Kann ich MiniMax M3 lokal ausführen?

Ja, die Gewichte sind offen und auf MiniMaxAI/MiniMax-M3 bei Hugging Face gehostet. MiniMax unterstützt SGLang, vLLM, Transformers, KTransformers, unsloth und ATOM als Inferenz-Frameworks, aber bei 428 Milliarden Gesamtparametern benötigen Sie erhebliche Hardware.

Was kostet MiniMax M3 über die API?

Die API kostet $0,30 pro Million Eingabetokens und $1,20 pro Million Ausgabetokens, mit einem 1.048.576-Token-Kontextfenster.

Worin unterscheidet sich M3 von M2?

M3 ersetzt die volle Aufmerksamkeit durch MiniMax Sparse Attention, liefert 9× schnellere Vorbefüllung und 15× schnellere Dekodierung bei 1M Kontext und reduziert den Rechenaufwand pro Token auf etwa 1/20 von M2; es fügt außerdem native Videoeingabe und einen konfigurierbaren Denkmodus hinzu, den M2 nicht bot.

▲

29.0%

diese Woche

MiniMax M3

9051°

#llm #minimax #vision #video #logik #agenten

Vision

Läuft auf Graydient

Modell ausführen

Angebote / Werbung

Easy Creator (Prism) Web

Unbegrenzt · Pauschalpreis

Am besten für Anfänger. Leistungsstarke Workflows, geringe Lernkurve.

PirateDiffusion Telegram

Unbegrenzt · Pauschalpreis

Erstelle Videos, Bilder, individuelle Chat-Personas und mehr.

Pro studio (SpyGlass) Web

Unbegrenzt · Pauschalpreis

Durchsuche Modelle, rendere und verfeinere von jedem Browser oder Handy aus.

Discord bot (Vector)

Unbegrenzt · Pauschalpreis

Füge Vector zu deinem Server hinzu oder tritt dem Vector Discord bei. Erschaffe alles!

Unified Editor Web

Unbegrenzt · Pauschalpreis

Editor für Bilder und Videos: rendern, bearbeiten, hochskalieren und mehr auf einer Seite.

OpenRouter Terminal / API

Bezahlung pro Token

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

Lokale Apps

Einrichtung erforderlich

Richte lokale Programme ein, wenn dein Computer leistungsstark genug ist.

ModelDuel Web

Bezahlen pro Nutzung

Erzeuge denselben Prompt gleichzeitig auf bis zu 50 Checkpoint-/Basismodellen.

GPU in der Cloud mieten

Graydient Cloud GPU

Unbegrenzt · Pauschalpreis

Pauschalpreis, unbegrenzte Nutzung. Dieses Modell mit einem Klick installieren.

RunPod Cloud GPU

Abrechnung pro Minute

GPU pro Minute mieten und Modell selbst einrichten.

Anleitungen zu diesem Modell

Wie man im Oktober 2026 ein KI-Modell auswählt: Neuigkeiten zu Closed Source und dann die Open-Weights, die sich zum Download lohnen

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

Wie man Ollama installiert und eine lokale KI betreibt (Windows, Mac, Linux)

