WaveSpeedAI
← Blog

MiniMax M3 Preis: Long-Context-API-Kosten für Entwickler

MiniMax M3 Preisgestaltung für Entwickler: Long-Context-Stufen, der 512K-Schwellenwert, Token-Pool, Caching und wie man API-Kosten kontrolliert.

By Dora 7 min read

Hallo zusammen. Immer noch Dora. Ich habe die M3-Preisseite aufgerufen und eine einzige Zahl erwartet. Da stehen vier. Standard-Tarif, Langkontext-Tarif, Cache-Reads, Multimodal — plus ein separates Abonnement-Produkt obendrauf. Wenn Sie also die Frage beantworten möchten, was die Minimax-M3-Preiskarte für Ihre Workload tatsächlich bedeutet, lautet die ehrliche Antwort: Es kommt darauf an, in welchem der vier Tarife Ihre Anfrage landet.

Dieser Beitrag richtet sich an denjenigen, der am Monatsende die Inferenzrechnung verteidigen muss. Wenn Sie nur wissen wollen, ob M3 abstrakt gesehen „günstig” ist — es ist zu wettbewerbsfähigen Preisen gelistet —, aber diese Einschätzung übersteht keinen Kontakt mit einer echten Workload.

Wie die M3-Preisgestaltung aufgebaut ist

Die Minimax-M3-Preisstruktur hat vier bewegliche Teile. Der Hauptpreis beträgt 0,30 $ pro Million Input-Tokens und 1,20 $ pro Million Output-Tokens — bestätigt im MiniMax M3-Launch-Blog. Das ist eine 50-%-Launch-Aktion auf den Standard-Tarif. Der Listenpreis liegt bei 0,60 $ / 2,40 $. Ich würde die Aktion als vorübergehend betrachten. Kein Budget darauf aufbauen.

Standard-Tarif (≤512K) vs. Langkontext-Tarif (>512K)

M3 unterstützt ein 1-Million-Token-Kontextfenster mit einem garantierten Minimum von 512K. Sobald Ihr Input 512K Token überschreitet, wird die gesamte Anfrage — Input, Output und Cache-Reads — zum Langkontext-Tarif abgerechnet. Dieser Tarif ist genau das Doppelte des Standard-Tarifs.

Also bei der Aktion: 0,60 $ Input / 2,40 $ Output über 512K. Zum Listenpreis: 1,20 $ / 4,80 $. Cache-Reads verhalten sich ebenso.

Eine 600K-Token-Anfrage kostet nicht etwas mehr als eine 500K-Anfrage. Sie kostet ungefähr doppelt so viel pro Token für den gesamten Aufruf. Das ist eine Klippe, kein Abhang.

Gemeinsamer Token-Pool (Text/Bild/Sprache/Musik)

M3 ist nativ multimodal. Text, Bild und Video treffen denselben Endpunkt und denselben Zähler. Text ist die mit Abstand günstigste Modalität. Bild- und Video-Inputs werden zu höheren Raten tokenisiert und separat vom Hauptpreis abgerechnet. Die genauen multimodalen Zahlen stehen nicht auf der Standard-Preiskarte — man muss in der Plattform-Dokumentation suchen.

Wenn Ihr Minimax-M3-API-Workflow textlastig mit gelegentlichem Bild-Input ist, wird Ihre Rechnung dem Hauptpreis ähneln. Bei Video-lastigen Workflows: neu berechnen. Noch zu verifizieren.

Warum 1M Kontext mehr kostet als es aussieht

MSA (MiniMax Sparse Attention) macht 1M Kontext praktisch statt nur zu einer Zahl auf dem Datenblatt. Aber „unterstützt 1M” und „sollte mit 1M laufen” sind verschiedene Aussagen.

Prompt-Größe + Output-Tokens

Output ist auf beiden Tarifen viermal teurer als Input. Eine Aufgabe, die viel liest und wenig schreibt, ist also günstig; viel lesen und viel schreiben ist es nicht.

Rechenbeispiel. Agentischer Codier-Durchlauf mit 500K Input, 100K Output. Zum Aktions-Standard-Tarif: (0,5 × 0,30 $) + (0,1 × 1,20 $) = 0,27 $ pro Aufgabe. Bleibt unter 512K.

