MiniMax: MiniMax M1

MiniMax M1 ist ein Textmodell von MiniMax, veröffentlicht am 17. Juni 2025. Es ist ein groß angelegtes Open-Weight-Reasoning-Modell, das für erweiterten Kontext und hocheffiziente Inferenz entwickelt wurde. Unter der Haube verwendet es eine hybride Mixture-of-Experts-Architektur in Kombination mit einem eigenen "lightning attention"-Mechanismus, was die Designentscheidung hinter seinem Langkontext-Verhalten ist. Wenn Sie ein Modell für eine Arbeitslast auswählen, die Reasoning mit sehr großen Eingaben mischt, gehört dies zur passenden Familie.

Das Modell nimmt Text entgegen und gibt Text aus. Es akzeptiert Text-Prompts und gibt Text zurück, mit einem Kontextfenster von 1.000.000 Tokens und einer maximalen Ausgabe von 40.000 Tokens. Sein Wissensstand endet am 30. Juni 2024, daher muss alles nach diesem Datum aus dem Prompt stammen und nicht aus dem eigenen Training des Modells. Reasoning ist Teil dessen, was das Modell tut, und die API legt es offen: Sie können Reasoning-Ausgabe anfordern und sie über die Parameter reasoning und include_reasoning einsehen, statt das Modell als reinen Completion-Endpunkt zu behandeln.

Die naheliegenden Anwendungsfälle ergeben sich aus dieser Kombination. Ein Kontext von einer Million Tokens eignet sich für Arbeit mit sehr großen Dokumenten: ganze Codebasen, lange Transkripte, Vertragssätze, Forschungskorpora oder Log-Dumps, die sonst Chunking und Retrieval erfordern würden. Das Reasoning-Verhalten passt zu Aufgaben, bei denen die Antwort von Zwischenschritten profitiert, etwa mehrstufige Analyse, strukturiertes Problemlösen oder Debugging. Tool-Unterstützung macht es in Agent-artigen Schleifen nutzbar, in denen das Modell Funktionen aufruft und mit deren Ergebnissen fortfährt. Die Obergrenze von 40.000 Tokens für die Ausgabe bedeutet, dass lange Generierungen machbar sind, aber für eine einzelne kurze Antwort ist das weit mehr Spielraum, als die meisten Anfragen benötigen.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "minimax/minimax-m1" auf. Da die Schnittstelle OpenAI-kompatibel ist, funktionieren bestehende Clients und SDKs mit einer Änderung der Base-URL und der Modell-ID. Die unterstützten Anfrageparameter sind frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, repetition_penalty, seed, stop, temperature, tool_choice, tools, top_k und top_p. In der Praxis deckt das Sampling-Steuerung ab (temperature, top_p, top_k), Strafen für Wiederholung und Präsenz, deterministische Läufe über seed, Abbruchbedingungen, Ausgabelänge über max_tokens und Funktionsaufrufe über tools und tool_choice, plus die Reasoning-Flags.

Beachtenswert, bevor Sie sich festlegen: Eingabe und Ausgabe sind ausschließlich Text, daher benötigen Bild, Audio oder andere Modalitäten ein anderes Modell. Der Wissensstand vom 30. Juni 2024 bedeutet, dass aktuelle Informationen im Prompt bereitgestellt werden müssen. Und ein Fenster von 1.000.000 Tokens ist eine Fähigkeit, keine Anweisung; wenn Ihre Aufgabe eine kurze Klassifikation oder ein einfacher Chat-Turn ist, wird ein kleineres Modell üblicherweise die sinnvollere Wahl sein.