MiniMax-M1, das weltweit erste Open-Weight-Hybrid-Attention-Reasoning-Modell, ist jetzt live auf Novita AI! Dieses bahnbrechende Modell verfügt über 456 Milliarden Parameter – davon werden pro Token 45,9 Milliarden aktiviert – und unterstützt nativ einen Kontext von 1 Million Token, was 8× mehr ist als bei DeepSeek R1.
Für kurze Zeit können neue Nutzer $10 Gratisguthaben erhalten, um die erweiterten Reasoning-Fähigkeiten von MiniMax-M1 zu erkunden. Statte deine Anwendungen mit modernster Hybrid-Attention-Technologie aus – MiniMax-M1 ist nur einen API-Aufruf entfernt.
Hier ist die aktuelle MiniMax-M1-Preisgestaltung auf Novita AI:
MiniMax-M1-80K: 0,55 $ / Mio. Input-Token, 2,2 $ / Mio. Output-Token
MiniMax-M1-80K Demo jetzt ausprobieren
Was ist MiniMax-M1?
MiniMax-M1 stellt einen Paradigmenwechsel in der Architektur großer Sprachmodelle dar. Entwickelt von MiniMax-AI, führt dieses innovative Modell das weltweit erste Open-Weight, groß angelegte Hybrid-Attention-Reasoning-System ein, das eine hybride Mixture-of-Experts (MoE)-Architektur mit einem revolutionären Lightning Attention-Mechanismus kombiniert.
Hauptmerkmale von MiniMax-M1
🔹 Hybrid-Attention & Mixture-of-Experts
MoE-Layer aktivieren 45,9 Mrd. von 456 Mrd. Parametern pro Token, gepaart mit Lightning Attention für Geschwindigkeit und Effizienz.
🔹 Riesiger Kontext von 1 Million Token
Unterstützt nativ bis zu einer Million Token – ideal zum Zusammenfassen von Büchern, Logs und gesamten Codebasen.
🔹 Effizientes Reinforcement Learning
CISPO verbessert die RL-Trainingseffizienz durch Clipping von Importance-Sampling-Gewichten – eine Premiere für MoE + Hybrid-Attention-Architektur.
🔹 Duale Thinking-Budgets: 40K & 80K
Wähle zwischen MiniMax‑M1‑40K oder MiniMax‑M1‑80K, je nach gewünschter Reasoning-Tiefe und Rechenkompromissen.
🔹 Agentische Fähigkeiten & Plugins
Eingebaute Funktionsaufrufe, Tool-Zugriff (Suche, Codeausführung, Bild-/Videoerzeugung, TTS), optimiert für reale Agenten-Workflows.
Benchmarks und Leistungsanalyse
MiniMax-M1 liefert außergewöhnliche Leistung über umfassende KI-Benchmarks hinweg. Standardbewertungen zeigen, dass das Modell starke Open-Weight-Alternativen wie DeepSeek-R1 und Qwen3-235B übertrifft, insbesondere in Softwareentwicklung, Tool-Nutzung und Langtextverständnis.
Umfassender Leistungsvergleich
| Kategorie | Aufgabe | MiniMax-M1-80K | MiniMax-M1-40K | Qwen3-235B-A22B | DeepSeek-R1-0528 | DeepSeek-R1 | Seed-Thinking-v1.5 | Claude 4 Opus | Gemini 2.5 Pro | OpenAI-o3 |
|---|---|---|---|---|---|---|---|---|---|---|
| Erweitertes Denken | 80K | 40K | 32k | 64k | 32k | 32k | 64k | 64k | 100k | |
| Mathematik | AIME 2024 | 86,0 | 83,3 | 85,7 | 91,4 | 79,8 | 86,7 | 76,0 | 92,0 | 91,6 |
| AIME 2025 | 76,9 | 74,6 | 81,5 | 87,5 | 70,0 | 74,0 | 75,5 | 88,0 | 88,9 | |
| MATH-500 | 96,8 | 96,0 | 96,2 | 98,0 | 97,3 | 96,7 | 98,2 | 98,8 | 98,1 | |
| Allgemeines Codieren | LiveCodeBench | 65,0 | 62,3 | 65,9 | 73,1 | 55,9 | 67,5 | 56,6 | 77,1 | 75,8 |
| FullStackBench | 68,3 | 67,6 | 62,9 | 69,4 | 70,1 | 69,9 | 70,3 | -- | 69,3 | |
| Reasoning & Wissen | GPQA Diamond | 70,0 | 69,2 | 71,1 | 81,0 | 71,5 | 77,3 | 79,6 | 86,4 | 83,3 |
| ZebraLogic | 86,8 | 80,1 | 80,3 | 95,1 | 78,7 | 84,4 | 95,1 | 91,6 | 95,8 | |
| MMLU-Pro | 81,1 | 80,6 | 83,0 | 85,0 | 84,0 | 87,0 | 85,0 | 86,0 | 85,0 | |
| Softwareentwicklung | SWE-bench Verified | 56,0 | 55,6 | 34,4 | 57,6 | 49,2 | 47,0 | 72,5 | 67,2 | 69,1 |