Input auf 600K erhöhen. Gleicher 100K Output. Sie haben die Klippe überschritten. Der gesamte Aufruf wird zum Langkontext-Tarif abgerechnet: (0,6 × 0,60 $) + (0,1 × 2,40 $) = 0,60 $ pro Aufgabe. Mehr als doppelt so viel für 20 % mehr Input. Das ist der Teil der Minimax-M3-Preisstruktur, den man einplanen muss.

Lange Sitzungen & Agenten-Schleifen

Agenten-Schleifen verstärken das. Jede Runde hängt an den Kontext. Bis Runde 10 oder 15 überschreiten Sie oft die 512K — nicht weil ein einzelner Schritt das brauchte, sondern weil nichts beschnitten wurde. Ein 1-Million-Token-Kontextfenster ist eine Obergrenze für schwierige Probleme, kein Standard.

Ich hielt inne, als ich die Preisgestaltung zum ersten Mal las. M3s Token-Preis ist niedrig, aber die Kosten pro Aufgabe werden durch die Kontextmenge bestimmt, die Sie mitschleppen. Die Rechnung der meisten Teams wird oberhalb der Preisseite festgelegt.

Kostenkontroll-Hebel

Der Minimax-M3-Preis, den Sie tatsächlich zahlen, hängt von drei Hebeln ab.

Retrieval/Chunking statt vollem Fenster. Wenn Sie die Frage mit 50K Tokens an abgerufenem Kontext beantworten können, ist das Senden von 500K eine Steuer. Retrieval-Setups bleiben im Standard-Tarif und vermeiden die Langkontext-Klippe. Nutzen Sie das 1M-Fenster, wenn Sie tatsächlich dokumentübergreifendes Reasoning brauchen. Verwenden Sie Retrieval, wenn nicht.

Caching. M3 hat automatisches Prompt-Caching — keine Konfiguration erforderlich. Cache-Reads werden zu etwa 10 % des Input-Preises abgerechnet (0,06 $/M Aktions-Standard, 0,24 $/M Langkontext). Das ist der stärkste Einzelhebel in jeder Agenten- oder Chat-Workload mit stabilen System-Prompts, und hier belohnt die Minimax-M3-API Engineering-Aufwand direkt. Wenn 60 % Ihres Inputs pro Runde ein stabiles Präfix ist, das den Cache trifft, senken Sie Ihre Input-Rechnung in jeder Runde nach der ersten um etwa 54 %. Die Anthropic-Dokumentation zum Prompt-Caching erklärt die Mechanik klar. Obwohl MiniMax M3 Caching anders implementiert, ist das wirtschaftliche Muster ähnlich: ein teurerer Cache-Write gefolgt von deutlich günstigeren Cache-Reads.

Modell-Routing. Nicht jeder Schritt in einer Agenten-Schleife braucht M3. Ein günstiger Klassifikator davor, mit M3 nur wenn gerechtfertigt, kann die Gesamtausgaben bei Workloads, die auf viele kleine Teilaufgaben verteilt werden, um die Hälfte senken.

Wer für Langkontext zahlen sollte

Langer Kontext ist keine kostenlose Intelligenz — es ist ein Abrechnungstarif mit einer harten Grenze bei 512K.

Bestes Einsatzfeld: Code-Verständnis auf Repository-Ebene, wo das Modell das gesamte Repository braucht; Langdokument-Analyse, bei der Chunking das Reasoning zerstören würde; Langzeit-Agenten-Aufgaben, bei denen der vollständige Aktionsverlauf entscheidend ist. Die Minimax-M3-Benchmark-Zahlen, die MiniMax beim Launch veröffentlicht hat — SWE-Bench Pro, BrowseComp — passen zu diesen Workload-Kategorien. Vendor-Benchmarks mit der üblichen Skepsis betrachten.

Zu viel ausgegeben: Einzel-Dokument-Q&A, bei dem Retrieval funktionieren würde. Chat-Anwendungen ohne echten Speicherbedarf. Massenklassifikation — das Minimax-M3-Modell ist überdimensioniert für Aufgaben, die ein kleines Modell gut erledigt. Routen statt eskalieren.