Alle Anleitungen

MiniMax | 1.048.576 Token Kontext | $0,30/M Eingabe, $1,20/M Ausgabe. MiniMax-M3 ist ein multimodales Grundlagenmodell von MiniMax. Es unterstützt Text-, Bild- und Videoeingaben mit Textausgabe, ein 1M-Token-Kontextfenster und eignet sich für Langzeit-agentische Arbeit, Coding und Tool-Nutzung. Es basiert auf MiniMax Sparse Attention (MSA), das die vollständige Aufmerksamkeit durch KV-Blockauswahl ersetzt, um die Berechnung pro Token bei langem Kontext zu reduzieren – etwa 1/20 der Kosten der vorherigen Generation bei 1M Tokens, mit deutlich schnellerem Prefill und Dekodierung bei…MiniMax | 1.048.576 Token Kontext | $0,30/M Eingabe, $1,20/M Ausgabe. MiniMax-M3 ist ein multimodales Grundlagenmodell von MiniMax. Es unterstützt Text-, Bild- und Videoeingaben mit Textausgabe, ein 1M-Token-Kontextfenster und eignet sich für Langzeit-agentische Arbeit, Coding und Tool-Nutzung. Es basiert auf MiniMax Sparse Attention (MSA), das die vollständige Aufmerksamkeit durch KV-Blockauswahl ersetzt, um die Berechnung pro Token bei langem Kontext zu reduzieren – etwa 1/20 der Kosten der vorherigen Generation bei 1M Tokens, mit deutlich schnellerem Prefill und Dekodierung bei gleichbleibender Qualität in den meisten Aufgaben. Es wurde als natives multimodales Modell auf verschachtelten Daten trainiert und für mehrstufige, produktionsähnliche Zusammenarbeit über ein interaktives User-Simulator-Framework abgestimmt. Das Modell ist auf nachhaltige, mehrstufige Aufgaben ausgelegt statt auf Einzeldurchläufe.

Captain's Notizen

Geschrieben von Captain, dem Hausredakteur

Notizen vom 2026-10-13

MiniMax M3 ist ein 428-Milliarden-Parameter-sparsames Mixture-of-Experts-Modell von MiniMax, das pro Token etwa 23 Milliarden Parameter aktiviert, mit einem 1-Million-Token-Kontextfenster und nativer Unterstützung für Text-, Bild- und Videoeingaben. Die MiniMax Sparse Attention-Architektur reduziert den Rechenaufwand pro Token auf etwa 1/20 der vorherigen Generation bei vollem Kontext, mit 9× schnellerem Vorbefüllen und 15× schnellerer Dekodierung. Die Gewichte sind offen, die API günstig, und das Design zielt auf nachhaltige agentenbasierte Arbeit statt auf Einmalabfragen ab.

Bekannt für

1-Million-Token-Kontext bei einem Bruchteil der Rechenkosten von dichten Aufmerksamkeitsmodellen
Native multimodale Schulung über Text, Bild und Video von Anfang an
9× schnellere Vorbefüllung und 15× schnellere Dekodierung gegenüber M2 bei maximalem Kontext
Drei umschaltbare Denkmodi: immer an, adaptiv oder deaktiviert
Optimiert für mehrstufige agentenbasierte Aufgaben und Werkzeugnutzung, nicht nur Einmal-Prompts

Achte auf

Bei 428 Milliarden Gesamtparametern erfordert die lokale Bereitstellung ernsthafte Hardware; prüfen Sie die VRAM-Anforderungen vor dem Download.
Offene Gewichte, aber prüfen Sie die Lizenzbedingungen für Ihren Anwendungsfall, bevor Sie ein kommerzielles Produkt darauf aufbauen.
Video- und Bildqualität bei extrem langen Kontexten ist hier nicht unabhängig bewertet.

Am besten für

Agenten und Werkzeugnutzung

Prompts zum Ausprobieren

Mehrdatei-Refaktorierungsaufgabe

Du arbeitest an einem Python-Web-Scraper, der auf drei Dateien verteilt ist: fetcher.py übernimmt HTTP-Anfragen mit Wiederholungen, parser.py extrahiert strukturierte Daten mit BeautifulSoup, und main.py steuert die Pipeline. Der Scraper verwirft stillschweigend Elemente, wenn eine Seite einen 429 zurückgibt. Diagnostiziere die wahrscheinliche Ursache, schlage eine Lösung mit exponentiellem Backoff vor und schreibe die relevanten Abschnitte von fetcher.py und main.py um, um sie zu implementieren.

