Sind die Gewichte offen und kann ich MiniMax-01 lokal ausführen?

Ja, die Gewichte sind auf Hugging Face unter der Organisation MiniMaxAI veröffentlicht. Das vollständige Modell lokal zu betreiben ist aufgrund der 456 Milliarden Gesamtparameter anspruchsvoll, die meisten Selbsthoster benötigen ein Multi-GPU-Setup.

Was kostet MiniMax-01 und wie lang ist der Kontext?

Über die API kostet es $0,20 pro Million Eingabetoken und $1,10 pro Million Ausgabetoken. Das Kontextfenster liegt bei etwas über 1 Million Token in der API, das Modell kann jedoch bis zu 4 Millionen Token bei der Inferenz verarbeiten.

Wodurch unterscheidet sich MiniMax-01 von anderen Langzeit-Kontext-Modellen?

Die hybride Lightning Attention und Softmax Attention Architektur ist speziell darauf ausgelegt, Kontext effizient zu erweitern, und die 4-Millionen-Token-Grenze ist höher als bei den meisten Modellen in dieser Preisklasse. Außerdem kombiniert es Bildverständnis mit Textgenerierung.

MiniMax 01

4326°

#llm #minimax #vision #langer kontext #lokal #budget

Modell ausführen

Angebote / Werbung

OpenRouter Terminal / API

Bezahlung pro Token

Chatte mit diesem Modell im Browser oder rufe es mit einem API-Schlüssel aus deinem Code auf.

MiniMax | 1.000.192 Token Kontext | $0,20/M Eingabe, $1,10/M Ausgabe. MiniMax-01 kombiniert MiniMax-Text-01 für Textgenerierung und MiniMax-VL-01 für Bildverständnis. Es verfügt über 456 Milliarden Parameter, davon 45,9 Milliarden aktiv pro Inferenz, und kann einen Kontext von bis zu 4 Millionen Tokens verarbeiten. Das Textmodell verwendet eine Hybridarchitektur, die Lightning Attention, Softmax Attention und Mixture-of-Experts (MoE) kombiniert. Das Bildmodell basiert auf dem „ViT-MLP-LLM“-Framework und ist auf dem Textmodell aufgebaut. Weitere Informationen zur Veröffentlichung finden Sie unter: https://www.minimaxi.com/en/news/minimax-01-series-2Opens in new tab

Anleitungen zu diesem Modell

Beste lokale LLM nach Anwendungsfall (Oktober 2026): Das richtige offene Modell für jede Aufgabe

Wie viel VRAM brauche ich eigentlich für lokale KI?

Offene Gewichte vs. Open Source vs. Nur API: Was du wirklich darfst

Was ist eine GGUF-Datei? Quantisierte Modelle erklärt (Q4, Q8, fp8, NF4)

Alle Anleitungen

Captain's Notizen

Geschrieben von Captain, dem Hausredakteur

Notizen vom 2026-10-13

MiniMax-01 ist ein 456-Milliarden-Parameter-Mixture-of-Experts-Modell von MiniMax, das ein Textmodell mit einem Vision-Modell in einem Paket kombiniert. Sein herausragendes Merkmal ist eine hybride Attention-Architektur, die den nutzbaren Kontext auf 4 Millionen Token erweitert – weit mehr als die meisten Konkurrenten zu diesem Preis. Mit $0,20 pro Million Eingabetoken eignet es sich für Entwickler, die sehr langen Kontext oder multimodale Arbeit ohne hohe API-Kosten benötigen.

Bekannt für

4 Millionen Token Kontextfenster, eines der längsten in dieser Preisklasse.
Hybride Lightning Attention und Softmax Attention Architektur für lange Sequenzen.
Kombiniert Textgenerierung und Bildverständnis in einem Modell.
456 Milliarden Gesamtparameter, davon nur 45,9 Milliarden pro Token aktiv via MoE-Routing.
Offene Gewichte auf Hugging Face verfügbar.

Achte auf

456 Milliarden Gesamtparameter bedeuten, dass Selbsthosting ernsthafte Hardware erfordert; die meisten Nutzer werden die API verwenden.
Die Vision-Komponente ist ein separates Modell, das oben draufgesetzt wurde, keine nativ multimodale Architektur.
Kontext über 1 Million Token ist nur für Inferenz; Trainingskontext lag bei 1 Million Token.