| Langer Kontext | OpenAI-MRCR (128k) | 73,4 | 76,1 | 27,7 | 51,5 | 35,8 | 54,3 | 48,9 | 76,8 | 56,5 |
| OpenAI-MRCR (1M) | 56,2 | 58,6 | -- | -- | -- | -- | -- | 58,8 | -- | |
| LongBench-v2 | 61,5 | 61,0 | 50,1 | 52,1 | 58,3 | 52,5 | 55,6 | 65,0 | 58,8 | |
| Agentischer Tool-Einsatz | TAU-bench (Fluglinie) | 62,0 | 60,0 | 34,7 | 53,5 | -- | 44,0 | 59,6 | 50,0 | 52,0 |
| TAU-bench (Einzelhandel) | 63,5 | 67,8 | 58,6 | 63,9 | -- | 55,7 | 81,4 | 67,0 | 73,9 |
Modelle bewertet mit temperature=1.0, top_p=0.95
Exzellenz in Mathematik und Reasoning
Wettbewerbsmathematik
MiniMax-M1-80K erzielt herausragende Ergebnisse bei AIME 2024 (86,0) und AIME 2025 (76,9) und führt bei den Open-Weight-Modellen im mathematischen Reasoning. Die 96,8%-Genauigkeit des Modells bei MATH-500 zeigt eine außergewöhnliche Fähigkeit im Umgang mit komplexen mathematischen Problemen.
Fortgeschrittene Reasoning-Aufgaben
Das Modell glänzt bei ZebraLogic mit 86,8% und übertrifft damit Open-Weight-Alternativen wie Qwen3-235B (80,3%) und DeepSeek-R1 (78,7%) deutlich. Die konstante Leistung über die Varianten 80K und 40K (81,1% bzw. 80,6% bei MMLU-Pro) zeigt zuverlässige Reasoning-Fähigkeiten.
Exzellenz in Softwareentwicklung und Codierung
Reale Softwareentwicklung
MiniMax-M1 erreicht bemerkenswerte 56,0% Genauigkeit bei SWE-bench Verified und übertrifft Qwen3-235B-A22B (34,4%) dramatisch. Diese Leistung demonstriert die Fähigkeit des Modells, komplexe Codebasen zu verstehen, Probleme zu identifizieren und effektive Lösungen in realen Szenarien vorzuschlagen.
Vielseitigkeit beim Codieren
Starke Leistung bei LiveCodeBench (65,0%) und FullStackBench (68,3%) unterstreicht die Vielseitigkeit des Modells über Programmierparadigmen und Frameworks hinweg und etabliert es als führende Wahl für Softwareentwicklungsanwendungen.
Überlegenheit bei langem Kontext und agentischen Fähigkeiten
Verarbeitung erweiterter Kontexte
MiniMax-M1 zeigt ein außergewöhnliches Verständnis langer Kontexte. Bei OpenAI-MRCR (128k) erreicht es 73,4% und übertrifft damit andere Open-Weight-Modelle wie Qwen3-235B-A22B (27,7%) deutlich. Die 1-Million-Token-Fähigkeit (56,2%) demonstriert eine einzigartige Kohärenz über extrem lange Sequenzen hinweg.
Agentische Fähigkeiten
Starke TAU-bench-Leistung (62,0% Fluglinie, 63,5% Einzelhandel) übertrifft Qwen3-235B-A22B bei Fluglinienaufgaben (34,7%) deutlich und zeigt konkurrenzfähige agentische Fähigkeiten in verschiedenen Anwendungsbereichen.
Analyse der Leistungsführerschaft
Benchmark-Leistungsvergleich führender kommerzieller und Open-Weight-Modelle bei Mathematik auf Wettbewerbsniveau, Codierung, Softwareentwicklung, agentischem Tool-Einsatz und Aufgaben zum Verständnis langer Kontexte. MiniMax AI verwendet hier das MiniMax-M1-80k-Modell für MiniMax-M1.
Open-Weight-Dominanz
MiniMax-M1 übertrifft durchgängig Open-Weight-Konkurrenten in allen Benchmark-Kategorien und etabliert eine klare Führungsposition im Open-Weight-Reasoning-Modellbereich.
Vorteil bei der Kontextlänge
Der 1-Million-Token-Kontext bietet erhebliche Vorteile, mit Leistungslücken von über 45 Prozentpunkten im Vergleich zu Alternativen bei Aufgaben mit langem Kontext.
Kommerzielle Wettbewerbsfähigkeit
Während kommerzielle Modelle in einigen Kategorien höhere Werte erzielen, bietet MiniMax-M1 konkurrenzfähige Leistung mit dem Vorteil der Open-Weight-Zugänglichkeit und Bereitstellungsflexibilität.