Fragen und Antworten zu langem Dokument

Ich werde gleich einen langen Vertrag einfügen. Lies das gesamte Dokument und beantworte dann diese drei Fragen: 1) Was sind die Kündigungsbedingungen für beide Parteien? 2) Gibt es automatische Verlängerungsklauseln, und wenn ja, welche Kündigungsfrist gilt? 3) Welche Partei trägt die Haftung für Datenschutzverletzungen? Nenne die Klauselnummer für jede Antwort. [Vertragstext hier einfügen]

Bildgestützte Analyse

Angehängt ist ein Screenshot eines Dashboards. Identifiziere jede sichtbare Metrik, notiere, welche außerhalb eines normalen Betriebsbereichs liegen, und schlage die zwei wahrscheinlichsten Ursachen für Anomalien vor. Schreibe dann eine dreisätzige Zusammenfassung, die ein nicht-technischer Manager verstehen kann.

Vergleichen mit

MiniMax M1
Nur API-Modell
1,000,000 Token Kontext · $0.55/M Eingabe, $2.20/M Ausgabe
MiniMax M2.5
Modell mit offenen Gewichten
204,800 Token Kontext · $0.27/M Eingabe, $0.95/M Ausgabe
MiniMax-01
Modell mit offenen Gewichten
1,000,192 Token Kontext · $0.20/M Eingabe, $1.10/M Ausgabe
MiniMax M2.1
Modell mit offenen Gewichten
204,800 Token Kontext · $0.30/M Eingabe, $1.20/M Ausgabe

Mehr Textmodelle von minimax

Häufig gestellte Fragen

Kann ich MiniMax M3 lokal ausführen?: Ja, die Gewichte sind offen und auf MiniMaxAI/MiniMax-M3 bei Hugging Face gehostet. MiniMax unterstützt SGLang, vLLM, Transformers, KTransformers, unsloth und ATOM als Inferenz-Frameworks, aber bei 428 Milliarden Gesamtparametern benötigen Sie erhebliche Hardware.
Was kostet MiniMax M3 über die API?: Die API kostet $0,30 pro Million Eingabetokens und $1,20 pro Million Ausgabetokens, mit einem 1.048.576-Token-Kontextfenster.
Worin unterscheidet sich M3 von M2?: M3 ersetzt die volle Aufmerksamkeit durch MiniMax Sparse Attention, liefert 9× schnellere Vorbefüllung und 15× schnellere Dekodierung bei 1M Kontext und reduziert den Rechenaufwand pro Token auf etwa 1/20 von M2; es fügt außerdem native Videoeingabe und einen konfigurierbaren Denkmodus hinzu, den M2 nicht bot.

Captain's Urteil
Ein seltenes Open-Weights-Modell, das das Millionen-Token-Kontextfenster ernst genug nimmt, um den Aufmerksamkeitsmechanismus darauf neu zu bauen.

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

Also ranked: #19 Hottest Text / LLM model · #19 Hottest Text / LLM text model

Not this creator?

Get your own badge

Beliebtheitstrend von MiniMax M3

Heat-Score seit 31 May 2026

Heat-Score

9,051°

Diese Woche

▲

29.0%

9,017° damals, 9,051° jetzt

Diesen Monat

▲

231%

8,892° damals, 9,051° jetzt

Vergangenes Jahr

n/a

Noch nicht veröffentlicht/erfasst

7,000°

Grundwert

Die Skala reicht von 0° bis 9.999°. Alles unterhalb von 7,000° ist für Modelle reserviert, über die noch keine Quelle berichtet hat. Diese tragen dort eine Platzhalterzahl, damit die Listen vollständig bleiben. 7,000° ist der Punkt, an dem gemessene Daten beginnen: Ein Modell mit echten Daten, aber fast keinen Downloads, sitzt auf dem Grundwert, und die Messungen füllen die Grade darüber. Der Grundwert sagt nichts über das Modell aus; nur die Grade darüber tun das und trennen ein Modell vom anderen.

+1,727°

OpenRouter Tokens

5,730,756,128,120 Tokens hat dieses Modell in den letzten 30 Tagen über OpenRouter verarbeitet, Eingaben und Antworten zusammen. Je 10,000,000 Tokens zählen als ein Download im Download-Zeitraum, insgesamt 573,075; die Tokens des letzten Tages fließen in die Adoptionsrate ein. Quelle: OpenRouter (openrouter.ai/rankings).