Am besten für

Prompts zum Ausprobieren

Sehr langes Dokument zusammenfassen

Hier ist ein langer Vertrag. Lesen Sie den gesamten Text und geben Sie mir: (1) eine einabsätzige Zusammenfassung in einfachem Englisch, (2) die drei wichtigsten Verpflichtungen jeder Partei und (3) Klauseln, die für den Käufer ein ungewöhnliches Risiko bergen. [Fügen Sie Ihr Dokument unter dieser Linie ein]

Hochgeladenes Bild analysieren

Ich füge einen Screenshot eines Daten-Dashboards bei. Beschreiben Sie jedes Diagramm, was es zeigt, identifizieren Sie Auffälligkeiten oder Trends, die erwähnenswert sind, und schlagen Sie eine Folgefrage vor, die die Daten aufwerfen, aber nicht beantworten.

Forschungs-Synthese über Dokumente hinweg

Ich werde drei separate Forschungsarbeiten unten einfügen. Schreiben Sie nach dem Lesen aller drei eine 400-Wörter-Synthese, die Übereinstimmungen, Widersprüche und unbeantwortete Fragen identifiziert. Kennzeichnen Sie jede Aussage mit der Quelle.

Vergleichen mit

MiniMax M3
Modell mit offenen Gewichten
1,048,576 Token Kontext · $0.30/M Eingabe, $1.20/M Ausgabe
Muse Spark 1.3 Contributor
Nur API-Modell
1,048,576 Token Kontext · $0.10/M Eingabe, $0.20/M Ausgabe
Space Bunny Alpha
Nur API-Modell
1,000,000 Token Kontext · kostenlos nutzbar
Gemini 2.5 Flash Lite
Nur API-Modell
1,048,576 Token Kontext · $0.10/M Eingabe, $0.40/M Ausgabe

Mehr Textmodelle von minimax

Häufig gestellte Fragen

Sind die Gewichte offen und kann ich MiniMax-01 lokal ausführen?: Ja, die Gewichte sind auf Hugging Face unter der Organisation MiniMaxAI veröffentlicht. Das vollständige Modell lokal zu betreiben ist aufgrund der 456 Milliarden Gesamtparameter anspruchsvoll, die meisten Selbsthoster benötigen ein Multi-GPU-Setup.
Was kostet MiniMax-01 und wie lang ist der Kontext?: Über die API kostet es $0,20 pro Million Eingabetoken und $1,10 pro Million Ausgabetoken. Das Kontextfenster liegt bei etwas über 1 Million Token in der API, das Modell kann jedoch bis zu 4 Millionen Token bei der Inferenz verarbeiten.
Wodurch unterscheidet sich MiniMax-01 von anderen Langzeit-Kontext-Modellen?: Die hybride Lightning Attention und Softmax Attention Architektur ist speziell darauf ausgelegt, Kontext effizient zu erweitern, und die 4-Millionen-Token-Grenze ist höher als bei den meisten Modellen in dieser Preisklasse. Außerdem kombiniert es Bildverständnis mit Textgenerierung.

Captain's Urteil
Eine seltene Kombination aus wirklich langem Kontext, offenen Gewichten und niedrigem Eingabepreis – einen Blick wert, wenn Ihre Arbeit sehr große Dokumente oder Multi-Bild-Analysen umfasst.

Model Card auf Hugging Face

Der Captain schreibt diese Notizen basierend auf der Beschreibung und Model Card des Modells. Preise und Kontextgrößen sind vom Anbieter zum Zeitpunkt der Erstellung und können sich ändern.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Wie sich dieser Wert zusammensetzt

Dieses Modell hat noch keine Popularitätsdaten von irgendeiner Quelle, daher trägt es eine Platzhalterzahl unterhalb von 7,000°, damit die Listen vollständig bleiben. Es rangiert niemals über einem Modell mit Daten. Die Aufschlüsselung erscheint hier, sobald eine Quelle sie meldet.

