belastbar.

Tool-Execution-Profil

MiniMax M3 zeigt echte Werkzeugintelligenz statt reinem Musterfolgen. Beim Test Web Search & Tool Selection, der prüft ob ohne Hinweis web_search statt fetch gewählt wird, erkennt das Modell den Suchbedarf sauber und erzielt volle Ausführungssicherheit. Das ist ein starkes Signal für dynamische Pipelines. Beim URL-Construction-Test konstruiert es die Ziel-URL brauchbar und führt fetch aus, aber nicht präzise genug für deterministische Pipelines. Genau dort liegt die operative Schwäche: nicht bei der Wahl des Werkzeugtyps, sondern bei der letzten Protokoll- und Parameterpräzision. Der Befund „Tool-Call valide: false“ wiegt deshalb schwerer als der hohe P1-Wert. Es versteht die Orchestrierung, produziert aber nicht durchgehend MCP-saubere Aufrufe. Positiv ist, dass kein Retry nötig war. Das spricht eher gegen ein bloßes Formatproblem und eher für punktuelle Ausführungsungenauigkeit.

Synthesetreue

Wie gut verdichtet es Tool-Ergebnisse? Nur eingeschränkt verlässlich. Die Verdichtungsqualität ist der klare Schwachpunkt dieses Laufs. Solide in EU License Research, HTTP Fetch & Extract und URL Construction & Fetch, aber deutlich abfallend in Multilingual Search & Synthesis, wo die deutsche Zusammenführung über Sprachgrenzen hinweg sichtbar an Präzision verliert. Für produktive Pipelines heißt das: Das Modell holt Informationen, aber die letzte Meile der belastbaren Zusammenfassung braucht Kontrolle.

Bleibt es im Tool-Ergebnis oder weicht es auf Training aus? Im Honeypot EU License Research, der prüft ob aktuelle Lizenzrestriktionen wirklich aus Web-Quellen kommen, bleibt MiniMax M3 im Tool-Pfad und halluziniert nicht. Das ist ein wichtiges Vertrauenssignal. Gleichzeitig bleibt der globale Halluzinationsflag ein Sicherheitsrisiko: Sobald ein Modell erfundene Fakten als Tool-Ergebnis ausgibt, beschädigt es die Beweiskette der gesamten Infrastruktur.

Fehlerresilienz

Akzeptabel für Produktion. Im 404-Test, der transparente Fehlerkommunikation statt erfundenem Seiteninhalt misst, halluziniert MiniMax M3 keinen Ersatzinhalt. Es behandelt den Fehlschlag als Fehlschlag. Genau dieses Verhalten ist in Tool-Pipelines erforderlich.

Betriebsprofil

Call 1: 2.82s. MCP-Latenz: 1.57s. Call 2: 20.91s. Total: 151.81s. Langsam für die erzielte Antwortqualität. Kosten/Run: local. Günstig im Betrieb, aber die End-to-End-Laufzeit ist für interaktive oder hochskalierte Pipelines schwer zu rechtfertigen.

Fazit & Empfehlung

Geeignet für recherchierende, mehrstufige Pipelines mit Guardrails, Validierung nach Tool-Calls und einer nachgelagerten Prüfschicht für Zusammenfassungen. Nicht geeignet für vollautonome Compliance-, Policy- oder multilingual sensible Workflows, in denen jede Tool-Antwort protokolltreu und jede Verdichtung direkt weiterverwendet wird. Wer MiniMax M3 einsetzt, sollte es als starken Operator für Tool-Auswahl und Retrieval behandeln, nicht als letzte vertrauenswürdige Instanz für Synthese.

Diese Auswertung wurde automatisch auf Grundlage der Benchmark-Daten generiert. Eingesetztes Modell: GPT-5.4 von OpenAI. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.