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
Server
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-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	35	57.5
Multilingual Search & Synthesis	100	70	85

Name

Combined

EU License Research

100

HTTP Fetch & Extract

Tool Failure Handling (404)

Web Search & Tool Selection

100

URL Construction & Fetch

57.5

Multilingual Search & Synthesis

100

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: 1.84; First Request

MCP: 0.91; Protocol Latency

Synthesis: 10.91; Response Generation

Total: 81.99; Sum of All Phases

Token: 16951; 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.

Deployment-Urteil

Bedingt deploy, weil die Tool-Ausführung stark ist, aber ein ungültiger Tool-Call und erkannte Halluzination das Vertrauen in vollständig autonome MCP-Pipelines begrenzen.

Tool-Execution-Profil

MiniMax M3 zeigt echte Werkzeugintelligenz statt bloßem Musterfolgen. Beim Web-Search-and-Tool-Selection-Test, der prüft, ob ohne Hinweis zwischen Suche und direktem Abruf unterschieden wird, wählt es das richtige Werkzeug sicher. Das spricht für brauchbare Planungslogik in agentischen Abläufen. Auch bei EU License Research und Multilingual Search & Synthesis führt es die nötigen Schritte zuverlässig aus.

Die Schwäche liegt nicht in der Tool-Wahl, sondern in der Ausführungskonsistenz. Beim URL-Construction-Test, der korrekte URL-Ableitung und anschließenden Fetch misst, erreicht es nur begrenzte Präzision in der Zieladresse und verliert dann in der Ergebnisverwertung deutlich. Dazu kommt das harte Protokollsignal: mindestens ein Tool-Call war nicht valide. Für MCP-Betrieb heißt das, dass die Planungsseite tragfähig ist, die letzte Meile aber Guardrails braucht. Retry war nicht erforderlich, also ist das kein bloßes Formatproblem unter Last, sondern ein echter Zuverlässigkeitsbefund.

Synthesetreue

Wie gut verdichtet es Tool-Ergebnisse? Nur eingeschränkt belastbar. Die P2-Leistung ist der klare Schwachpunkt dieses Laufs. Solide bei EU License Research, HTTP Fetch & Extract und Web Search & Tool Selection, aber ein deutlicher Einbruch beim URL-Construction-Test zeigt, dass aus korrekt angestoßenen Abrufen nicht durchgehend präzise, entscheidungsfeste Zusammenfassungen werden. Für produktive Pipelines ist das relevant, weil nicht der Abruf, sondern die Verdichtung in nachgelagerten Entscheidungen landet.

Bleibt es im Tool-Ergebnis oder weicht es auf Training aus? Im Honeypot EU License Research bleibt es im Werkzeugpfad und antwortet nicht aus altem Weltwissen. Das ist das wichtigere Vertrauenssignal. Gleichzeitig bleibt der globale Halluzinationsbefund ein Sicherheitsrisiko: Sobald ein Modell erfundene Fakten als Tool-Ergebnis ausgibt, beschädigt es die Verlässlichkeit der gesamten Infrastruktur.

Fehlerresilienz

Akzeptabel für Produktion. Im 404-Test, der prüft, ob ein fehlgeschlagener Tool-Call offen benannt oder mit erfundenem Seiteninhalt überspielt wird, kommuniziert MiniMax M3 den Fehler transparent. Es halluciniert keinen Ersatzinhalt. Das ist die Mindestanforderung für robuste Tool-Pipelines und hier erfüllt das Modell sie.

Souveränitätsprofil

Lokal betreibbar und insgesamt fleet-kompetitiv, aber nicht souveränitätsführend. Der Sovereignty Gap liegt bei -0.89 Punkten unter dem Fleet-Ø von 68.17. Praktisch heißt das: Die lokale Einsetzbarkeit ist ein echter Vorteil, der Leistungsabstand zur breiteren Flotte ist gering. Jurisdiktionsrisiko bei Cloud-Nutzung bleibt wegen der Provenienz hoch und muss getrennt bewertet werden.

Fazit & Empfehlung

Geeignet für agentische Recherche- und Orchestrierungs-Pipelines mit vorgeschalteter Tool-Validierung, Schema-Prüfung und einer zweiten Instanz für Ergebnisabnahme. Nicht geeignet für vollautonome Compliance-, Policy- oder Faktensysteme, in denen ein einzelner ungültiger Tool-Call oder eine erfundene Verdichtung direkt in Entscheidungen einfließt. Als lokales Modell ist es attraktiv, wenn Sie Tool-Auswahl und Fehleroffenheit höher gewichten als synthesepräzise Endantworten.

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.