+324°

Verbreitungsrate

Etwa 20,825 Downloads pro Tag, gemessen zwischen zwei Abfragen der Quellen, nie geschätzt aus einem Durchschnitt über die gesamte Lebenszeit. Die Geschwindigkeit zählt ein Viertel des Download-Werts, sodass ein frischer Anstieg sichtbar wird, ohne dass ein eintägiger Spitzenwert jahrelange Nutzung übertrumpft.

Detaillierte Aufschlüsselung anzeigen

Jede Zahl auf dieser Seite kann überprüft werden. Der Heat-Score dieses Modells beträgt 9,051°, und hier wird er Schritt für Schritt aufgebaut, mit dem laufenden Gesamtwert nach jedem Schritt: der Grundwert, die Grad, die jede Quelle hinzufügt, der Bonus für die Art des Modells und was das Alter seiner Gewichte abzieht. Die Farben entsprechen den Bereichen der obigen Grafik. Das Glossar am Ende erklärt jeden Begriff.

1
Starte beim Grundwert.
Warum 7,000° und nicht null: Die Skala reicht von 0° bis 9.999°, und der Bereich unter 7,000° ist für Modelle reserviert, über die noch keine Quelle berichtet hat. Diese tragen dort eine Platzhalterzahl, damit die Listen vollständig bleiben und niemals über einem Modell mit Daten stehen. 7,000° ist der Punkt, an dem gemessene Daten beginnen. Ein Modell mit echten Daten, aber fast keinen Downloads, sitzt hier; alles, was folgt, ist Messung, und der Bereich über dem Grundwert enthält zehn zehnfache Schritte bei Downloads zu je 300°. Der Grundwert ist für jedes Modell gleich, er entscheidet also nichts; die Grade darüber tun das.
7,000°
laufende Summe
2
Füge die Downloads hinzu.
573,075 Download-Äquivalente insgesamt, von OpenRouter Tokens. Zehnmal die Downloads ergeben denselben 300°, also zählt die Größe, aber sie dominiert die Bewertung nie.
+1,727°
8,727°
laufende Summe
3
Füge die Verbreitungsrate hinzu.
Momentan etwa 20,825 Downloads pro Tag, gemessen zwischen zwei Messungen, mit einem Viertel der Gewichtung.
+324°
9,051°
laufende Summe
=
Der Heat-Score.
Wo dieses Modell auf jeder Liste dieser Seite steht. Nichts anderes beeinflusst ihn.
9,051°

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.

Wie sich die Beliebtheit dieses Modells im Vergleich zum Rest des Katalogs entwickelt hat: sein Wachstum bei Downloads, Likes und Nutzung in jedem Zeitraum, gemessen am typischen Wachstum eines Modells im gleichen Zeitraum, mit dem Heat-Score zu diesem Zeitpunkt. Über dem typischen Wachstum bedeutet ein Anstieg, darunter ein Rückgang. Die Vergangenheit wird aus den heutigen Gesamtzahlen, dem ersten Tag des Modells und seiner gemessenen Download-Geschwindigkeit rekonstruiert, wenn zwei Messungen vorliegen; ein Modell, das zu Beginn eines Zeitraums nicht existierte, zeigt n/a an.

Ähnliche Modelle

Qwen2.5 Coder 32B Instruct

TEXT / LLM

Qwen3 VL 30B A3B Instruct

TEXT / LLM

KI-Modelle für Bild-, Video- und Texterzeugung

MiniMax M3 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, prüfe den Hitzewert, um den Trend zu sehen, und öffne es auf PirateDiffusion oder BitVector, um es auszuprobieren.

Weitere Text / LLM-Modelle llm minimax vision video logik agenten programmieren langer kontext

Nach Modellfamilie stöbern