Glossar: die hier verwendeten Begriffe

Heat-Score: Eine Zahl dafür, wie viel ein Modell gerade genutzt und gewollt wird, von 0° bis 9.999°. Jede Liste auf dieser Seite, die „heißeste“ sagt, ist danach sortiert und nach nichts anderem.
Grundwert: Die 7.000°, mit denen jedes Modell mit echten Daten startet. Die Skala reicht von 0° bis 9.999°; der Bereich unter dem Grundwert ist für Platzhalter reserviert (Modelle ohne Daten), damit ein Modell mit Daten immer über einem ohne steht. Der Grundwert ist für alle gleich und entscheidet nichts; die Grade darüber sind die Messung.
Download-Äquivalente: Alles, was der Score als Download zählt, zusammengefasst: Downloads selbst, jeder Torrent-Seeder als 1.000, jedes AI Horde-Bild und jeder Lauf auf einer Generierungsseite als eins.
Logarithmische Skala: Gezählt in Zehnerschritten, nicht einzeln: Der Sprung von 1.000 auf 10.000 Downloads bringt genauso viele Grade wie von 10.000 auf 100.000. So verdrängen Riesen nicht alles andere.
Likes: Daumen hoch und Likes von allen Quellen, jeweils halb so viel wert wie ein Download auf der Log-Skala.
Verbreitungsrate: Wie viele Downloads ein Modell gerade pro Tag bekommt, aus dem Unterschied zwischen zwei Messungen einer Quelle. Ein Viertel der Gewichtung des Download-Begriffs.
Gemessen und geschätzt: Gemessen bedeutet, dass es zwei Messwerte einer Quelle gibt und der Unterschied echt ist. Geschätzt heißt, es ist nur die heutige Gesamtsumme bekannt und die Vergangenheit wird über die Lebensdauer des Modells verteilt; die Seite sagt, welche Variante angezeigt wird.
Seeder: Jemand, der eine Kopie der Gewichte online hält, damit andere sie über einen Torrent herunterladen können, oder ein gehosteter Spiegel, der dasselbe macht. Jeder davon zählt als 1.000 Downloads.
AI Horde: Ein Freiwilligennetzwerk, das kostenlos Bilder auf gespendeten Computern generiert. Die Anzahl der Bilder, die es mit einem Modell erstellt hat, ist öffentlich und jedes zählt als ein Download.
Generierungsseiten: Seiten, die eigene Kopien eines Modells hosten und Leute damit generieren lassen, wie PixAI, SeaArt und Yodayo. Ihre Downloads zählen wie bei Civitai und jeder Generierungslauf als ein Download.
OpenRouter Tokens: Ein Textmodell, das über eine API bereitgestellt wird, wie Claude oder GPT, hat keine Gewichte zum Herunterladen, daher wird seine Nutzung in Tokens gemessen: die Textstücke, die es über OpenRouter gelesen und geschrieben hat, einem Gateway, das viele Apps nutzen, in den letzten 30 Tagen. Je 10,000,000 Tokens zählen als ein Download. Quelle: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Vollständiges Modell (Checkpoint): Die Gewichte selbst, die Datei, die eigenständig generiert. Sie bekommt einen Bonus, weil Add-ons davon abhängen.
LoRA und Embedding: Kleine Zusatzdateien, die die Gewichte von jemand anderem in Richtung eines Stils, Charakters oder Konzepts lenken. Sie können nicht alleine laufen.
Familie und Gewichte: Die Basis, auf der ein Modell aufgebaut ist, wie SD 1.5, SDXL, Flux oder Wan. Jedes Modell erbt das Veröffentlichungsdatum der Gewichte seiner Familie.
Alter: Abzüge je nachdem, wie lange die Gewichte der Familie schon draußen sind: 150° pro Jahr, bis zu 750°. Alte Downloads, die Jahre zum Ansammeln hatten, bleiben oben in der Liste eingefroren.
Familien-Boost: Ein kleiner, begrenzter Schub für LoRAs einer Familie, die diese Seite gerade vorantreibt, immer in der Aufschlüsselung aufgeführt.
Stand-in-Wert: Eine stabile Zahl unter der Mindestgrenze, die einem Modell gegeben wird, über das noch keine Quelle berichtet hat, damit die Listen vollständig bleiben. Sie rangiert nie über einem Modell mit Daten.
Neu! (Schonfrist): Ein Modell, das weniger als 7 Tage alt ist, zeigt Neu! statt einer Punktzahl und nimmt keinen Platz in den Rankings ein. Seine Punktzahl wird ab dem ersten Tag berechnet, aber ein Modell, das einen Tag alt ist, wächst schneller als alles andere, daher wäre ohne die Wartezeit das #1 Modell der Woche immer das, das gestern herauskam, statt das, das sich eine Woche gehalten hat.
Trend: Wie das Wachstum eines Modells über einen Zeitraum im Vergleich zum typischen Wachstum eines Modells im gleichen Zeitraum ist. Schneller als üblich bedeutet Anstieg, langsamer bedeutet Rückgang.
Typisches Modell: Die Mitte des Katalogs: Die Hälfte der Modelle mit einer Zahl wuchs schneller im Zeitraum, die andere Hälfte langsamer.

Ähnliche Modelle

Mixtral 8x7B Instruct v0.1

KI-Modelle für Bild-, Video- und Texterzeugung

MiniMax 01 ist ein Textmodell für die Familie Text / LLM und wird auf ModelTrends.ai gelistet, einem reinen Lesekatalog für Open-Source-KI-Modelle für Bild, Video und Text. Vergleiche es mit anderen Text / LLM-Modellen und prüfe den Hitzewert, um den Trend zu sehen.

Weitere Text / LLM-Modelle llm minimax vision langer kontext lokal budget mehrsprachig

Nach Modellfamilie stöbern