So greifst du auf MiniMax-M1 auf Novita AI zu
Der Einstieg in MiniMax-M1 auf Novita AI ist unkompliziert und risikofrei. Neue Nutzer erhalten $10 Gratisguthaben – genug, um die Hybrid-Attention-Reasoning-Fähigkeiten von MiniMax-M1 zu erkunden, Prototypen zu erstellen und erste Anwendungsfälle ohne Vorabkosten zu starten.
Nutze die Playground (Ohne Code)
Sofortiger Zugriff: Registriere dich, sichere dir dein Gratisguthaben und beginne sofort mit Qwen 3 und anderen Top-Modellen zu experimentieren.
Interaktive Benutzeroberfläche: Teste Prompts, Chain-of-Thought-Reasoning und visualisiere Ergebnisse in Echtzeit.
Modellvergleich: Wechsle mühelos zwischen Qwen 3, Llama 4, DeepSeek und mehr, um die perfekte Lösung für deine Bedürfnisse zu finden.
Integration via API (Für Entwickler)
Verbinde MiniMax-M1 nahtlos mit Anwendungen, Workflows oder Chatbots über die einheitliche REST-API von Novita AI. Keine Verwaltung von Modellgewichten oder Infrastruktursorgen – Novita AI bietet mehrsprachige SDKs (Python, Node.js, cURL) und erweiterte Parametersteuerungen.
Option 1: Direkte API-Integration (Python-Beispiel)
from openai import OpenAI
client = OpenAI(
base_url="https://api.novita.ai/v3/openai",
api_key="session_T3FM6wKgMO4YSk7lWfKo5H99EzvOqeJYVrxM6W1u2kuckMW0MuJhSAGDv9jNsFJ09pQ8r6mJHXJoldr_gxQ4WA==",
)
model = "minimaxai/minimax-m1-80k"
stream = True # or False
max_tokens = 20000
system_content = ""Be a helpful assistant""
temperature = 1
top_p = 1
min_p = 0
top_k = 50
presence_penalty = 0
frequency_penalty = 0
repetition_penalty = 1
response_format = { "type": "text" }
chat_completion_res = client.chat.completions.create(
model=model,
messages=[
{
"role": "system",
"content": system_content,
},
{
"role": "user",
"content": "Hi there!",
}
],
stream=stream,
max_tokens=max_tokens,
temperature=temperature,
top_p=top_p,
presence_penalty=presence_penalty,
frequency_penalty=frequency_penalty,
response_format=response_format,
extra_body={
"top_k": top_k,
"repetition_penalty": repetition_penalty,
"min_p": min_p
}
)
if stream:
for chunk in chat_completion_res:
print(chunk.choices[0].delta.content or "", end="")
else:
print(chat_completion_res.choices[0].message.content)
Option 2: Multi-Agent-Workflows mit OpenAI Agents SDK
Erstelle fortschrittliche Multi-Agent-Systeme durch die Integration von Novita AI mit dem OpenAI Agents SDK:
- Plug-and-Play: Verwende Novita AIs MiniMax-M1 in jedem OpenAI-Agents-Workflow
- Unterstützt Handoffs, Routing und Tool-Nutzung: Entwerfe Agenten, die delegieren, triagieren oder Funktionen ausführen können, alle angetrieben von MiniMax-M1s Hybrid-Attention-Fähigkeiten
- Python-Integration: Richte das SDK einfach auf Novitas Endpunkt (
https://api.novita.ai/v3/openai) aus und verwende deinen API-Schlüssel
Verbinde MiniMax-M1 API auf Drittanbieterplattformen
-
Hugging Face: Verwende Qwen 3 in Spaces, Pipelines oder mit der Transformers-Bibliothek über Novita-AI-Endpunkte.
-
**Agenten- & Orchestrierungs-Frameworks:**Verbinde Novita AI ganz einfach mit Partnerplattformen wie Continue, AnythingLLM,LangChain, Dify und Langflow über offizielle Konnektoren und Schritt-für-Schritt-Integrationsanleitungen.
-
OpenAI-kompatible API: Genieße eine mühelose Migration und Integration mit Tools wie Cline und Cursor, die für den OpenAI-API-Standard entwickelt wurden.
Fazit
MiniMax-M1 setzt mit seiner Hybrid-Attention-Architektur und außergewöhnlichen Leistung in verschiedenen Bereichen einen neuen Maßstab für Open-Weight-Reasoning-Modelle.
Die 1-Million-Token-Kontextfähigkeit des Modells und die 75%ige FLOP-Reduzierung machen es ideal für komplexe, reale Anwendungen, die sowohl Effizienz als auch fortgeschrittenes Reasoning erfordern.
Bereit, die Zukunft des KI-Reasonings zu erleben? Probiere MiniMax-M1 auf Novita AI aus und sichere dir noch heute deine $10 Gratisguthaben.
Novita AI ist eine KI-Cloud-Plattform, die Entwicklern eine einfache Möglichkeit bietet, KI-Modelle über unsere einfache API bereitzustellen, und gleichzeitig die erschwingliche und zuverlässige GPU-Cloud für die Entwicklung bereitstellt.