Das Token-Plan-Abonnement ist eine separate Frage. MiniMax verkauft ein Flat-Entwickler-Abonnement als Plus (20 $), Max (50 $) und Ultra (120 $) pro Monat, mit monatlichen M3-Token-Kontingenten von ungefähr 1,6 Mrd., 5,1 Mrd. bzw. 9,8 Mrd. Token-Plan und PAYG konkurrieren nicht auf derselben Achse wie ein Minimax-M3-Benchmark-Wert — Kontingente betreffen Durchsatz-Vorhersagbarkeit, keine rohe Leistungsfähigkeit. Stabiler, hohes Volumen unter 512K: Abonnement gewinnt wahrscheinlich. Sprunghaft oder Langkontext-lastig: Rechnung zweimal prüfen.

FAQ

Wo liegt die Preisgrenze zwischen Standard und Langkontext (>512K) bei MiniMax M3?

Bei 512K Input-Tokens. ≤512K wird zum Standard-Tarif abgerechnet; >512K wird die gesamte Anfrage — Input, Output und Cache-Reads — zum 2-fachen Preis abgerechnet. Sprungfunktion, kein Gradient.

Teilt sich Multimodal-Input (Bild/Video) denselben Token-Pool wie Text?

Ja, gleicher Endpunkt und Zähler. Aber Bild und Video tokenisieren zu höheren Raten und werden zu einem separaten Preis pro Million abgerechnet, der nicht auf der Hauptpreiskarte steht. Plattform-Dokumentation prüfen, bevor man budgetiert.

Wie schätze ich die Kosten eines Langkontext-Agenten-Workflows auf M3?

Drei Zahlen: durchschnittlicher Input pro Runde, durchschnittlicher Output pro Runde, Anzahl der Runden. Multiplizieren, summieren. Dann schätzen, welcher Anteil des Inputs cachefähig ist (typischerweise 50–80 % in Agenten-Schleifen) und den 10-%-Cache-Read-Tarif auf diesen Anteil anwenden. Schließlich prüfen, ob eine einzelne Runde die 512K überschreitet — wenn ja, zahlt diese Runde 2x auf alles. Die meisten Überraschungen in der Rechnung kommen aus der letzten Prüfung.

Was sind günstigere Alternativen, wenn ich tatsächlich keinen 1M-Kontext brauche?

Die MiniMax M2.5-Linie läuft zum gleichen Hauptpreis im Standard-Tarif und ist gut für die meisten Workloads geeignet, die in 256K passen. Wenn Sie keinen MSA-Klasse-Langkontext brauchen, zahlen Sie für Fähigkeiten, die Sie nicht nutzen werden.

Ändert das Token-Plan-Abonnement, wie ich über API-Preisgestaltung nachdenken sollte?

Es ändert die Abrechnungseinheit, nicht die zugrunde liegende Logik. PAYG rechnet pro Token mit der Klippe bei 512K ab. Token-Plan tauscht das gegen festes monatliches Kontingent zum Festpreis. Abonnement gewinnt bei vorhersehbaren, hochvolumigen Workloads unter 512K. PAYG gewinnt bei sprunghaften oder Langkontext-lastigen. Keine Entscheidung treffen ohne mindestens eine Woche realen Traffic gegen beide Optionen zu modellieren.

Fazit

Der Minimax-M3-Preis, der zählt, ist nicht der auf der Preiskarte. Es sind die Kosten pro Aufgabe, sobald man Prompt-Größe, Output-Volumen, ob man die 512K-Grenze überschreitet und wie viel Input cachefähig ist berücksichtigt hat. Der Hauptpreis ist wettbewerbsfähig — stimmt. Aber die Rechnung am Monatsende wird durch die Architektur bestimmt.

Reihenfolge: zuerst eine repräsentative Workload modellieren, prüfen ob Aufrufe die 512K überschreiten, Caching-Schätzungen einbeziehen, dann mit Token-Plan-Tarifen vergleichen. Alternativen überspringen, bis die ersten vier erledigt sind.

Das ist der Stand meiner Daten. Aktionspreise sind vorübergehend und Multimodal-Preise sind in den öffentlichen Dokumenten unvollständig. Eigene Rechnung durchführen, bevor man sich auf Volumen festlegt.

Vorherige Beiträge:

Teilen